基于組學(xué)數(shù)據(jù)的模擬空間環(huán)境健康監(jiān)測及其應(yīng)用研究.pdf

1、在模擬空間實(shí)驗(yàn)中，受試者由于受到特殊的環(huán)境因素刺激會產(chǎn)生一系列的病理，生理等應(yīng)激表型變化（例如內(nèi)分泌功能異常，應(yīng)激表型紊亂，失眠，焦慮等），多層次的高通量組學(xué)分子在其中扮演重要的角色。如何有效的運(yùn)用數(shù)據(jù)挖掘方法從千萬級的組學(xué)數(shù)據(jù)信號中識別與病理、生理表型變化關(guān)聯(lián)的組學(xué)標(biāo)記物并構(gòu)建預(yù)警模型應(yīng)用于受試者健康風(fēng)險監(jiān)測與評估，對于深入理解空間環(huán)境下受試者的表型風(fēng)險和組學(xué)分子之間的調(diào)控關(guān)系、發(fā)現(xiàn)航天醫(yī)學(xué)新知識具有重要意義。本論文以模擬空間環(huán)境下受

2、試者健康表型預(yù)警研究為核心，圍繞多類組學(xué)數(shù)據(jù)開發(fā)新算法，通過識別表型/疾病特異性的生物標(biāo)記物，進(jìn)行航天醫(yī)學(xué)受試者的病理、生理表型的建模預(yù)測，并進(jìn)一步應(yīng)用于腫瘤的預(yù)后和分類研究中。本論文共開展了如下四部分相關(guān)研究：
　　首先，本論文基于模擬空間環(huán)境下的健康預(yù)警研究需求，建立了多種高通量組學(xué)數(shù)據(jù)的標(biāo)準(zhǔn)化算法，包括：針對基因組捕獲測序數(shù)據(jù)開發(fā)了基于極大似然估計(jì)的拷貝數(shù)變異檢測算法，該算法相對于傳統(tǒng)的二元分割合并算法增加了讀段間隔校正，解

3、決了捕獲測序分析假陽性率高的問題；針對轉(zhuǎn)錄組RNAseq數(shù)據(jù)開發(fā)了質(zhì)控標(biāo)準(zhǔn)化算法（低質(zhì)量讀段過濾算法，基于隨機(jī)抽樣的飽和度估計(jì)算法，轉(zhuǎn)錄本注釋與表達(dá)豐度估計(jì)算法，基于Pearson相關(guān)的可變剪切分割算法）；針對表觀遺傳組甲基化芯片數(shù)據(jù)開發(fā)了基于子集校正理論的定量標(biāo)準(zhǔn)化分析算法。進(jìn)一步，本論文開發(fā)了整合多種分類算法和特征篩選策略的預(yù)警模型庫，用于對不同實(shí)驗(yàn)背景的組學(xué)數(shù)據(jù)進(jìn)行預(yù)警模型建模和最優(yōu)標(biāo)記物篩選，并提出一種基于遍歷策略的組合模型算法

4、，該算法最大限度的根據(jù)特征分布特點(diǎn)進(jìn)行遍歷式的最優(yōu)化建模，有效的提高了預(yù)警模型的建模效率和預(yù)測精度。最后，基于生存分析檢驗(yàn)和文獻(xiàn)檢索算法開發(fā)功能分析模塊，用于揭示預(yù)警模型中的組學(xué)標(biāo)記物的功能機(jī)制和文獻(xiàn)證實(shí)情況。本論文利用R語言實(shí)現(xiàn)上述算法和生物信息學(xué)方法，并編譯為R語言軟件包CAPM，有效的解決了高通量組學(xué)數(shù)據(jù)的標(biāo)準(zhǔn)化分析和適宜建模決策算法組合問題，對發(fā)現(xiàn)模擬空間環(huán)境下受試者潛在的疾病風(fēng)險，提供理論防護(hù)依據(jù)和決策支持具有重要意義。

