融合GeneRank与机器学习方法实现小鼠生精过程基因筛选和功能预测

项目名称： 融合GeneRank与机器学习方法实现小鼠生精过程基因筛选和功能预测

项目编号： No.60903113

项目类型： 青年科学基金项目

立项/批准年度： 2010

项目学科： 生物科学

项目作者： 刘维湘

作者单位： 深圳大学

项目金额： 18万元

中文摘要： 为了理解小鼠生精过程的内在机理，发现生精过程中功能显著的基因是其关键问题。本项目以GeneRank算法为基础，结合机器学习方法来实现小鼠生精过程重要基因的筛选和功能预测，并辅以生物学实验来验证。（1）以基因表达谱数据为主，融合基因序列、蛋白相互作用、文献数据等可用数据源，采用多种机器学习方法，包括非监督的非负矩阵/张量分解、流形学习、有监督与半监督学习算法等，来构建基因之间的相互关系网络，用GeneRank算法实现显著基因的筛选；（2）筛选出100-200个显著基因，利用各种有监督和半监督机器学习算法实现基因的功能分类预测；(3)选择50～100个显著基因，采用实时定量RT-PCR等生物学方法验证其在小鼠生精过程中的mRNA和蛋白质的表达等功能。本项目对理解生精过程、生殖健康等具有重要意义，对其它生物过程或疾病的基因筛选和功能预测也具有参考价值。

中文关键词： 生精过程；基因筛选；机器学习；GeneRank；矩阵分解

英文摘要：

英文关键词： Spermatogenesis；gene selection；machine learning；GeneRank；matrix factorization