来自哈尔滨医科大学生物信息科学与技术学院的研究人员在包括癌症在内的一些重大疾病的分子标志物识别方面获得了重要的成果，对人类疾病的早期发现和治疗有着重要的临床意义。这些成果已发表在国际著名学术期刊《Nucleic Acids Research》等10余个专业期刊。
领导这一研究的是哈尔滨医科大学生物信息科学与技术学院院长李霞教授，她作为生物信息学学科带头人，先后承担科研课题28项，其中国家863高科技计划项目2项（主持1项，副组长1项）、国家973前期项目1项（主持）、国家自然科学基金4项（主持3项），获省部级奖3项，厅局级奖8项，在国内外重要学术刊物和学术会议上发表学术论文110余篇(SCI 42篇、EI 18篇)，累计SCI影响因子90.137，总引次数114，主编著作等8部。
重大疾病如癌症、心脏病、高血压、糖尿病等，其发生、发展是多基因、多通路、跨层面的遗传与环境因素共同作用的结果。采取何种方法及时发现疾病产生后特有的分子标记，对于了解发病机理、进行早期诊断，选取个性化治疗方案有着重大意义，也是现代医学转变治疗疾病思维重要理念的体现。李霞课题组在发现重大疾病的分子标志研究上取得的突破，有助于解决复杂疾病研究中的特征基因识别难题。
人类发现的肿瘤标志物已有百余种，但临床常用的仅20多种，能用于大规模人群普查的肿瘤标志物更少。临床上肿瘤的高发生率和死亡率迫切需要新的早期诊断用的生物标志物和新的肿瘤标记物检测技术。
另外近期来自阿拉巴马大学伯明翰分校临床蛋白质组学主任James Mobley希望能利用血清，血浆和尿液，寻找胰腺癌的液体，或者蛋白标记物。但是一开始，他就陷入了“Catch-22”（美国谚语，从《第22条军规》延伸而来，是指互相抵触之规律或条件所造成的无法脱身的困窘）——为了能得到深入实验的经费，他们需要首先获得一份前导实验数据。然而当研究人员试图识别胰腺癌蛋白标记物的时候，摆在他们面前的是大量的不确定性，他们需要选择是从哪一种体液和组织中分析蛋白标记物，还需要从低通量，中通量，还是高通量平台中选择一种。
为了解决这些问题，研究人员首先开始查找文献，了解已经出版的有关血液和尿液样品实验数据，他们发现大多数之前的研究都是利用小型的合并样品，结合低通量实验平台，比如2D胶，来识别和检测蛋白。
肿瘤标记物首先是通过利用从肿瘤细胞中提取的单克隆抗体发现的。在获得抗血清后，通过免疫吸附去掉正常细胞，留下肿瘤特异性的抗原，筛选并评估这些候选物成为了寻找新的肿瘤标记物的经典方法。但是筛选并评估候选物的方法费时又耗力，而且当实验室的经费又不足的时候，如何获得进一步的研究进展，以及获得更多的科研经费，是许多实验室都头疼的事情，上述的这一研究提供了一个很好的范例，指出了在这种情况下，研究人员应该采取的实验策略，也就是说实际上，各实验室的研究人员在进行实验的第一步的时候，就要综合考虑好各方面的因素，包括实验经费，遇到的困难，以及如果不成功如何处理等。
原文摘要：
CpG_MI: a novel approach for identifying functional CpG islands in mammalian genomes
CpG islands (CGIs) are CpG-rich regions compared to CpG-depleted bulk DNA of mammalian genomes and are generally regarded as the epigenetic regulatory regions in association with unmethylation, promoter activity and histone modifications. Accurate identification of CpG islands with epigenetic regulatory function in bulk genomes is of wide interest. Here, the common features of functional CGIs are identified using an average mutual information method to differentiate functional CGIs from the remaining CGIs. A new approach (CpG mutual information, CpG_MI) was further explored to identify functional CGIs based on the cumulative mutual information of physical distances between two neighboring CpGs. Compared to current approaches, CpG_MI achieved the highest prediction accuracy. This approach also identified new functional CGIs overlapping with gene promoter regions which were missed by other algorithms. Nearly all CGIs identified by CpG_MI overlapped with histone modification marks. CpG_MI could also be used to identify potential functional CGIs in other mammalian genomes, as the CpG dinucleotide contents and cumulative mutual information distributions are almost the same among six mammalian genomes in our analysis. It is a reliable quantitative tool for the identification of functional CGIs from bulk genomes and helps in understanding the relationships between genomic functional elements and epigenomic modifications.
作者简介：
李 霞 “龙江学者”特聘教授、国内生物信息学开拓者
李霞现为哈尔滨医科大学生物信息科学与技术学院院长、教授、博士、博士生导师、黑龙江省优秀中青年专家、“龙江学者”特聘教授、北京“百千万人才工程”入选者。学术兼职有：国家自然科学基金评审专家、国家自然科学基金学科组评审专家、国家863项目专家、《中国生物工程》杂志理事、《生物信息学》、《生物物理学报》、《中华现代妇产科学》杂志编委、中国信息协会常务理事、黑龙江省自然科学基金评审专家、同济大学兼职教授（博士生导师）。
李霞教授作为生物信息学学科带头人，先后承担科研课题28项，其中国家863高科技计划项目2项（主持1项，副组长1项）、国家973前期项目1项（主持）、国家自然科学基金4项（主持3项），获省部级奖3项，厅局级奖8项，在国内外重要学术刊物和学术会议上发表学术论文110余篇(SCI 42篇、EI 18篇)，累计SCI影响因子90.137，总引次数114，主编著作等8部。近年来，李霞教授致力于复杂疾病功能基因识别方法的研究，科学研究论文发表在国外著名生命科学杂志《Nucleic Acids Research》(SCI影响因子：7.26)，《BMC Bioinformatics》(SCI影响因子：5.42)，《Bioinformatics》、《BMC Genomics》、《Genomics》、《Journal of Medical Genetics》（SCI影响因子7.7）、《中国科学》、《Progress in Natural Science》等上，获得省政府自然科学2等奖两项，在复杂疾病基因作图的模式识别方法研究领域做出重要贡献，其中论文“Gene mining: a novel …”受到了Nobel奖得主Rich Roberts博士的好评，并迅速成为英国牛津出版集团旗舰科学杂志《Nucleic Acids Research》的热点文章(Hot Papers)。主编《计算分子生物学与基因组信息学》、《医学遗传学与遗传流行病学数据分析》等著作7部。研制的人类遗传群体与家系资料分析系统(PPAP)已推广到中国科学院、北京大学、上海第二医科大学等60余个单位，并已成功地应用于20多项国家自然科学基金课题与博士论文的数据信息分析工作。
李霞教授领导的团队在国内率先从事生物信息学本科生、硕士研究生、博士研究生教育。首届生物信息学本科生就业率达96%，培养的生物信息学专业研究生以高质量的培养措施达到了较高水平的毕业标准（硕士撰写出SCI影响因子2.0以上的科研论文，博士撰写出SCI影响因子5.0以上的科研论文），在研究生培养方面取得了国内一流成绩。李霞教授带领学术团队在国内医学院校首创生物信息学本科专业，她领导团队创建的《国内领先的示范性生物信息学本科专业课程体系》是国内生物信息学本科专业教育的模板，先后有多所综合性大学和医学专科院校对该课程体系进行参观学习，为推进国内生物信息学专业教育做出了卓越贡献。
（责任编辑：labweb）
