摘要：在這項研究中，我們結合蛋白質組學和生物信息學的方法分析建立了PKCζ的相互作用蛋白質（Protein - protein interaction，PPI）網絡，進一步瞭解PKCζ在乳腺癌中的生物學作用。The intact cooperation of tranional regulators (TRs), including tranion factors, histone modifying enzymes and chromatin remodellers, precisely determine gene expression in the cell nucleus. Deciphering the relationship among these TRs in the context of 3D chromatin and specific cell type will facilitate the understanding of tranional regulation. In this study, we present a computational analysis to comprehensively investigate TR cooperations by integrating genome-wide Hi-C and 266 TRs ChIP-seq data in K562. We uncover lots of previously reported and unknown TR cooperations in 3D gene regulation. To generalize the analysis for cell types with limited TRs ChIP-seq data, we develop a novel strategy that incorporates Dnase I hypersensitive site, sequence modtif and TR co-expression network to predict TR cooperations in particular cell type. Using Hi-C data from 7 human cell lines, we discover many shared and unique combinatory roles of TRs in sustaining different patterns of super enhancer, chromatin state and gene expression. Benifit from 3D genome data of ES, NPC and CN cell types, we evaluate our strategy and get several solid TR cooperations during mouse neural development. Our strategy can be used on any tissue or cell type, and the results will be an invaluable resource for tranional regulation research.。

本次會議由統計之都主辦，中國人民大學統計學院、中國人民大學應用統計科學研究中心、狗熊會協辦，並得到 RStudio、人民郵電出版社、圖靈教育、中國人民大學出版社的贊助支持以及 IT 大咖說獨家視頻支持。本屆會議涵蓋了多個學科領域，我們真誠地期待您的到來，一同感受數據科學爲這個時代帶來的驚喜與挑戰。

下面爲您奉上本次R會議生物信息專場演講介紹：

生物信息專場介紹

01

連明

機器學習在生物信息中的應用

個人簡介

本科畢業於天津醫科大學，生物信息學專業。目前就讀於中科院北京基因組研究所，基因組學方向，碩士二年級，研究涉及藥物基因組，宏基因組，轉錄組和機器學習。

報告摘要

簡述目前機器學習在生物信息學領域的一些典型和成功的案例，比如無監督聚類算法在宏基因組、單細胞測序數據中的應用，傳統機器學習分類算法在臨牀樣本診斷中的應用，等等。另外會結合本人在項目研究中遇到的一些問題，談談自己的經驗教訓，例如，數據拿到手之後爲什麼不應該直接就開始建模，而是應該先對數據的一些分佈特點進行觀察，等等。

02

張韜

Platform-independent approach for cancer detection from gene expression profiles of peripheral blood cells

個人簡介

張韜，男，中國科學院北京基因組研究所，生物信息學專業碩士研究生。

發表論文：

(1) Yadong Yang#, Tao Zhang#, Rudan Xiao#, Xiaopeng Hao, Huiqiang Zhang, Hongzhu Qu, Bingbing Xie, Tao Wang and Xiangdong Fang: Platform-independent approach for cancer detection from gene expression profiles of peripheral blood cells. Briefings in Bioinformatics 2019, doi: 10.1093/bib/bbz027. (IF= 6.302)

(2) 張韜, 楊亞東, 方向東. 應用於精準醫學研究的轉錄組可變剪接分析[J]. 發育醫學電子雜誌, 2016, 4(2):78-84.

授權專利：

(1) 2017109863490. 一種獲取外周血基因模型訓練數據的方法及裝置。方向東，楊亞東，張韜. 2017.

