Computational biological hypothesis generation using "-omics" data

Computational biological hypothesis generation using "-omics" data

Forming biological hypotheses are crucial to the success of scientific investigations in modern biology and medicine. To generate good biological hypotheses efficiently, computational approaches have been playing increasingly important roles due to the development of high-throughput technologies that enable the production of a vast amount of "-omics" data at a rapidly increasing rate. Despite the fact that most such data are freely available publicly, they are typically not well organized and not annotated consistently, making it difficult for data-driven hypothesis generation to catch up with the pace of data generation. To address this challenge, we propose a computational hypothesis-generation paradigm that is based on systematic manual curation of public datasets. Using the data resource built upon the curated data, we applied our proposed computational framework to find key gene regulators in skin biology, thermogenesis, and neurobiology. A number of candidate genes have been experimentally validated by wet-lab experiments and the published literature. The remaining candidates are also good targets for additional experimental validation. More importantly, these identified genes may serve as potential targets for the related diseases. In summary, our research paves the way for developing more effective automated hypothesis-generation methods and will help biologists designing targeted experiments aimed at increasing the speed of meaningful biological discoveries.

使用“组学”数据生成计算生物学假设

在现代生物学和医学中，形成生物学假设对于科学研究的成功至关重要。为了有效地生成良好的生物学假设，随着高通量技术的发展，计算方法扮演着越来越重要的角色，这些技术使大量的“组学”数据能够以快速增长的速度产生。尽管大多数这样的数据都是免费公开的，但它们通常没有很好的组织和一致的注释，这使得数据驱动的假设生成很难跟上数据生成的速度。为了解决这一挑战，我们提出了一个基于公共数据集的系统人工管理的计算性假设生成范式。利用建立在策展数据基础上的数据资源，我们应用我们提出的计算框架来寻找皮肤生物学、产热学和神经生物学中的关键基因调控因子。

大量的候选基因已经通过湿实验室实验和已发表的文献得到了实验验证。剩下的候选者也是额外实验验证的良好目标。

更重要的是，这些被识别的基因可能成为相关疾病的潜在靶点。

总之，我们的研究为开发更有效的自动假设生成方法铺平了道路，并将帮助生物学家设计有针对性的实验，旨在提高有意义的生物学发现的速度。

在生物大数据的背景下，如何利用机器学习，统计分析等方法生成有效的生物假设。

其中，重点介绍了通过构建高可信的生物网络寻找致病基因的方法，以及如何利用RNA测序数据高效识别transcripts。

报告人简介：

俞鹏博士是四川大学华西医院生物医学大数据中心特聘研究员，国家级青年人才项目获得者。博士毕业于美国德州大学奥斯汀分校，先后在贝勒医学院、德州农机大学开展生物医学信息学的研究，主要包括转录组学、选择性剪接、高通量生物数据分析、数据审编、文本挖掘和本体构建等方面。在本领域权威期刊如Proc Natl Acad Sci USA、Bioinformatics 、Nucleic Acids Res 等上发表论文四十余篇，单篇最高Google学术引用284次，论文Google学术总引用1500余次。曾多次受邀于国内外高校、会议等做研究报告。其研究获得了多家机构的支持，多次担任CCF推荐B类会议ISMB和BIBM的技术程序委员会委员，还担任学术期刊BMC Bioinformatics、Sci Rep 和PLoS One的副主编，并多次为学术期刊审稿。