基于系统生物学的前列腺癌生物靶点的整合分析

发布时间：2021-07-10 07:19

　　目的前列腺癌是欧美等发达国家和地区最常见的男性恶性肿瘤之一，其死亡率已居各种癌症的第二位。前列腺癌的发生是多种调控因子共同作用的结果，然而前列腺癌的发生机制至今尚未明确。那么如何寻找治疗前列腺癌的有效靶点成为了亟待解决的问题。随着生物大规模分型技术的发展使全基因组范围寻找前列腺癌风险靶点成为可能，如单核苷酸多态性（Single Nucleotide Polymorphism, SNP）位点分型。在这项研究中，全基因组关联研究（Genome-Wide Association Studies, GWAS）通过大量比较疾病患者（病例，case）和相同条件下的无该疾病的人（对照，control）的SNP-表型关联来寻找疾病的潜在风险靶点。另外一种方法是通过基因芯片技术大规模筛选前列腺癌的差异表达基因，然后通过基因本体、通路富集分析或基因网络分析对这些差异表达基因进一步筛选以获得潜在的基因治疗靶点。但以上两种研究方法都具有一定的局限性。虽然全基因组关联研究发现了大量的疾病风险SNPs，但相对全基因组SNPs来说仍然只是极小的一部分。而且研究发现绝大部分报导的SNPs都不处于基因编码区，这就意味着... 

【文章来源】：苏州大学江苏省 211工程院校

【文章页数】：276 页

【学位级别】：博士

【部分图文】：

GWASCatalogSNPs全基因组图谱

) 前列腺癌特异的转录调控网络构建基于前面获得的前列腺癌基因集，我们使用 GeneGO 内置的算法来构建前列腺癌异的转录调控网络（transcription regulatory networks）。而且，我们分别建立了转调控（transcription regulation）和转录因子（transcription factor networks）网络，并在给定的 p-value 下对结果进行排序。在 transcription regulation 构建过程中，我们入调控基因集中基因的转录因子来构建转录因子与基因间的相互作用，然后我们从eneGO 数据库内提取与这些基因或转录因子有相互作用的基因，并将其视为新的节（node）来使得整体网络内部相互连接。而转录因子网络，顾名思义是检查我们所到的的基因集基因是受哪些转录因子调控的，具体方法也是使用 GeneGO 来提取那在转录因子-靶基因间的最短路径来形成网络的边。

这个网络是具有生物学意义的，这是因为这个网络中的基因能极高的富集cellular metabolic process （ 45.3% ， p=6.947×10-21）和 peptide stimulus（25.3%p=2.680×10-21）上，而且这两个 GO 项都是已知的与前列腺癌病理生理学假说关联基因集 [99,100,101]。图 3 是整个网络的示意图，其中基因被分为了 4 大块：细胞细胞膜，细胞质及细胞核，这种分类则很好的说明了前列腺癌特异的基因集是如何用在整个细胞发育过程中。这里，我们使用不同的符号代表不同的基因，具体见附4（Symbols for nodes）。并且，我们使用不同的颜色来区分边，这些不同的颜色代了基因间不同的作用机制，如绿色线代表激活，褐色线代表抑制，灰色则表示未知机制（附录 4，Interaction mechanism for edges）。为了能更清楚的展示和描述收集


本文编号：3275461