ЗАКЛЮЧЕНИЕ
В ходе выполнения пятого этапа проекта были решены все запланированные в календарном плане задачи и получены следующие основные результаты:
Разработаны методы анализа ассоциативных сетей на основе методов теории графов и дискретной математики, направленных на выявление особенностей их структурно-функциональной организации.
Разработан метод поиска замкнутых контуров в сложных сетях с семантической разметкой.
Разработано программное обеспечение для интерактивной визуализации сложных сетей с семантической разметкой.
Разработано программное обеспечение для анализа сложных сетей с семантической разметкой.
Проведены патентные исследования.
Таким образом, все задачи пятого этапа и проекта в целом успешно решены.
Разработанная программа ANDVisio обеспечивает графическое представление, редакцию, поиск, сохранение сетей, реконструированных по запросам пользователя к базе знаний ANDCell. Реконструируемые сети описывают семантические взаимосвязи между молекулярно-генетическими объектами (гены, белки, метаболиты и др.), биологическими процессами и заболеваниями. Программа обеспечивает пользователя широким набором инструментов для анализа сетей, включая фильтрацию по типам объектов, взаимосвязям между объектами и источникам информации; раскладку графа; поиск кратчайших путей, циклов в графе и др.
Программа ANDVisio может быть полезна при решении широкого спектра задач системной биологии, биомедицины, и биотехнологии, таких как расширение и дополнение генных сетей, реконструированных экспертом, выявление ассоциации генных сетей с заболеваниями, поиск возможных молекулярных механизмов ассоциаций между патологиями, выявление генов-кандидатов для генотипирования, мутации в которых приводят к возникновению заболеваний.
Реконструкция и анализ сложных молекулярно-генетических сетей, включающих различные типы специализированных сетей, необходим для решения задач биомедицины, фармакологии, биотехнологии и системной биологии, а также других областей знаний и индустрии, в которых применяются знания о биологических процессах.
Результаты НИР могут быть востребованы фармацевтическими и биотехнологическими компаниями, образовательными учреждениями и другими организациями, занимающимися проблемой молекулярно-генетических систем, в частности, для развития баз данных молекулярно-генетических сетей и биологических процессов, экспериментального тестирования химических соединений, перспективных для разработки лекарственных средств и т.д. Разработанные методы, в том числе, найдут применение в рамках широкого круга исследований, проводимых в ЦКП СО РАН «Биоинформатика», включающих изучение живых систем на уровне геномов, транскриптомов и протеомов различных организмов.
В соответствии с разработанной программой результаты НИР имеют большой потенциал к широкому внедрению в образовательный процесс. В частности, разработанные методы анализа и реконструкции молекулярно-генетических систем, а также методы предсказания новых взаимодействий белков с различными молекулярными структурами представлены в лекционных курсах для студентов Факультета естественных наук на Кафедре информационной биологии Новосибирского государственного университета.
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ
Ahuja R.K, Magnanti T.L., Orlin J.B. Network Flows: Theory, algorithms and applications. Prentice Hall. 1992.
Barrow H.G., Burstall R.M. Subgraph isomorphism, matching relational structures and maximal cliques // Inf. Process. Lett. 1976. 4. P. 83-84.
Blaschke, Ch., Valencia, A. (2002) The Frame-Based Module of the SUISEKI Information Extraction System, IEEE Intelligent Systems, Vol. 17( 2), pp. 14 – 20.
Boeckmann B., Bairoch A., Apweiler R., Blatter M.-C., Estreicher A., Gasteiger E., Martin M.J., Michoud K., O’Donovan C., Phan I., Pilbout S., Schneider M. The Swiss-Prot protein knowledgebase and its supplement TrEMBL in 2003 // Nucleic Acids Res. 2003. 31. P. 365-370.
Burgard A.P., Nikolaev E.V., Schilling C.H. and Maranas C.D.(2004) Flux coupling analysis of genome-scale metabolic network reconstructions // Genome Research. Vol. 14, pp. 301–312.
Chen D., Muller H.M., Sternberg P.W. (2006) Automatic document classification of biological literature, BMC Bioinformatics. Vol. 7 7:370.
Clarke B.L. (1988) Stoichiometric network analysis // Cell Biophys. Vol. 12, pp. 237–253.
Fruchterman, T.M.J and Reingold, E.M (1991) Graph Drawing by Force-directed Placement // Software-Practice and Experience, Vol 21(11), pp. 1129-1164.
