论文部分内容阅读
随着生物技术的发展，生物数据以爆炸的速度增长。如何利用现有的庞大的生物数据来解决生物学的问题，是生物信息学研究的一个重要目的。随着人类全基因组测序计划的顺利完成，基因组、蛋白质组、交互作用组等大数量的数据逐渐增加，基于单个基因或蛋白的分析方法已经无法满足数据和问题的需求，系统层次的网络分析方法开始迅速发展。本文我们充分了利用了生物网络在集成不同来源数据的优势，通过对基因集合和全局网络系统的分析，来解决我们所关注的生物问题。
microRNA(miRNA)是在各种生命过程中具有重要意义的非编码RNA，了解它的功能和特性有重要意义。我们通过研究miRNA的重组率与其组织特异性、表达水平高低、疾病相关个数的关系，发现作为序列特征的重组率与这些外部特征都有显著的相关。由于基于单个miRNA的差异表达分析具有一定的局限性，我们在miRNA集合(miRNA set)水平上寻找精神分裂症与正常人的差异表达。进一步，我们构建了miRNA共表达网络和基因共表达网络，结合miRNA与基因的调控关系，通过网路比对找到了和精神分裂症相关的miRNA模块。
从基因表达数据来反推基因交互作用是网络分析的一个重要方面。我们用微分方程的方法来反推在脑内表达的基因相互作用网络，并用来分析与阿尔茨海默症发生发展相关的基因，同时结合蛋白交互作用网络，寻找到更多的阿尔茨海默症相关的基因，得到与阿尔茨海默症的发病机制相一致的相关的功能通路一神经细胞通路和Ca2+通路。
新陈代谢网络是一个结合了多种数据的综合网络，我们利用流平衡分析和模拟基因敲除的方法，得到了模式生物的重要基因和非重要基因。我们把这些基因映射到人类基因组上，比较这两类基因的重组率差别，我们发现重要基因与非重要基因相比重组率较低，相对比较保守。
综上，我们从局部和系统的水平分析了不同类型的生物网络，来解决我们关心的生物问题。结果表明，从网络的层次来分析生物数据，可以充分利用大量的异质生物数据的优势来解决生物问题。