访问量统计
今日访问量: 1,605
期刊简介
《基因组学与应用生物学》(ISSN1674-568X，CN45-1369/Q)是由广西大学主管和主办，国内外公开发行的科技期刊（双月刊），为北京大学图书馆《中文核心期刊要目总览》入编期刊、中国科学引文数据库（CSCD）来源期刊、科技期刊世界影响力指数（WJCI)报告来源期刊和中国科技核心期刊（中国科技论文统计源期刊）。
《基因组学与应用生物学》主要刊登植物、动物和微生物基因组学、转录组学、蛋白组学和代谢组学等组学，分子医学、现代生物技术等应用生物学研究的未发表的创新性研究成果，以及上述领域的综述论文。
基于药物多尺度分子结构相似性的抗癌药物组合协同性预测
郭林扬;黄毅然;张锦雄;庞毅恒;钟诚;高效预测抗癌药物组合的协同性是制定个性化联合用药方案的关键。抗癌药物的生物活性高度依赖于其分子结构中的药效团,然而现有计算模型在深度挖掘与利用分子结构中的药效团特征方面仍存在局限。针对该问题,本研究提出一种基于多尺度结构相似性的抗癌药物组合协同性预测模型(multi-scale molecular structural similarity-based synergy prediction model for anticancer drug combinations, MSSynergy)。该模型利用三层图卷积神经网络对药物分子的多尺度结构特征进行分层表征,引入注意力机制量化药物在不同尺度下的结构相似度得分,从结构相似性的角度捕捉关键的抗肿瘤药效特征,并利用多层卷积神经网络提取癌细胞系的转录组基因表达特征,通过全连接层实现协同得分或分类的端到端预测。实验结果表明,MSSynergy模型的均方误差(mean squared error, MSE)、斯皮尔曼相关系数(Spearman correlation coefficient, SCC)与决定系数(coefficient of determination, R2)、受试者工作特征曲线下面积(area under the receiver operating characteristic curve, AUC)、精确率-召回率曲线下面积(area under the precision-recall curve, AUPR)及准确率(accuracy, ACC)分别达到0.010、 0.836、0.994、 0.940、 0.939和0.870,均高于已有方法,充分验证了MSSynergy模型能够为癌症精准治疗及临床药物筛选提供有效的技术支持。
基于多尺度键感知与多模态融合的冷启动药物潜在风险识别
曾雲鞠;张锦雄;王巫亮;倪丹丹;邹军;钟诚;在新药研发过程中,由于缺乏历史相互作用数据,如何准确识别冷启动药物的潜在风险成为关键挑战之一。针对现有预测模型在冷启动场景下泛化能力不足、分子结构细粒度信息建模不充分以及多模态信息融合能力有限等问题,本文提出一种多尺度键感知与多模态融合的冷启动药物相互作用(drug-drug interaction, DDI)风险识别模型。该模型构建键感知分子图学习模块,在多尺度上刻画化学键与子结构间复杂关系,运用冷启动泛化模块增强具有功能语义的新药数据,融合分子结构信息、多源属性信息及功能语义特征,实现多模态联合建模。实验结果表明,在冷启动场景下,本文模型在准确率(accuracy, ACC)、受试者工作特征曲线下面积(area under the receiver operating characteristic curve, AUC)及f1得分等指标总体优于已有预测模型,消融实验、参数敏感性分析和案例研究也表明本文模型具有更强的泛化能力、稳定性和有效性。本研究工作成果为新药早期安全性评估及用药风险识别提供一种计算工具。
基于生物信息学和机器学习阐明双酚A诱发哮喘的机制
胥俊宇;张紫玉;张志毕;邹胜梅;张翠苹;黄巍;刘建昆;高洁;双酚A(bisphenol A, BPA)是一种广泛存在的环境内分泌干扰物,其暴露与免疫介导性哮喘发生密切相关,但其具体分子机制仍不清楚。阐明BPA诱发哮喘的机制,对于认识环境污染物相关哮喘的发病基础并指导其预防和干预具有重要意义。本文通过整合网络毒理学、生物信息学及分子对接技术,从公共数据库获取BPA作用靶点及哮喘相关基因并取交集,随后对候选靶点进行基因本体(gene ontology, GO)功能注释与京都基因与基因组百科全书(kyoto encyclopedia of genes and genomes, KEGG)通路富集分析,结合机器学习筛选核心基因,并通过免疫浸润分析评估其与免疫细胞的相关性,最终采用分子对接验证BPA与核心靶点的结合能力,确定BPA诱发哮喘的靶点。共鉴定出145个BPA诱发哮喘的潜在关键靶点, GO与KEGG分析显示这些靶点主要富集于酶活性与结合活性、补体与凝血级联等生物过程与通路,进一步筛选获得5个核心基因(RIPK2、 CDC25B、 CRBN、 RELA、 IL13RA1),分子对接结果显示BPA与5个核心基因均表现出稳定的结合构象。该研究通过多组学整合分析初步阐明了其参与哮喘发生的潜在分子机制,为深入认识BPA的呼吸道毒性及探索哮喘的防治策略提供了依据。