NAR Web Server Issue (July 1, 2007) Полный список Web ресурсов по биоинформатике, опубликованных в журнале Nucleic Acids Research (http://bioinformatics.ca/links_directory/narweb2007)
Neumann, J. von. Some matrix-inequalities and metrization of matric-space. // Tomsk Univ. Rev. 1937. 1. P. 286-300.
Nikitin, A., Egorov, S., Daraselia, N. and Mazo I. (2003) Pathway studio - the analysis and navigation of molecular networks. Bioinformatics, Vol. 19(16) pp.2155-2157
Palsson B.O., Joshi A., Ozturk S.S. (1987) Reducing complexity in metabolic networks: making metabolic meshes manageable // Fed. Proc. Vol. 46, pp. 2485–2489.
Ravasz E., Somera A.L., Mongru D.A., Oltvai Z.N. and Barabasi A.L. (2002) Hierarchical organization of modularity in metabolic networks // Science. Vol. 297, pp. 15551–1555.
Schuster S., Dandekar T., Fell D.A. (1999) Detection of elementary flux modes in biochemical networks: a promising tool for pathway analysis and metabolic engineering // Trends Biotechnol. Vol. 17, pp. 53–60.
Schuster S., Fell D.A., Dandekar T. (2000) A general definition of metabolic pathways useful for systematic organization and analysis of complex metabolic networks // Nature biotechnol. Vol. 18, pp. 326–332.
Shindyalov I.N., Bourne P.E. Protein structure alignment by incremental combinatorial extension (CE) of the optimal path // Protein Eng. 1998. P. 739-747.
Tanabe, L. and Wilbur, W. J. (2002), ‘Tagging gene and protein names in biomedical text’, Bioinformatics, Vol. 18(8), pp. 1124–1132.
Zhou, G., Zhang, J., Su, J. et al. (2004), ‘Recognizing names in biomedical texts: A machine learning approach’, Bioinformatics, Vol. 20(7), pp. 1178–1190.
Ziegler A., Jonason A.S., Leffell D.J., Simon J.A., Sharma H.W., Kimmelman J., Remington L., Jacks T., Brash D.E. Sunburn and p53 in the onset of skin cancer // Nature. 1994. 372. P. 773-776.
Б.Н. Иванов, Дискретная математика. Алгоритмы и программы // Лаборатория Базовых данных, Москва, 2003.
Blaschke, Ch., Valencia, A. (2002) The Frame-Based Module of the SUISEKI Information Extraction System, IEEE Intelligent Systems, Vol. 17( 2), pp. 14 – 20.
Chen D., Muller H.M., Sternberg P.W. (2006) Automatic document classification of biological literature, BMC Bioinformatics. Vol. 7 7:370.
Hanisch, D., Fluck, J., Mevissen, H. T. and Zimmer, R. (2003), ‘Playing biology’s name game: Identifying protein names in scientific text’, in ‘Proceedings of the 8th Pacific Symposium on Biocomputing’, 3rd–7th January, Hawaii, pp. 403–414.
Jenssen, T.K., Laegreid, A., Komorowski, J., Hovig, E. (2001) A literature network of human genes for high-throughput analysis of gene expression, Nat Genet., Vol. 28(1) pp. 21-28.
Michael Y. Galperin (2007) The Molecular Biology Database Collection: 2007 update//Nucl. Acids Res. 2007 35: D3-D4 (http://nar.oxfordjournals.org/cgi/reprint/35/suppl_1/D3).
NAR Web Server Issue (July 1, 2007) Полный список Web ресурсов по биоинформатике, опубликованных в журнале Nucleic Acids Research (http://bioinformatics.ca/links_directory/narweb2007)
Nikitin, A., Egorov, S., Daraselia, N. and Mazo I. (2003) Pathway studio - the analysis and navigation of molecular networks. Bioinformatics, Vol. 19(16) pp.2155-2157
Swanson D.R. (1986) Fish oil, Raynaud's syndrome, and undiscovered public knowledge. Perspect Biol Med. 30(1) pp.7-18.
Tanabe, L. and Wilbur, W. J. (2002), ‘Tagging gene and protein names in biomedical text’, Bioinformatics, Vol. 18(8), pp. 1124–1132.
Zhou, G., Zhang, J., Su, J. et al. (2004), ‘Recognizing names in biomedical texts: A machine learning approach’, Bioinformatics, Vol. 20(7), pp. 1178–1190.
