检索历史 清除

摘要人类大脑内部神经元之间的同步作用形成了结构和功能上非常复杂的脑神经网络，但是目前人脑功能和结构异常引起的疾病问题日益突出，常见的阿尔茨海默氏病（老年性痴呆），帕金森氏病（神经系统变性疾病），亨廷顿疾病（HD），孤独症（孤独性障碍）等几种脑精神病正在侵蚀全球健康生命，然而病因目前仍不清楚，探索人脑工作机制（尤其是认知与思维能力）、挖掘相关脑疾病的致病因素迫在眉睫。当前研究大部分集中在采用核磁共振等先进的成像技术，脑疾病在基因层次的致病机理和对药物治疗的反馈等都离不开基因与蛋白网络的分析。但目前能够系统地从基因组学或蛋白组学获得有重大参考价值的成果较少，所以将基因和蛋白质网络功能模块识别应用于脑神经科学领域成为必要。<br>　　针对需要处理不同条件下的脑组织数据，本文提出了从数据库GEO搜集和筛选人类脑疾病微阵列数据集，采用了SPM统计方法来评估基因的表达特异并用转录原理在STRING数据库中获得特异性蛋白；最后建立相关基因和蛋白可靠性网络。实验中对GEO数据主要分类依据为：1)在疾病阶段或者健康状态下的表达数据；2)在不同年龄阶段间的表达数据；3)在不同性别条件下的表达数据等。该方案清晰、可操作性等优势研究奠定了可靠数据支持。由于功能模块识别是生物网络基础上的研究，我们采用皮尔森相关系数构建特异性基因网络和最短路径算法构建强关联PPI网络。该网络构建方法实现了研究内容的可靠性保障。生物网络聚类分析是识别功能模块和预测蛋白质功能的最重要途径之一，我们采用了聚类算法EAGLE对数据进行分析得到相应的功能模块，并采用同构打分思想得到保守模块，对比分析模块变化趋势，找到致病关键因子。<br>　　本文的研究内容是以人脑特异性表达基因及其绑定的转录因子与编码蛋白为研究对象，通过构建相互作用网络，对不同条件下四种脑疾病相关基因与蛋白网络功能模块进行识别和比较，并比对分析它们对应保守模块特性，实现脑疾病进化分析过程，帮助我们对疾病控制与治疗。为获得更好的研究效果，希望可以借助更多的有价值的研究对该过程完善和优化。