答辩公告
我的位置在: 首页 > 答辩公告 > 正文
刘莹博士生预答辩
浏览次数:日期:2021-09-24编辑:研究生秘书


学位论文简介

转录后调控机制是基因表达过程中的重要组成部分,其调控的失调通常会导致各种复杂疾病的产生和发展。miRNA(microRNA)RBP (RNA-binding Protein)是两种重要的转录后调控子,两者均通过与mRNA进行绑定,进而调控基因的功能性表达。本文以转录后调控子miRNARBP为研究对象,首先通过构建深度学习模型来预测miRNARBPmRNA上的绑定位点,进而分析调控子之间可能存在的竞争或协作的关系,最后,利用协作关系构建多标签分类模型来进一步精确预测miRNARBP绑定位点,用于构建复杂转录后共调控网络,对于揭示复杂疾病的发病机理和发展以miRNARBP为药物靶的分子靶向治疗方法有着重要意义。

  1. 提出了一种基于受限玻尔兹曼机的集成优化模型IMTRBM,通过整合多种方法的预测结果来增强miRNA-mRNA绑定关系识别。实验结果表明,IMTRBM优于所使用的单个组件方法。同时,本文通过对数据集随机减少和增多用于模型训练展现了很好的鲁棒性。更重要的是,IMTRBM能够发现单一组件方法未发现的miRNA靶基因。

  2. 提出了RBP-ADDA算法,一种基于对抗判别网络的域自适应方法,通过减少数据集的差异性,进而同时利用体内和体外实验两种数据来改进RBP结合位点的预测。实验结果表明,与其它方法相比,RBP-ADDA无论是体外数据还是体内数据均优于对比算法。

  3. 提出了一个基于数据统计和回归分析方法来系统分析调控子之间的相互作用关系,根据绑定位点是否重合来筛选相互作用的miRNA-miRNARBP-RBPmiRNA-RBP相互作用对,然后使用表达谱数据进行非线性回归分析来预测癌症特异性的调控子相互作用关系。通过文献验证,本文发现的调控子相互作用关系具有一定的生物意义。

  4. 提出了一种可解释的多标签分类的深度学习模型multi-RBP-miRNA,用于同时预测RBPmiRNA绑定位点。在K562HepG2细胞系数据集上的结果评估,证明 multi-RBP-miRNA的预测效果要显著优于单标签分类预测模型,同时也优于单类型调控子构成的多标签模型。

 

主要学术成果

  1. Ying Liu, Jiawei Luo, Pingjian Ding. Inferring MicroRNA Targets Based on Restricted Boltzmann Machines. IEEE journal of Biomedical and Health Informatics,  2019, 23(1):427-436. (SCI 2, IF= 5.223)

  2. Ying Liu, Chu Pan, Dehan Kong, Jiawei Luo, Zhaolei Zhang. A survey of regulatory interactions among RNA binding proteins and microRNAs in cancer. Frontiers in Genetics, 2020, doi: 10.3389/fgene.2020.515094 (SCI 3, IF = 3.260)

  3. Ying Liu, Ruihui Li, Jiawei Luo, Zhaolei Zhang. Inferring RNA-binding protein target preferences using adversarial domain adaptation. Plos Computational biology, 2021, major revision (SCI 2, IF = 4.700)

  4. Weidun Xie, Jiawei Luo, Chu Pan, Ying Liu. SG-LSTM-FRAME: a computational frame using sequence and geometrical information via LSTM to predict miRNA–gene associations. Briefings in Bioinformatics 2020, 22(2):2032-2042. ( SCI 1, IF = 8.990)

  5. Qiu Xiao, Jiawei Luo, Cheng Liang, Guanghui Li, Jie Cai, Pingjian Ding, Ying Liu. Identifying lncRNA and mRNA Co-expression Modules from Matched Expression Data in Ovarian Cancer. IEEE/ACM Transactions on Computational Biology and Bioinformatics, 2020, 17(2), 623-634. (SCI 3, IF = 3.015)