报告题目：基于大数据分析和智能算法的非编码RNA预测研究
报告时间：2022年2月11日（周五）下午14：30
报告地点：一号楼715会议室
报告人：赵琪 教授
邀请人：帅建伟 研究员
个人简介：赵琪，辽宁科技大学计算机与软件工程学院教授，博士生导师，理学博士，厦门大学博士后。2013年入选辽宁省第七批“百千万人才工程” 万人层次，2018年入选沈阳市拔尖人才。美国密歇根州立大学数学系联合培养博士，以色列特拉维夫大学、意大利国际理论物理中心及爱尔兰都柏林大学爱尔兰系统生物学研究所访问学者。
摘要：非编码RNA是近年来疾病研究领域的热点之一。长链非编码RNA发挥作用的一个重要途径便是与相应的RNA结合蛋白进行结合。因此，探究长链非编码RNA与蛋白质的相互作用具有重要的生物学和医学意义。尽管目前存在一些研究长链非编码RNA与蛋白质相互作用的理论模型，但是它们都存在几点共同的缺陷限制了它们的预测性能。我们应用整合策略方法研究长链非编码RNA与蛋白质相互作用，该策略将多种机器学习算法基于多种特征组合方案训练的模型进行整合。整合模型相比现有模型具有更广泛的适用性，能够更加全面地揭示潜在的长链非编码RNA与蛋白质相互作用关系。同时整合策略中利用随机配对方法构建负数据集能够进一步降低模型的假阳性率，从而提高模型预测的准确性和可靠性。环状RNA是一种特殊的非编码RNA，其缺乏3’和5’末端并通过共价键形成环状结构。很多重要的生物学过程都有环状RNA的参与，例如，调节亲本基因表达，作为微小RNA的海绵，疾病的生物标记物等。近年来，越来越多的研究发现环状RNA与许多复杂的人类疾病发生和发展联系紧密，探究环状RNA与疾病的关联成为生物领域甚至是医疗领域的热门课题。然而采用实验方法研究环状RNA与疾病之间的关联既昂贵又耗费时间, 因此我们迫切需要省时省资源的智能算法用于预测环状RNA与疾病之间的潜在关联。我们分别构建了基于标签传播算法、集成二分投影网络和KATZ算法的预测模型，这些模型具有很好的预测性能将可能成为研究环状RNA作为恶性肿瘤诊断标志物的有力工具。
摘要：非编码RNA是近年来疾病研究领域的热点之一。长链非编码RNA发挥作用的一个重要途径便是与相应的RNA结合蛋白进行结合。因此，探究长链非编码RNA与蛋白质的相互作用具有重要的生物学和医学意义。尽管目前存在一些研究长链非编码RNA与蛋白质相互作用的理论模型，但是它们都存在几点共同的缺陷限制了它们的预测性能。我们应用整合策略方法研究长链非编码RNA与蛋白质相互作用，该策略将多种机器学习算法基于多种特征组合方案训练的模型进行整合。整合模型相比现有模型具有更广泛的适用性，能够更加全面地揭示潜在的长链非编码RNA与蛋白质相互作用关系。同时整合策略中利用随机配对方法构建负数据集能够进一步降低模型的假阳性率，从而提高模型预测的准确性和可靠性。环状RNA是一种特殊的非编码RNA，其缺乏3’和5’末端并通过共价键形成环状结构。很多重要的生物学过程都有环状RNA的参与，例如，调节亲本基因表达，作为微小RNA的海绵，疾病的生物标记物等。近年来，越来越多的研究发现环状RNA与许多复杂的人类疾病发生和发展联系紧密，探究环状RNA与疾病的关联成为生物领域甚至是医疗领域的热门课题。然而采用实验方法研究环状RNA与疾病之间的关联既昂贵又耗费时间, 因此我们迫切需要省时省资源的智能算法用于预测环状RNA与疾病之间的潜在关联。我们分别构建了基于标签传播算法、集成二分投影网络和KATZ算法的预测模型，这些模型具有很好的预测性能将可能成为研究环状RNA作为恶性肿瘤诊断标志物的有力工具。
