基于加权网络共表达分析筛选卵巢癌潜在生物标志物

发布时间：2020-12-14 11:05

　　目的:卵巢癌是女性常见的恶性肿瘤,发病率高,致死率高。由于早期症状不明显又缺乏有效的早期诊断方法,致使卵巢癌的死亡率在妇科癌症中居首位。基因芯片,免疫组化,蛋白质组学等方法已成为卵巢癌早期诊断的热门课题。但由于病理的多样性以及发病机制和病因不明确,至今没有理想的具有高特异性和敏感性的肿瘤标志物用于卵巢癌的临床早期诊断。因此,探寻具有高灵敏度和特异性的标志物实现卵巢癌的早期诊断成为亟待解决的问题。本研究的目的就是通过生物信息学分析来探寻卵巢癌的早期诊断标志物。方法:使用卵巢癌基因芯片数据,进行生物信息学软件分析处理,从已有的基因芯片数据选取和卵巢癌相关的差异表达基因。构建加权网络共表达分析网络（weighted correlation network analysis,WGCNA）,挑选与疾病相关的基因模块,对基因模块进行GO和KEGG富集分析,使用Cytoscape软件可视化模块基因互作关系,选取核心节点基因,最后对核心节点基因进行生存分析,找出与卵巢癌相关的核心节点基因,为卵巢癌早期诊断寻找新的靶点。结果:通过对卵巢癌基因芯片数据WGCNA网络分析,找出了与卵巢癌相关的基因模块,对此... 

【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校

【文章页数】：45 页

【学位级别】：硕士

【部分图文】：

芯片数据QCReport函数预处理数据进行鲁棒多阵列平均处理后，对所获得的原始表达数据进行了背景校

图 3.2 原始表达数据鲁棒多阵列处理g2 变换并且对它们进行处理信号，进行分位数据质量完好。图 3.3 芯片表达数据 log2 变换处理箱线图芯片数据经 Genefilter 包过滤后，除去了低变4，图 3.5 所示，数据质量分布更加集中。

10图 3.3 芯片表达数据 log2 变换处理箱线图卵巢癌基因芯片数据经 Genefilter 包过滤后，除去了低变异和低信号的探针，结果如图 3.4，图 3.5 所示，数据质量分布更加集中。


本文编号：2916310