Б.Н. Иванов, Дискретная математика. Алгоритмы и программы // Лаборатория Базовых данных, Москва, 2003.
Fruchterman, T.M.J and Reingold, E.M (1991) Graph Drawing by Force-directed Placement // Software-Practice and Experience, Vol 21(11), pp. 1129-1164.
Kamada, Tomihisa and Satoru Kawai (1989) An Algorithm for Drawing Undirected Graphs // Information Processing Letters. Vol. 31, pp. 7-15.
Stephanie Bodoff, Eric Armstrong, Jennifer Ball, Debbie Bode Carson, Ian Evans, Dale Green, Kim Haase, Eric Jendrock The J2EE™ Tutorial Second Edition // Addison Wesley, 2004.
Kitano H. (2002) Systems biology: a brief overview // Science. N295, pp. 1662–1664.
Kacser H., Burns J.A. (1973) The control of flux // Sypm. Soc. Exp. Biol. Vol. 27, pp. 65–104.
Schuster S., Dandekar T., Fell D.A. (1999) Detection of elementary flux modes in biochemical networks: a promising tool for pathway analysis and metabolic engineering // Trends Biotechnol. Vol. 17, pp. 53–60.
Reder C. J. (1988) Metabolic control theory: a structural approach. // Theor. Biol. Vol. 135, pp. 175–201.
Clarke B.L. (1988) Stoichiometric network analysis // Cell Biophys. Vol. 12, pp. 237–253.
Cornish-Bowden A., Hofmeyr J.-H. S. (2002) The role of stoichiometric analysis in studies of metabolism: an example // Theor. Biol. Vol. 216, pp. 179–191.
Stelling J., Klamt S., Bettenbrock K., Schuster S., Gilles E.D. (2002) 21. Stelling J., Klamt S., Bettenbrock K., Schuster S., Gilles E.D. // Nature. Vol. 420, pp. 190−193.
Edwards J.S., Palsson B.O. (2000) The Escherichia coli MG1655 in silico metabolic genotype: its definition, characteristics, and capabilities // PNAS USA. Vol. 97, pp. 5528−5533.
Ravasz E., Somera A.L., Mongru D.A., Oltvai Z.N. and Barabasi A.L. (2002) Hierarchical organization of modularity in metabolic networks // Science. Vol. 297, pp. 15551–1555.
Famili I., Palsson B.O. (2003) Systemic metabolic reactions are obtained by singular value decomposition of genome-scale stoichiometric matrices // J. Theor. Biol. Vol. 224, pp. 87–96.
Burgard A.P., Nikolaev E.V., Schilling C.H. and Maranas C.D.(2004) Flux coupling analysis of genome-scale metabolic network reconstructions // Genome Research. Vol. 14, pp. 301–312.
Papin J.A., Palsson B.O. (2004) Topological analysis of mass-balanced signaling networks: a framework to obtain network properties including crosstalk // J. Theor. Biol. Vol. 227, pp. 283–297.
Schuster S., Fell D.A., Dandekar T. (2000) A general definition of metabolic pathways useful for systematic organization and analysis of complex metabolic networks // Nature biotechnol. Vol. 18, pp. 326–332.
Kompala D.S., Ramkrischna D., Jansen N.B., Tsao G.T. (1986) Investigation of bacterial growth on mixed substrates: experimental evaluation of cybernetic models // Biotechnol. Bioeng. Vol. 28, pp. 1044–1056.
Savageau M.A. (1969) Biochemical systems analysis. I. Some mathematical properties of the rate law for the component enzymatic reactions // J. Theor. Biol. Vol. 25, pp. 365–369.
Palsson B.O., Joshi A., Ozturk S.S. (1987) Reducing complexity in metabolic networks: making metabolic meshes manageable // Fed. Proc. Vol. 46, pp. 2485–2489.
Ермаков Г.Л. (2003) Граф-теоретический метод поиска и анализа критический явлений в биохимических системах. II. Кинетические модели биохимических осцилляторов с участием двух и трех веществ // Биохимия, т.68, №10, с.1395-1406.
Ермаков Г.Л. (2003) Граф-теоретический метод поиска и анализа критический явлений в биохимических системах. I. Графические правила выявления осцилляторов // Биохимия, т.68, №10, с.1381-1394.
