搜索
校验码：6d7ea349-33e6-4d77-ab88-8c442f76bc48投送学科一级学科：控制科学与工程二级学科：模式识别与智能系统如是学科交叉研究，所涉及的一级学科：二级学科：是否涉密：是否√中国博士后科学基金面上资助申请书（第52批）申请者：----博士后全国统一编号：----申报单位：----项目名称：基于网络智能的膜蛋白受体网络功能与特性研究研究方向：智能计算与生物信息学通讯地址：----邮政编码：----E－mail：----固定电话：----移动电话：----申请日期：2012年09月07日中国博士后科学基金会制校验码：6d7ea349-33e6-4d77-ab88-8c442f76bc48须知1.申请者应认真阅读《中国博士后科学基金资助规定》和《中国博士后科学基金面上资助实施办法》，按有关要求逐项填写申请材料。2.如申请项目涉密，不得在网上提交申请材料。申请者需下载申报软件，填写后打印3份申请材料，刻录光盘一张，一并报送设站单位进行审核。3.“投送学科”系指申请者所报项目的所属学科。若申报项目是学科交叉研究项目，应填写所涉及的学科名称。4.“项目名称”不得超过25个字。5.“研究方向”系指申请者所报项目的研究方向，不得超过15个字。6.填表必须实事求是，认真翔实，不得弄虚作假。校验码：6d7ea349-33e6-4d77-ab88-8c442f76bc48一、个人信息姓名----性别男出生日期1984-09-25身份证号340103198409251518国籍中国民族汉族进站时间2011年06月10日预计出站时间2013年06月30日进站单位流动站√0--------工作站0--------学位情况学位授予年月授予单位一级学科导师学士2006年07月武汉科技学院控制科学与工程李德骏硕士博士2011年06月东华大学控制科学与工程丁永生主要研究工作经历起止年月单位研究内容项目分工2009-07至2011-03澳大利亚科工组织网络生物学，系统生物学编写算法，撰写论文2007-09至今东华大学生物信息学，模式识别与智能系统，蛋白质组学，系统生物学编写算法，撰写论文，设计服务器校验码：6d7ea349-33e6-4d77-ab88-8c442f76bc48曾获得的研究成果获得科研奖励或基金资助情况（可加项）获得时间项目名称奖励或资助名称等级排名2009-06-01基于集成智能的膜蛋白受体功能与预测东华大学博士创新基金11参加或主持的科研项目（可加项）批准时间项目名称下达部门项目性质项目经费项目进展承担责任2010-03-01生物网络启发的高性能丙烯腈基碳纤维纺丝过程协同调控研究教育部应用研究项目6主要内容已经完成参与2010-01-01生物网络启发的高性能纺丝过程智能模型与协同控制研究国家自然科学基金委员会应用研究项目33主要内容已经完成参与2008-10-01基于协同智能的蛋白质结构网络研究上海市自由探索性基础研究25结题验收参与发表的有代表性论文（包括已被录用、待发表的论文，可加项）发表时间论文题目学术刊物或会议名称学术刊物或会议类型收录情况排名2011-12-01ConsistentevolutionofcodonbiaswithspeciescomplexityPlosOne国际刊物SCI22011-06-01Genome-widepatternsofpromotersharingandco-expressioninbovineskeletalmuscleBMCGenomics国际刊物SCI12010-10-01PredictionofSubcellularlocationapoptosisproteinswithensembleclassifierandfeatureselectionAminoAcids国际刊物SCI12010-06-18ImprovedLogitBoostClassifierforGPCR-G-ProteinCouplingwithSelf-AdaptiveImmuneAlgorithmICBBE2010国际学术会议EI12010-06-01IdentifyingthehubproteinsfromcomplicatedmembraneproteinnetworksystemsMedicalChemistry国际刊物SCI32010-05-01PredictionofG-Protein-CoupledReceptorClassesinLowHomologyUsingChou’sPseudoAminoAcidCompositionwithApproximateEntropyandHydrophobicityProtein&PeptideLetters国际刊物SCI1校验码：6d7ea349-33e6-4d77-ab88-8c442f76bc48Patterns2009-08-01UsingmaximumentropymodetopredictsecondarystructurewithsinglesequenceProtein&PeptideLetters国际刊物SCI32009-05-08BinaryparticleswarmoptimizationbasedonPredictionofG-Protein-CoupledReceptorFamilies.GECSummit国际刊物EI12008-07-15UsingtheconceptofChou'spseudoaminoacidcompositiontopredictapoptosisproteinssubcellularlocation:anapproachbyapproximateentropyProtein&PeptideLetters国际刊物SCI42008-05-16PredictionofG-Protein-CoupledReceptorClassesUsingPseudoAminoAcidCompositionwithApproximateEntropyandHydrophobicityPatterns.ICBBE2008国际学术会议EI1出版的有代表性的专著（可加项）出版时间论著名称独著或合著出版社合著排名获专利情况（可加项）受理（授权）时间名称类型排名2011-01-12一种G蛋白偶联受体超类的识别方法及其web服务系统发明型2其他荣誉或成果（可加项）获得时间荣誉或成果2011-06-01上海市优秀博士毕业生2010-06-01东华大学一等奖学金2010-06-01东华大学优秀研究生干部2009-11-01东华大学科盟杯论文大赛特等奖2008-06-01东华大学一等奖学金2008-05-01东华大学优秀研究生干部校验码：6d7ea349-33e6-4d77-ab88-8c442f76bc48二、申报项目基本信息名称中文基于网络智能的膜蛋白受体网络功能与特性研究英文Studyonfunctionandcharacteristicofthemembraneproteinreceptornetworkbasedonthenetworkintelligence研究类别基础研究√应用基础技术开发项目来源自选项目√国家自然科学基金项目863高技术研究项目973计划项目国家社科基金项目其它国家级重点项目省市或部门重大项目其它项目研究经费来源及数额无项目简要介绍蛋白质是生命的物质基础，几乎任何生物过程都与蛋白质发生某种联系。目前蛋白质序列数量的激增，使得生物信息学也得到很大发展，很多智能算法和服务器都已经得到开发和利用。构建蛋白质网络是目前生物信息学中最具挑战性的目标。通过模拟和计算方法要比大部分的实验方法快得多，同时花费更少。膜蛋白受体尤其是螺旋膜蛋白受体的相互作用，是整个蛋白质相互作用中的重要部分。总体来看，国外对膜蛋白受体相互作用的实验研究成果很少，膜蛋白受体受体的结构稳定性，动态性和相互作用网络很少被了解，而从计算方面研究膜蛋白受体相互作用和网络在国内尚处于起步阶段。本项目将结合蛋白质的生物化学性质，改进传统的机器学习和模式识别方法以分析膜蛋白受体序列信息，结合智能Agent等网络智能理论和复杂网络理论研究膜蛋白受体网络建模技术，为蛋白质网络元件部署和性能优化提供技术手段。分析蛋白质网络性质，重点分析网络核心元件，为药物发现提供有效依据，并找到如何基于智能Agent形成任意组织的相互作用网络的一般化原理与实现方法。最终建立膜蛋白受体网络及药物发现的Web平台。本项目将为生物信息学，蛋白质组学和模式识别与智能系统学科的研究作出贡献。关键词膜蛋白受体，网络智能，生物信息学，模式识别，机器学习校验码：6d7ea349-33e6-4d77-ab88-8c442f76bc48三、项目立论依据内容包括：研究意义、国内外研究现状综述、项目创新之处、主要参考文献及出处（注：可加页）。生物信息学是一门新兴的学科，其发展给生物学的研究带来了革命性的变化[1,2]。不仅体现在各种信息技术应用到生物学研究中来，如数据库、网络服务的发布等极大地方便了生物学家们查询已有资料分析生物问题；尤其体现在应用计算的方法来研究生物学问题，把计算作为一种与实验相辅相成的研究手段[3,4]。如何用计算的方法预测蛋白质之间是否存在相互作用是摆在生物信息学家面前的重要课题，目前已经取得了重要成果。两个蛋白质之间存在相互作用可以有多种表现，它会在基因组座位、序列特征、进化过程、表达时相、亚细胞定位、表达量、结构等诸多方面表现出相邻、相似、相关的性状。通过考察这些相邻、相似、相关性状就可以来预测蛋白质之间是否存在相互作用了[5-7]。基因组研究表明生物体中已预测的蛋白质中，膜蛋白受体占到了25%-33%，且大多数是螺旋蛋白[8,9]。但是，映射膜蛋白受体相互作用是困难的，许多用于直接分析蛋白质—蛋白质相互作用的基因实验技术都不适合膜蛋白受体。虽然也有考虑采用其他方法，如蛋白质芯片和大规模的pull-down实验，也提出了一些新的检测单个跨膜螺旋之间的相互作用的实验方法。典型的工作如加拿大多伦多大学生物化学系著名的IgorStagljar实验室开发了一套基于酵母基因技术在体内检测膜蛋白受体的相互作用的膜结合酵母双杂交系统（MYTH）[10,11]，称为膜结合酵母双杂交系统（MYTH），并成功的将其应用于不同种类的膜蛋白受体（包括酵母菌，植物，人类等的膜蛋白受体）相互作用的研究中，如啤酒酵母的ABC转运蛋白的相互作用[12-14]；G蛋白偶联受体（GPCR）的相互作用；ErbB家族的相互作用；离子通道的相互作用等。总体来看，国外对膜蛋白受体相互作用的实验研究成果很少，膜蛋白受体受体的结构稳定性，动态性和相互作用网络很少被了解，而从计算方面研究膜蛋白受体相互作用则刚开始；国内还鲜有基于计算的膜蛋白受体相互作用的相关报道。近年来随着计算机科学的发展，计算方法已经成为生物科学研究中一个有力的工具。我们研究膜蛋白受体相互作用主要就是应用面向整个基因组范围内研究蛋白质相互作用的理论策略，当然基于实验数据的蛋白质相互作用数据库是相关研究领域的重要基础。蛋白质相互作用数据和蛋白质注释信息整合在一起，是目前蛋白质相互作用数据库的主要特征；从蛋白质相互作用的科学文献中自动化地挖掘信息，是蛋白质相互作用数据库发展的主要推动技术之一；而用计算方法验证高通量方法得到的蛋白质相互作用数据，已成为目前蛋白质相互作用验证的一个必要补充。根据数理统计知识开发和应用各种算法进行膜蛋白受体相互作用及其网络的预测，成为该领域研究的热点。在传统数理统计方法的应用上，VonMering等[15]比较分析了不同来源的蛋白质相互作用大规模数据，如酵母双杂交分析、蛋白质复合物的质谱分析、遗传相互作用、相关的mRNA表达以及通过基因组分析进行计算预测。Uetz等[16]和Ito等[17]应用相同的技术得到的数据差别也很大。他们的结果相同的相互作用很少，不到前人已发表的相互作用的15%。计算方法同实验方法一样，