首页 > 新闻公告 > 通知公告 > 正文

2017年乳腺疾病泉城论坛讲课精选之山东大学数学院刘丙强教授

来源：时间：2018-02-01 08:42:47

摘要：应用多组学数据进行癌症研究的若干实例山东大学数学院刘丙强教授2017年12月23日，在济南举行的第十届乳腺疾病泉城论坛上，来自山东大学数学院的刘丙强教授以应用多组学数据进行癌症研究的若干实...

应用多组学数据进行癌症研究的若干实例

山东大学数学院刘丙强教授

2017年12月23日，在济南举行的第十届乳腺疾病“泉城论坛”上，来自山东大学数学院的刘丙强教授以“应用多组学数据进行癌症研究的若干实例”为题进行了精彩的演讲。
刘丙强教授主要从以下两点进行了说明：1.多组学数据和系统生物学；2.癌症驱动基因和信号算法的两个实例。刘教授希望从交叉学科的角度能够给我们的健康卫生事业做出自己的一点贡献。
生物基因学这个学科到现在发展了有20多年了，设计学科很广，是个典型的交叉学科。每个人都是不一样的，所以这个数量是非常巨大的。所以其中必定有我们通过人眼看不到的东西能够给我们提供很大的帮助。而且现在基因测序成本已经比较低了。
说起生物医学大数据和精准医疗来说，就要提一下这个癌症的基因组图谱(The Cancer Genome Atlas, TCGA)。TCGA有一个防癌的计划，其中有多重数据，比如基因突变数据、copy number、小RNA、蛋白组学以及临床数据等。其中包括了12种癌的类型，其中也包括我们的乳腺癌，其数据量已经非常大了。所以在这种形势下，学科交叉是非常重要的，比如说数学，可以在里面起到一定的作用，最简单的比如常用的统计学。
从更广的意义上来讲，研究复杂疾病，比如癌症、代谢性疾病以及心理疾病等。2015年一篇Nature review的文章中，整合了许多数据，以期探索基因组、表观组、转录组以及蛋白组在其中的作用。
另外的一篇文章中提到的一个概念，叫计算系统生物学。他认为无论从疾病的研究还是从制药的研究来讲，都需要从一个更系统的概念，然后结合计算以及不同的学科来进行更深入的研究。
从近年来看，从组学数据到系统生物学已经越来越被个性化医疗和精准医学研究所接受。从多组学数据，到数据组合，到制药，再到临床等等，10年来，越来越多的学者参与到疾病的计算中来。这也充分体现了学科间交流的重要性。
癌症的起因是非常复杂，其中有一个重要的是突变，那么哪些是驱动型的突变，哪些是非功能性的突变，这是一直以来癌症研究的问题。早期认为，患者中频发性的突变是病因；。来，开始预测驱动相关的通路，比如P53基因；但其中存在一定的局限性，首先，要呈现于不完整的已知通路；而且，不同通路间有一些交互重叠。所以这就需要利用系统生物学的方法，结合利用一些多组学数据，来开发有效地算法，来解释复杂系统的机制。
下面简单说一下这种算法的实例，这俩算法都是预测驱动型变异基因和通路的方法。
第一个，从病人和基因突变的数据，组成矩阵代表病人突变的数据，结合一些生物的网络数据，再结合基因的表达数据，就能够更好的找到基因组的突变。用变异基因组数据和异常表达数据，预测其相关性，提供更宏观的信息。虽然指望其代替医生和基础医学科学家的研究，这也不可能，但能起到更好的补充作用。然而，其依赖大量的病人数据，缺乏个体化的东西。
再一个就是MDP3基因驱动型通路的工作。这是近年来另外一个发现，频发性的突变有可能并不是驱动的突变。那么哪些是信号通路驱动癌症产生的突变呢，它有两个性质：第一个是高覆盖性，这种涉及到通路的基因，大部分病人要在涉及到的通路中有一个突变。另外一个是高排斥性，也就是大多数病人在驱动通路上只有他自己特殊的突变。同一个信号通路的表达有一定的相似性，所以我们可以把表达数据也放进去，一起来做。当数据量较大时，我们需要算法来计算。算法得出来以后，我们就可以获得我们想要的驱动型的通路，就可以把我们要进行基础研究和药靶设计的范围进行缩小。
所以呢，生物信息学的数据和问题大多数都表现为弥散数据，比如基因的突变、序列、网络表达等。而生物信息学往往可以模式化要进行追踪的目标问题。我们生物体进化了这么多年，他一定是很多机制上都满足一些最优化原理，疾病也是。
所以结合传统的统计学研究，我们希望通过生物医学研究做出一些自己的贡献。

上一篇：2017年乳腺疾病泉城论坛讲课精选之山东师范大学孙建德教授

下一篇：2017乳腺疾病泉城论坛讲课精选之山东大学晶体材料研究所刘宏教授