《自然通讯》刊发人工智能与自动化学院刘雪明研究成果

11月27日，人工智能与自动化学院刘雪明老师以第一作者兼共同通讯作者在《自然•通讯》(Nature Communications)上发表了关于多层生物分子网络鲁棒性分析的最新研究成果“Robustness and lethality in multilayer biological molecular networks”。该成果由人工智能与自动化学院刘雪明老师与美国布莱根妇女医院Joseph Loscalzo团队和伦斯勒理工学院Jianxi Gao课题组合作完成。

2003年人类基因组计划成功完成了被称为人类“生命天书”的人类基因组序列图的绘制，并推动了崭新学科生物信息学的发展。在后人类基因组计划中，通过生物学信息技术等来读懂每个基因的功能是一个关键目标。在细胞内，基因的调控与表达到功能的实现过程中涉及多个基因和其他生物分子如蛋白质和代谢物等的相互协作。为解读基因功能，有必要系统全面地研究细胞内多种生物分子及它们之间的相互作用。如何构建大规模多种生物分子相互作用网络模型并揭示不同分子间功能的影响与传递过程成为解读基因功能的关键。然而由于缺乏一个有效的框架来集成多源异质生物分子数据，不同的生物分子数据，如基因调控，蛋白质相互作用和代谢网络往往呈现出不同的特征和不同的相互作用模式，导致构建通用模型来模拟基因干扰对细胞内其他组分和下游功能的影响成为一大挑战。

为解决这一问题，这篇论文首先通过数据挖掘和整合构建了多层大规模生物分子网络的结构模型，包含基因调控网络、蛋白质相互作用网络和代谢网络。依据不同生物分子的生物功能定义了细胞内的级联失效机制来模拟干扰基因调控层的基因对下游蛋白质层和代谢层的影响。研究发现对模型功能影响大的基因在关键基因和癌症相关基因中富集，且干扰生物功能上重要的代谢疾病相关基因会对模型功能造成更大的伤害，验证了模型的生物有效性。通过与随机模型对照发现真实的多层生物分子网络往往更加鲁棒，从分子层次上揭示了生物鲁棒的机制。

该研究模拟了细胞内不同生物分子间的相互协作机制及其对细胞功能的影响，帮助理解干扰基因后细胞内重要的动态演化过程，并系统地展示了多层生物分子网络中的生物鲁棒机制，可用于指导工程中鲁棒的网络化系统结构设计。该项目的整体框架设计为基因功能的解读开辟了一条新路径，对后基因组时代疾病的诊断治疗方案开发和新药的研发具有重要意义。

本文为我校学术前沿青年团队的研究成果，人工智能与自动化学院为第一单位兼第一通讯作者单位。该研究得到了国家自然科学基金委青年项目(61702200)的资助。

【免责申明】本专题图片均来源于学校官网或互联网，若有侵权请联系400-0815-589删除。