基于生物信息学的肺腺癌多维转录组预后模型的构建

发布时间：2022-12-18 07:42

　　目的与背景随着社会经济水平的不断提升,人口老龄化的加剧,人民生活方式的逐渐改变,恶性肿瘤已成为危害我国居民健康的首要因素。肺癌的发病率和死亡率均位于恶性肿瘤首位,其中绝大多数为非小细胞肺癌,非小细胞肺癌中又以肺腺癌最常见,约占到全部肺癌发病人群的50%,且发病率逐年增长,由于其恶性度高,易复发,易转移的特点,绝大多数患者的预后较差,生存时间不超过5年。为延长肺腺癌患者的生存周期,降低死亡率,早期诊断及治疗是关键。因此,除了现有的临床传统诊断因素外,迫切需要开发新的分子预后信号,用于预测肺腺癌复发的风险和识别可能受益于各种辅助治疗的肺腺癌高危患者。近年来高通量测序技术和生物信息学的不断完善和发展,为研究肺癌的肿瘤标志物提供了新的思路和方法。众所周知,肿瘤的形式是由多基因参与的、多种因素相关作用的复杂生物学过程,在此过程中有多种蛋白质编码基因（PCG）,长链非编码RNA（IncRNA）等参与。现有的研究已经表明长链非编码RNA能够调控蛋白质编码基因的转录表达,IncRNA和PCGs联合作为生物标志物的优势是多维的,可以更详细的显示肿瘤发生发展的过程,从而更有效的预测患者的预后。本研究目的是... 

【文章页数】：88 页

【学位级别】：博士

【文章目录】：
英文缩略词表及中英文对照
中文摘要
英文摘要
1.前言
    1.1 肺癌的流行病学及危险因素
    1.2 肺癌的诊断与治疗
    1.3 蛋白质编码基因(protein-coding gene, PCG)与长链非编码RNA(long non-coding RNAs,LncRNAs)在肺癌中的作用
    1.4 生物信息学数据库
    1.5 研究目的
2.材料与方法
    2.1 使用到的软件、程序及统计学方法
    2.2 方法
3.结果
    3.1 患者基本特征
    3.2 训练数据集中识别肺腺癌预后相关的基因
    3.3 构建的预后模型
    3.4 训练数据集和验证数据集中PCG-lnc RNA模型预后分析结果
    3.5 PCG-lnc RNA模型是肺腺癌独立的预后危险因素
    3.6 PCG-lncRNA模型和临床分期的预后评估效能比较
    3.7 PCG-LncRNA模型的GO分析和KEGG富集分析
4.讨论
    4.1 利用生物信息数据库获取PCG-IncRNA组合预测评估肺腺癌患者预后
    4.2 PCG-lncRNA信号与肺腺癌患者的总生存率密切相关
    4.3 多维PCG-lncRNA信号模型涉及的生物学过程
    4.4 生物信息学用于肿瘤预测模型构建可行
    4.5 本研究存在的不足
    4.6 展望
5.结论
参考文献
附录
致谢
综述
    参考文献



本文编号：3721652