论文部分内容阅读
本课题设计了一系列以GO为功能知识来源的基因表达谱分析软件，在设计思路上都充分考虑挖掘和利用GO的分类原则和结构信息。KIVA软件可用于对GO本身结构进行探索性研究，发现GO各分类角度的知识单元之间的对应关系，如某个生物过程主要发生的亚细胞结构。GeneHub和RuleGO软件可用于挖掘基因表达相似性高或显著富集了差异表达基因的特征功能类，提示实验扰动现象背后的细胞机制。我们还提出一个基于GO进行基因功能深化预测的研究路线，对已知功能的基因进行功能再预测，赋予它们比现有注释信息更具体更精确的功能描述。由于采取了不同的研究角度，基因功能深化预测可作为传统的基因功能从头预测研究路线的补充，方便下一步验证功能预测的“湿实验”的开展。
研究用本课题研制的软件在大鼠、酵母的基因组数据及人类NCI60数据集、腺癌数据集和成纤维细胞血清反应数据集等数据上进行了大规模的数值实验，分析结果一方面印证了软件的有效性，另一方面也得到一些新发现，可作为进一步进行生物学实验研究的素材。