针对DNA序列编码区的识别问题,本研究提出一个特征向量和逻辑回归的组合模型.首先对DNA序列进行数值处理转化为特征向量,并结合k字符相对频率技术提取特征向量的元素特征,之后利用二分类逻辑回归算法,对编码区和非编码区进行准确区分.选取了HMR195 和BG570 两个基准数据集进行五折交叉验证,结果表明,平均AUC(Area Under Curve)值分别为 0.981 3 和 0.987 4,明显优于传统的贝叶斯判别法和VOSSDFT等方法.此外,本文提出的特征向量的维度很低,提高了运算效率.因此,本文组合模型能够较为高效准确地识别蛋白质编码区.
酶分子的生物学功能很大程度上是由其三维空间结构和所处溶剂环境共同决定的.因此,优化酶分子的结构性质以及探索其性质最优的溶剂环境是改善酶分子功能以及进行理性设计的一个可行途径.从实际应用的角度来看,分子设计方法可以为酶工程提供一种有效的解决方案.目前,酶分子设计有两个重要的研究方向,包括提高酶分子的催化活力和优化其稳定性.同时,对酶分子设计方法的研究也有助于对蛋白质生物学机理的探索.在近些年的学术界酶分子设计案例中,生物信息学方法得到广泛的应用.本文系统地总结基于生物信息学的酶分子设计方法的背景、策略和一些经典案例.
以内质网应激相关基因构建骨肉瘤患者的风险模型,探索其与肿瘤免疫微环境的关系.采用生物信息学分析法,训练集的转录组数据及临床数据下载于UCSC Xena数据库,验证集的相应数据下载于GEO数据库(GSE21257,GSE39058).采用单因素COX回归分析、LASSO回归分析及多因素COX回归分析提取风险特征基因构建风险模型,使用决策曲线分析、受试者工作特征曲线分析验证模型的准确性,随后构建列线图进一步预测骨肉瘤患者预后;根据风险评分将患者分为高、低风险组,使用Kaplan-Meier生存曲线评估高、低风险组间的生存差异,对差异表达基因(Differentially expressed genes,DEGs)进行GO/KEGG联合富集分析、基因集富集分析(Gene set enrichment analysis,GSEA)及基因集变异分析(Gene set variation analysis,GSVA);采用ESTIMATE算法、微环境种群计数器(Microenvironment cell population counter,MCP counter)方法、单样本基因集富集分析(Single sample gene set enrichment analysis,ssGSEA)进行免疫分析;最终在验证集中验证上述结果.6 个风险特征基因中VEGFA、PTGIS及SERPINH1与骨肉瘤患者的不良预后相关,而TMED10、MAPK10 及TOR1B与与骨肉瘤患者的良好预后相关,高、低风险组患者之间具有显著生存差异;GO/KEGG联合富集分析、GSVA、GSEA结果表明DEGs与免疫状态相关;免疫分析显示高风险组具有更低的免疫评分及免疫景观;列线图进一步准确地预测了骨肉瘤患者的预后.内质网应激相关基因构建的风险模型能准确预测骨肉瘤患者预后,并与肿瘤免疫微环境相关.
通过生物信息学方法分析IFN-γ(Interferon-gamma,干扰素-γ)诱导银屑病皮损的关键基因及可能的作用机制.从GEO(Gene Expression Omnibus)数据库的GPL571 平台下载GSE32407 mRNA基因芯片数据集进行基因转录谱分析.设定阈值为|Log2(FC)|(差异表达倍数 2 倍的绝对值)≥1 且P＜0.05,筛选出差异基因.绘制火山图、韦恩图、蛋白质互作网络图、GO(Gene Ontology,基因本体论)/KEGG(Kyoto Encyclopedia of Genes and Genomes,京都基因和基因组百科全书)富集分析图.健康人组和银屑病病人组共筛选出1 321个DEGs(Differentially expressed genes,差异表达基因),PPI(Protein-Protein Interac-tion,蛋白质互相作用)网络筛选出ISG15、IFIT1、RSAD2、MX1、IFIT3、IFIT2、IRF7、STAT2、MX2、OASL等十个关键作用基因,国内外已有研究对IFIT3、IFIT2、OASL等 3 个基因与银屑病的关系关注较少,这 3 个基因可能成为导致银屑病的重要基因,但尚需实验验证.基于本文生信分析的预测结果,推导出IFN-γ可能通过关键基因的表达,促进角质形成细胞增殖、树突状细胞成熟和中性粒细胞浸润,导致局部炎症反应,从而导致银屑病,可为治疗银屑病的靶向药物研究和IFN-γ诱导银屑病动物模型提供一定的理论依据,但这个推论仅是通过生信分析推导的,因此还需要进一步的实验验证.
疾病关键基因可用于疾病诊断、预测和新药或新疗法有效性的评价,故识别与疾病紧密相关的关键基因十分重要.然而现在有些疾病样本数据较少,传统基于大样本的关键基因挖掘方法不适用于该类数据.本文针对含少量样本数据的疾病,首先利用单样本网络构建方法构建每个疾病样本的个体化基因网络,并通过建立基因间的层间联系构建多层基因网络.然后利用基于张量的多层网络中心性方法评估每层网络中基因间的相互作用以及层间影响,对基因进行重要性打分,识别疾病关键基因.最后将该方法应用到哮喘数据集上,并与经典算法进行比较,结果表明,利用该方法所识别的已获批准的药物靶标基因的排名较优;对所得到的新的潜在关键基因TP53、PUS10、MAP3K1 等进行功能和通路富集分析,结果表明其与哮喘有紧密关联.
