以海量数据计算揭示人类疾病发生机制及相关分子标志物  

作　　者：杨力[1] 魏刚[1] 唐鲲[1] Christine Nardini 韩敬东[1] 

机构地区：[1]中国科学院-马普学会计算生物学伙伴研究所,计算生物学重点实验室,上海200031

出　　处：《中国科学：生命科学》2013年第1期72-79,共8页Scientia Sinica(Vitae)

基　　金：国家自然科学基金(批准号:31271390;31271354;31171277;31070748;30890033;31210103916;91019019)资助项目

摘　　要：高通量芯片和深度测序技术为在全基因组水平上绘制高分辨率的基因组变异、RNA转录、转录因子结合及组蛋白修饰图谱等研究提供了前所未有的机遇.这些技术彻底改变了以往有关转录组学、调控网络以及表观遗传调控的研究方法,产生了海量的多水平组学数据,并开启了高效数据整合研究的先河.然而,如何有效地整合这些数据仍然是一个巨大的挑战.本文总结了高通量组学数据的产生对相关领域研究的主要影响及其与人类疾病的关系,并介绍了多种用于数据整合分析的生物信息学方法.最后,以炎症疾病为例进行说明.

关 键 词：组学 数据整合 生物信息学 系统生物学 分子标志物 

分 类 号：R346[医药卫生—基础医学]