基于小样本的分子调控网络模型和方法

Posted 2021-04-07 学术帮

2014年12月24日，国际学术期刊《Nuclear Acid Research 》在线发表了中国科学院上海生命科学研究院生物化学与细胞生物学研究所陈洛南研究组的研究成果，开发基于小样本构建因果关系的分子调控网络模型和方法。

整合高通量生物学信息，构建分子生物网络，从而在系统的水准上揭示生物分子的相互作用机理及因果调控规律，是后基因组时代所面临的重要计算生物学问题之一。统计学上对于具有n个基因的调控网络的因果关系的精确推断，要求n-2阶条件相关性的评估（高斯噪声），即需要n个以上独立生物样本数据。对于大多哺乳动物，n远大于10000基因，因此在同一条件下采集这么多的生物样本构建分子调控网络或建立因果关系不现实。

根据基因调控网络的特性（如稀疏性等），利用信息熵的非线性测度的性质及条件相关性阶数的一致性特性，研究组建立了基于小样本推断基因调控网络的新模型和算法（CMI-PCA：通路一致性分析法）。该方法主要通过评估各基因之间的互信息和条件互信息来定量基因对之间的统计相互独立性，利用路径匹配算法去逐步剔除假阳性的调控关系，从而得到最为可靠的基因调控网络。该方法不仅剔除了间接调控的假阳性关系，还在理论上保证基因调控网络构建的准确度。实际的生物网络构建证实3-6阶条件相关性的评估即可得到高精度的调控网络，也即，5-8个以上样本就可得到高精度的因果关系分子网络，因此在分子细胞学领域具有广泛的应用价值。研究组的CMI-PCA理论和方法现已被编写高效计算软件。

该研究工作得到了中科院先导专项、国家科技部和国家自然科学基金资助。

原文：Conditional mutual inclusiveinformation enables accurate quantification of associations in gene regulatorynetworks

http://nar.oxfordjournals.org/content/early/2014/12/24/nar.gku1315.short

欢迎分享，转载请注明