5、>　　其次，本論文基于CAPM開展了模擬空間環(huán)境-“火星500”實(shí)驗(yàn)受試者血糖變化的建模研究。通過分析人體在長期隔離過程表觀遺傳水平的時序變化規(guī)律，根據(jù)各個時期DNA甲基化和血糖整體變化趨勢將長期飛行劃分不同的階段，篩選出各個階段顯著變化的DNA甲基化位點(diǎn)作為特征構(gòu)建血糖預(yù)測模型。通過特征篩選算法挖掘出151個血糖相關(guān)甲基化標(biāo)記物，功能富集顯示這些最優(yōu)標(biāo)記物顯著富集在胰腺，酶聯(lián)受體蛋白等糖尿病相關(guān)的組織和信號途徑。后續(xù)，基于血糖模型挖掘

6、的DNA甲基化特征集展開對二型糖尿病和正常人群的分類建模研究。實(shí)驗(yàn)發(fā)現(xiàn)18.7％的二型糖尿病差異甲基化探針都出現(xiàn)在血糖最優(yōu)探針集中，表明血糖相關(guān)的DNA甲基化標(biāo)記物與二型糖尿病的發(fā)生關(guān)系密切。通過文獻(xiàn)檢索發(fā)現(xiàn)血糖模型篩選的最優(yōu)靶基因HDAC7是抑制胰島素分泌的關(guān)鍵靶點(diǎn)，暗示模擬空間環(huán)境下健康表型預(yù)測有望擴(kuò)展應(yīng)用于二型糖尿病等復(fù)雜疾病的建模研究中。
　　再次，在模擬空間環(huán)境下血糖預(yù)測研究的基礎(chǔ)上，本論文基于CAPM方法展開對模擬空間

7、環(huán)境受試者應(yīng)激表型的建模研究。通過采集受試者外周血樣本進(jìn)行轉(zhuǎn)錄組microRNA芯片數(shù)據(jù)測量，利用“維度簡約”、“屬性構(gòu)造”等技術(shù)構(gòu)造受試者不同表型的類別標(biāo)簽，基于CAPM預(yù)警模型庫構(gòu)造生理-心理應(yīng)激表型的預(yù)測模型，識別出表征睡眠剝奪應(yīng)激表型變化的microRNA標(biāo)記物；富集分析發(fā)現(xiàn)這些microRNA標(biāo)記物的靶基因顯著富集在大腦和血小板組織。其中，GSK3beta和SLC6A4等血小板特異性表達(dá)基因同時參與多個生理、心理應(yīng)激表型的代謝

8、調(diào)控過程；實(shí)驗(yàn)初步提出“microRNAs-血小板”理論揭示了模擬空間環(huán)境下受試者應(yīng)激表型個體差異的形成原因。
　　最后，基于模擬空間環(huán)境下受試者應(yīng)激表型與復(fù)雜疾病的密切關(guān)聯(lián)基礎(chǔ)上，本論文進(jìn)一步展開CAPM方法對腫瘤預(yù)后和分類的建模研究。實(shí)驗(yàn)首先從TCGA數(shù)據(jù)庫中整合五類癌癥（非小細(xì)胞肺癌，結(jié)腸癌，卵巢癌，乳腺癌和子宮癌）的四類組學(xué)標(biāo)記物（lncRNA，microRNA，mRNA，DNAmethylation）共3197例樣本。通

9、過開發(fā)“預(yù)后風(fēng)險打分策略”篩選預(yù)后風(fēng)險標(biāo)記物（Pre-biomarker），并基于CAPM“組合模型算法”構(gòu)建多組學(xué)-癌癥預(yù)后建模流程（IDFO），對五種癌癥的四類組學(xué)標(biāo)記物構(gòu)造了20組單組學(xué)的癌癥預(yù)后模型和20組不同類型組學(xué)數(shù)據(jù)整合的“組合”預(yù)后模型。比較發(fā)現(xiàn)，lncRNA和DNA甲基化特征相比于mRNA和microRNA具有更好的預(yù)后預(yù)測能力，80%（n=16）的多組學(xué)“組合”預(yù)后模型未發(fā)現(xiàn)性能的提升，臨床表型特征在多類癌癥預(yù)后模型