報告摘要

腫瘤是系統性疾病，在腫瘤發生發展過程中，除病竈位置外，外周血中多種細胞的表達量也發生變化，這使得我們有機會通過外周血在分子層次實現對腫瘤的追蹤。過往研究發現血小板轉錄組在預測腫瘤中的作用，但限於標準化方法不統一、數據集小等原因，取得的模型很難擴展到獨立的數據集中。我們一方面整合外周血全細胞轉錄組，最大程度地降低了單一細胞類型受特定環境影響所導致的非特異性變化，另一方面開發了創新性的秩歸一化方式以屏蔽不同轉錄組檢測平臺、不同批次之間的噪音，並通過人工智能方法實現高維數據特徵篩選和模型構建，大幅提升了可整合的數據量和腫瘤分類效果。這是首次通過大規模人羣的外周血轉錄組數據來區分正常人和乳腺癌患者。

03

李發金

Analysis for Ribosome Profiling Data

個人簡介

李發金，清華大學生命學院二年級博士生，主要研究方向爲蛋白質的翻譯調控。

報告摘要

Ribosome profiling is a technology used for sequencing the mRNA fragments protected by ribosomes during the process of decoding by translation, through which we could identify the potential translated regions on mRNA, measure the protein synthesis and find out some translation events ignored by other proteomic technologies such MS. In my speech, I will introduce some details about ribosome profiling technology and some methods our lab developed before used for analysis for ribosome profiling data.

04

侯春宇

利用蛋白質組學和生物信息學研究PKCζ相互作用蛋白網絡

個人簡介

侯春宇，北京大學醫學部第一臨牀醫學院，張寧教授實驗室博士一年級學生，攻讀腫瘤學博士。碩士畢業於天津醫科大學，師從張寧教授。主要研究方向爲腫瘤的轉移。在碩士期間，以第一作者發表SCI文章2篇，獲得2017年研究生國家獎學金，天津醫科大學優秀畢業生的稱號。

報告摘要

乳腺癌是一種威脅性極強的惡性腫瘤，嚴重影響女性健康。對晚期的乳腺癌患者來說，轉移仍然是臨牀上病人死亡的主要原因。蛋白激酶C ζ（Protein kinase C ζ，PKCζ）是非典型蛋白激酶C的異構體，是癌症中的關鍵調節因子。然而，PKCζ蛋白分子在調控腫瘤發生和轉移的分子和細胞機制尚未完全瞭解。在這項研究中，我們結合蛋白質組學和生物信息學的方法分析建立了PKCζ的相互作用蛋白質（Protein - protein interaction，PPI）網絡，進一步瞭解PKCζ在乳腺癌中的生物學作用。

05

伊現富

Genome-wide and cell type-specific pattern of tranional regulators cooperation in 3D chromatin

個人簡介

伊現富，天津醫科大學教師。2012年畢業於中國科學院上海生命科學研究院，獲遺傳學博士學位，2012年至今於天津醫科大學擔任生物信息學專業教師。教學方面致力於生物信息學專業必備技能和組學數據分析的教授，力圖通過淺顯易懂的講解引領初學者入門並喜愛上生物信息學專業，所有教學資料共享在GitHub中（https://github.com/Yixf-Education ）。科研方面主要從事組學數據的整合與分析、腫瘤等複雜疾病的研究，目前已在Nucleic Acids Research等雜誌上發表多篇文章。

報告摘要

The intact cooperation of tranional regulators (TRs), including tranion factors, histone modifying enzymes and chromatin remodellers, precisely determine gene expression in the cell nucleus. Deciphering the relationship among these TRs in the context of 3D chromatin and specific cell type will facilitate the understanding of tranional regulation. In this study, we present a computational analysis to comprehensively investigate TR cooperations by integrating genome-wide Hi-C and 266 TRs ChIP-seq data in K562. We uncover lots of previously reported and unknown TR cooperations in 3D gene regulation. To generalize the analysis for cell types with limited TRs ChIP-seq data, we develop a novel strategy that incorporates Dnase I hypersensitive site, sequence modtif and TR co-expression network to predict TR cooperations in particular cell type. Using Hi-C data from 7 human cell lines, we discover many shared and unique combinatory roles of TRs in sustaining different patterns of super enhancer, chromatin state and gene expression. Benifit from 3D genome data of ES, NPC and CN cell types, we evaluate our strategy and get several solid TR cooperations during mouse neural development. Our strategy can be used on any tissue or cell type, and the results will be an invaluable resource for tranional regulation research.

統計之都：專業、人本、正直的中國統計學社區。

往期推送：進入統計之都會話窗口，點擊右上角小人圖標，查看歷史消息即可。