陈洛南研究组发表“基于个体化边网络分析的疾病预测模型”的研究成果

        2017年9月13日，国际学术期刊Nucleic Acids Research发表中国科学院生物化学与细胞生物学研究所陈洛南研究组题为“Individual-specific edge-network analysis for disease prediction”的研究成果。

 

        临床上，在不可逆的健康恶化发生之前预测前疾病状态或疾病临界点是一项艰巨的任务。目前，边网络分析（ENA）与动态网络标志物（DNB）理论为研究这一问题开辟了一个新途径，即通过高维组学数据揭示疾病发生发展中生物系统的动力学变化特征。然而，这些理论的应用通常需要每一个人提供多个检测样本（例如多次抽血），导致临床不易操作，从而限制了在个性化医学中的应用。

 

        为了克服这个问题，陈洛南研究组的于祥田博士和曾涛副研究员等提出单样本网络定量分析方法，并开发出个体特异的ENA与DNB分析框架（iENA：Individual ENA）来识别每个人的未病状态。iENA已应用于分析个体组学数据并成功检测H3N2人流感的预警信号（AUC〉0.9）。此外，iENA也应用于检测癌症发生发展的关键临床阶段，并得到TCGA数据和其它独立数据上生存分析的显著支持。

 

        该成果首次提出个体化边网络分析方法，提供了一种普适的单样本网络分析技术，可应用于广泛的生物动态系统研究。

 

        该研究得到了中国科学院先导专项和国家自然科学基金的经费支持。

 

        文章链接