基于机器学习的EGFRI皮肤毒性特征基因及消疹方干预机制研究
程呈;韩紫彤;罗玲;刘玉萍;王心甜;邢海燕;本研究探究表皮生长因子受体抑制剂(epidermal growth factor receptor inhibitor, EGFRI)所致皮肤毒性的发生和治疗机制,筛选其特征基因生物标志物,并从分子水平阐明中药复方消疹方的干预机制。首先,从美国国家生物技术信息中心(national center for biotechnology information, NCBI)的基因表达整库(gene expression omnibus, GEO)中纳入9个与EGFRI皮肤毒性相关的转录组数据集,进行Meta分析以筛选差异表达基因(differentially expressed genes, DEGs)。联合最小绝对收缩与选择算子(least absolute shrinkage and selection operator, LASSO)、支持向量机-递归特征消除(support vector machine-recursive feature elimination, SVM-RFE)及随机森林(random forest, RF)三种机器学习(machine learning, ML)算法,从DEGs中鉴定出核心特征基因。随后,通过给小鼠灌胃厄洛替尼建立皮肤毒性模型,设立消疹方预防组和治疗组进行干预。最后,利用转录组测序(RNA sequencing, RNA-seq)、实时定量聚合酶链式反应(real-time quantitative polymerase chain reaction, RT-qPCR)及蛋白质免疫印迹法(western blotting, WB)等技术,验证消疹方的疗效并探索相关治疗机制。Meta分析初步筛选出127个与EGFRI皮肤毒性显著相关的DEGs。通过3种机器学习算法的交集分析,并结合转录组学结果,最终确定VCAN、 VSNL1、CDC20、 NUF2和BIRC5为潜在生物标志物。动物实验表明,消疹方能有效改善厄洛替尼诱导的皮肤损伤。转录组学及后续分子生物学验证表明,消疹方可通过调节炎症反应、细胞周期等相关通路,缓解EGFRI所致皮肤毒性,并且在这一过程中,上述5个生物标志物的表达变化趋势具有较好一致性。本研究成功鉴定出一组可作为EGFRI皮肤毒性潜在生物标志物的特征基因,并揭示了消疹方是通过调控“细胞周期-干细胞轴”和“神经微环境”来发挥预防和治疗作用。该发现为消疹方的临床应用提供了坚实的理论依据,也为利用中医药防治靶向药物副作用提供了新的研究策略。
基于SHAP引导的两阶段特征筛选与基因组预测框架研究
卢开心;刘建平;针对基因组数据高维度、高冗余及复杂非线性关系所导致的特征筛选困难和预测性能不足问题,本研究提出了一种基于沙普利加性解释(Shapley additive explanations, SHAP)引导的两阶段特征筛选与基因组预测框架。首先,对全体样本的基因型数据进行主成分分析(principal component analysis, PCA)降维,并保留95%的累计变异信息,以构建统一的低维特征表示;其次,在外层10折交叉验证框架下,于每一折训练集内部采用最小绝对收缩和选择算子(least absolute shrinkage and selection operator, LASSO)进行第一阶段全局稀疏筛选,以压缩候选特征空间;在此基础上,结合极端梯度提升(extreme gradient boosting, XGBoost)与SHAP对候选特征进行条件贡献评估,进一步筛选关键特征;最后,将筛选后的特征输入深度神经网络基因组预测(deep neural network genomic prediction, DNNGP)模型进行训练,并在对应测试集上完成独立预测评估。在wheat599和wheat2000数据集上的实验结果表明,所提出的方法在多个环境条件下优于基因组最佳线性无偏预测(genomic best linear unbiased prediction, GBLUP)、轻量级梯度提升机(light gradient boosting machine, Light GBM)、支持向量回归(support vector regression, SVR)和DNNGP等模型,在wheat599 Env2中,预测相关系数达到0.78,较DNNGP提高约23.8%。同时,在特征数量减少(最高约88%)的情况下,模型仍保持较高预测精度,展现了良好的稳定性与泛化能力。此外, SHAP分析显示,部分特征在不同环境中具有稳定的重要性,揭示了潜在的基因型与环境互作效应。综上,本文方法不仅提升了预测性能,还增强了模型可解释性,为高维基因组数据分析与作物分子育种提供了一种有效的技术路径。
