[发明专利]生物分子网络展示分析系统及其分析方法

说明书

技术领域

本发明涉及生物分子网络展示分析领域，尤其涉及一种生物分子网络展示分析系统及其分析方法。

背景技术

生物网络是生物体内各种分子通过相互作用来完成各种复杂的生物功能的一个体系。网络水平的研究，有助于从整体上理解生物体内各种复杂事件发生的内在机制。细胞的基因转录调控网络、代谢网络或信号转导网络是最常见的生物分子网络系统。这些网络通常由许多不同的生物分子“元件”组成，其中最重要的成分是基因和蛋白质。但对“系统”而言，关键不是组分，而是组成元件之间的关系，以及原件的状态特性信息。从生物分子的角度来看，关系可以是分子与分子的相互作用，也可是某种化学反应。

目前生物网络研究的重点主要集中在蛋白质功能网络模块、转录调控模块、代谢反应模块等领域，由于分子生物学研究技术和研究领域的不断深入，通过数据的搜集和整合，大量模式生物的整体蛋白相互作用网络构架被搭建。然而在多数情况下，这种网络被处理成了无方向无权重的简单关系网络，这与蛋白相互作用网络的生物实际相差甚远。在生物体内不同种类的蛋白相互作用如组成蛋白复合体，磷酸化过程,免疫识别等都有其特定的功能和限定条件，将这些特征忽视自然也使得应用网络信息进行的相关分析结果远离生物实际。

随着现代生物学研究技术的不断进步和模式生物分子网络相关领域研究的不断深入，大量关于生物蛋白质、基因的各个角度的研究信息被发布在相关的生物信息学数据库中，其中包括如蛋白亚细胞定位，三维结构，蛋白功能注释，蛋白组织特异性表达等，同时随着功能基因组学的研究深入，大量基因突变体在研究文献中被报道，结合这一部分文献资源和部分生物突变体资源数据以及NCBI提供的遗传疾病基因关联数据，我们将表型信息进行整理分类后，对应到蛋白编码基因上，用以作为一种蛋白功能注释展现给研究人员。这部分分子注释信息对于我们全面认识相关的蛋白质提供了很好的特征参考。同时随着相关的发育，疾病，形态建成等功能机制领域的研究深入，很多新的蛋白相互作用信息被发现或者被进一步细化。针对某一生化反应过程的规模化的高通量的研究数据被发表，如蛋白磷酸化，蛋白复合体形成等。加之如信号传递,转录调控相关领域的研究进展,使得很多生物分子间作用的方向性和功能被近一步阐明.通过对以上数据的有效收集和整合,使得我们得以从增加节点注释信息和连线方向性,连线类型等角度对生物分子网络进行重新注释和描述,使得它更加符合生物学实际。

针对网络结构分析的研究由来已久，以数学和拓扑学为基础各种网络拓扑模型被构建。上世纪六十年代，匈牙利数学家艾尔德（P.Erdǒs）和莱利（A.Rényi）提出用随机作图理论来分析网络的拓扑复杂性。他们的这一理论后来成为分析网络的经典数学方法，被称为“ER理论”，其研究的网络则被称为“ER模型”。ER模型建立在随机过程上，即一定数量的节点彼此完全随机地连接在一起，每个节点具有相同数量的连接。因此，这种模型在统计意义上是一种均一性网络。

近年来，随着针对互联网、物流网、人际网等领域研究的不断深入，以及高性能计算资源下的模拟运算，人们发现现实世界中的多数网络与ER模型相差甚远。这些真实的网络既不是概率为零的绝对规则连接的网络，也不是概率为1的完全随机连接的网络，而介于这两者之间。科学家把这种类型的网络称为“小世界网络”。在小世界网络中，任意一个节点可以和其相邻的最近的两个节点相连接。研究者发现，线虫的神经网络就是一种典型的小世界网络。

生物分子网络通常被认为满足小世界网络模型，同时由于其中少数节点的连接数远高于平均的节点连接数，而被进一步注释为“无标度网络”，属于高度非均一性的网络。它具有真实网络中最常见的两个特性：增长和偏好连接。第一个特点表明无尺度网络可以不断地扩张。第二个特点则意味着两个节点连接能力的差异可以随着网络的扩张而增大；最初连接较多的节点可以形成更多的连接，即“富者愈富”。研究者利用基因组数据库，对动物、植物、微生物三大类型中的43种生物体的代谢网络进行了分析，发现这些代谢网络均遵循着无尺度网络的设计原则。

本发明提供一种生物分子网络展示分析系统及其分析方法，以无标度网络为基础模型，结合生物分子网络特征，细化节点和关系类型，更符合生物学实际的研究。

发明内容