Jeong, H., Tombor, B., Albert, R., Oltvai, Z. N. & Barabasi, A. L. The large-scale organization of metabolic networks // Nature. – 2000. – P. 407, 651.
Baraba´si AL, Oltvai ZN. Network biology: Understanding the cell’s functional organization // Nat Rev Genet. – 2004. – Vol. 5. – P. 101–13.
Tero Aittokallio and Benno Schwikowski Graph-based methods for analyzing networks in cell biology // Briefings in bioinformatics. – 2006. – Vol.7, N3. – P. 243-255.
Vazquez A, Dobrin R, Sergi D, et al. The topological relationship between the large-scale attributes and local interaction patterns of complex networks // ProcNatlAcad Sci USA. – 2004. – Vol. 101. – P. 17940-5.
Ravasz E., Somera A. L., Mongru D. A., Oltvai Z. N., Barabási A.-L. Hierarchical Organization of Modularity in Metabolic Networks // Science. – 2002. – Vol. 297, № 5586. – P. 1551-1555.
Van Dongen S. Graph Clustering by Flow Simulation. [PhD thesis] // University of Utrecht. – 2000.
Jacques Van Helden, Lorenz Wernisch, David Gilbert and Shoshana Wodak Graph-based analysis of metabolic networks // Ernst Schering Research Foundation Workshop. – 2002. – Vol. 38. – Bioinformatics and Genome Analysis. – P. 245-274.
Albert R. Scale-free networks in cell biology // J Cell Sci. –2005. –Vol. 118. – P. 4947–57.
Przulj N, Corneil DG, Jurisica I. Modeling interactome: scale-free or geometric? // Bioinformatics. – 2004. – Vol. 20. – P. 3508–15.
Bastian M., Heymann S., Jacomy M. Gephi: an open source software for exploring and manipulating networks // International AAAI Conference on Weblogs and Social Media. – 2009.
Stumpf M.P., Wiuf C., May R.M. Subnets of scale-free networks are not scale-free: sampling properties of networks // Proc Natl Acad Sci USA. – 2005. – Vol. 102. – P. 4221–4.
Csardi, G. and T. Nepusz The igraph software package for complex network research // Inter Journal Complex Systems. – 2006. – Vol. 1695.
Mueller, L. A., K. G. Kugler, A. Dander, A. Graber, and M. Dehmer QuACN – An R Package for Analyzing Complex Biological Networks Quantitatively // Bioinformatics. – 2011. – Vol. 27, № 1. – P. 140-141.
Oltvai Zoltan N. and Barabási Albert-László Life's complexity pyramid // Science 298, 763-764 (2002).
Grocott T, Frost V, Maillard M, Johansen T, Wheeler GN, Dawes LJ, Wormstone IM,
Grødum K., Heijl A., Bengtsson B. Refractive error and glaucoma // Acta Ophthalmol. Scand. 2001. V. 79 C. 560–566.
Kwon Y.H., M.D., Fingert J. H., Kuehn M. H., Alwar W.L.M. Primary Open-Angle Glaucoma // N. Engl. J. Med. 2009. V. 360. P. 1113-24.
Liu, Y. and Vollrath, D., Reversal of Mutant Myocilin Non-Secretion and Cell Killing: Implication for Glaucoma // Hum. Mol. Genet. 2004. V. 13. P. 1193–1204.
Ploski J.E., Shamsher M.K., Radu A. Paired-type homeodomain transcription factors are imported into the nucleus by karyopherin 13. // Mol Cell Biol. 2004. V. 24. N. 11. P. 4824-34.
Song CZ, Tian X, Gelehrter TD. Glucocorticoid receptor inhibits transforming growth factor-beta signaling by directly targeting the transcriptional activation function of Smad3 // Proc Natl Acad Sci U S A. 1999. V. 96. N. 21.P. 11776-81.
Tao T., Lan J., Lukacs G.L., Haché R.J., Kaplan F. Am J Respir Importin 13 regulates nuclear import of the glucocorticoid receptor in airway epithelial cells // Cell. Mol. Biol. 2006. V. 35. N. 6. P. 668-80.
Zhang C., Sweezey N.B., Gagnon S., Muskat B., Koehler D., Post M., Kaplan F. A Novel Karyopherin-β Homolog Is Developmentally and Hormonally Regulated in Fetal Lung // Am. J. Respir. Cell .Mol. Biol. 2000. V. 22. N. 4. P. 451-459.
|
