数据挖掘在癌症细胞增殖机制分析中的应用研究

发布时间：2020-04-06 05:01

【摘要】：癌症是指起源于上皮组织并可影响到身体任何部位的恶性肿瘤,也是目前全球位居第二的致死原因。癌细胞在体内快速的、不受控制的增殖是其最重要的生物学特征。正常细胞的增殖往往受外部或内部生长信号的调控,待接受足够强的信号后启动增殖程序,信号减弱后增殖停止。但通常认为癌细胞接受信号的受体处于亢奋的状态,即使信号微弱,也会启动细胞增殖;甚至癌细胞自身也可以产生信号,刺激生长。部分癌症研究人员认同这是细胞异化的结果,即细胞发生了基因突变,如KRAS、MYC和SRC等基因的突变,但是针对这些突变而设计的小分子药物往往容易产生耐药性和更多新的突变。除此之外,从进化的角度进行研究的研究者认为癌细胞具有一种特殊的防御机制,在恶劣微环境中比正常细胞有更强大的适应力和生存能力,甚至这个环境压力会进一步促进癌细胞增强防御以及侵袭能力,细胞增殖可能就是其中一个方式。伴随着增殖,癌细胞还表现出细胞内外p H逆转以及利用低效的糖酵解的代谢方式产生能量等现象,这些现象产生的原因一直困扰着癌症领域的学者。受“炎-癌转化”的启发以及易癌变的慢性炎症倾向于伴随着氧化压力积累和铁积累等现象,本文从芬顿反应(Fe2++H2O2→Fe3++·OH+OH-)的角度对癌细胞的增殖进行了探索。芬顿反应是一个不需要酶参与的无机反应,其完全依赖于Fe2+和H2O2的浓度。随着测序技术和微阵列芯片技术的快速发展,产生了海量的多组学数据,极大地推动了对未知生命问题的探索,对于生物信息学者来说也是机遇和挑战并存。本文收集了来自多个平台和技术的癌症转录组数据,应用多种数据挖掘的方法,结合已报道的文献和生物实验结果,构建了适用于绝大多数癌症类型细胞增殖的机理模型。本文的主要研究内容有以下两个方面:本文的第一部分工作选用TCGA、GEO数据库中14种癌症类型共7000余例组织的转录组数据进行研究,并从GEO数据库中下载了近700例慢性发炎的微阵列芯片数据做验证分析。通过构建基于米氏方程的非线性回归模型来预测细胞三个主要亚细胞定位(线粒体、细胞质和细胞外基质)上芬顿反应的存在性,应用基于主曲线的打分函数量化各个癌症样本中不同位置的芬顿反应的程度,通过应用多种方法对癌症组织芬顿反应的强度和其他生物过程的基因集合表达值进行共表达分析,预测各芬顿反应对其他生物过程的影响。实验结果表明癌细胞至少三个亚细胞位置上都在持续地发生芬顿反应,这可能是推动癌细胞分裂和增殖的主要因素之一。具体而言,(1)癌细胞的细胞质中持续进行的芬顿反应产生大量的OH-将增加胞内的p H,破坏细胞内应有的p H平衡,而过高的p H将直接导致细胞死亡。因此癌细胞启动糖酵解的葡萄糖代谢方式产生ATP、释放质子来保持p H的相对稳定,并通过核苷酸合成的方式来消耗ATP,保证反应的持续性,大量合成的核苷酸又将驱动细胞分裂;(2)癌细胞线粒体中芬顿反应产生的OH-将改变线粒体内膜两侧的电势差,从而诱导了线粒体中新型的ATP合成方式,并产生大量的ATP;(3)芬顿反应同样发生在细胞外基质中,产物·OH将破坏基质中胶原蛋白,蛋白聚糖,透明质酸等物质的结构,从而为细胞增殖提供所需的额外的生长信号。芬顿反应模型将癌细胞增殖的几个主要因素联系起来,并且细胞增殖的速率由其不同部位的芬顿反应强度共同决定。在p H的压力和氧化压力共同作用下,某些基因突变将被选择下来,从此导致一些不可逆的后果,比如细胞无限的、不受控制地增殖,这对目前的基因突变导致癌症的模型给出了额外的解释。鉴于目前鲜有从计算的角度进行芬顿反应存在性的研究,本文提出的证明芬顿反应存在性的方法对此进行了很好的补充,并且基于芬顿反应的新型的癌症样本打分方法将为癌症病人的个体化治疗提供参考。本文第二部分工作比较了癌细胞和正常增殖细胞(NPC)增殖时共有的特殊现象—瓦博格效应,并研究他们产生的原因是否一致。瓦博格效应是一种不论氧气是否充足,细胞都会利用糖酵解的方式产生ATP和乳酸的现象。首先对14种癌症类型和5种NPC类型的转录组学数据进行分析,整体地比较了两类细胞各自差异基因所富集的生物过程,进一步结合本文第一部分的研究基础,最终从p H调控的角度对其进行解释。通过构建基于改进的主成分分析的p H平衡模型,预测包括芬顿反应、瓦博格效应在内的几个相关过程对p H变化的影响及显著性。实验结果表明,(1)NPC中不存在或存在微弱的芬顿反应;(2)尽管癌症和NPC胞内p H均呈弱碱性,但它们用不同的方式调节胞内p H水平,两类细胞中p H相关转运蛋白的表达水平截然相反;(3)癌细胞通过糖酵解ATP的合成过程产生净质子中和芬顿反应产生的大量的OH-,而NPC通过在增殖前积累大量通过有氧呼吸方式合成的ATP来提升其细胞内p H,在增殖过程中利用瓦博格效应,即乳酸的分泌将p H维持在较高的水平,而癌细胞中乳酸的分泌是为了保护自己最大程度上抵抗免疫系统的攻击。综上所述,第二部分研究解释了癌细胞和NPC共有的瓦博格效应具有完全不同的产生原因。本文中的两部分工作,应用计算和统计学的方法对生物大数据进行挖掘,从数据分析的角度解释了芬顿反应为癌细胞增殖提供物质、能量和信号来源的过程。这种新型的机制利于更好地理解细胞增殖尤其是癌细胞增殖,对于辅助生物实验设计、药物开发和临床治疗都有非常重要的现实意义。
【图文】：

主曲线,表示形式

图 2.1 主曲线的表示形式关性分析文研究过程中，共涉及到四个方面的相关性分析，分别是：基因与性，即衡量两个变量间的相关程度；基因与基因集合间的相关性，量和一组变量间的相关程度；基因集合与基因集合间的相关性，即间的相关程度；偏相关分析，即考虑两个变量间“纯粹的”相关性量对其的影响。具体的：1）基因间的相关性尔森相关系数（Pearsoncorrelationcoefficient）是一种线性相关系数个变量线性相关程度的统计量，，是最常用的测量方法[58]。皮尔森相如下：

分析流程,芬顿

本章通过对癌症转录组大数据进行分析来讨论以上问题。首先构建了一个基于米氏方程的非线性回归模型来估计癌症组织中芬顿反应的存在性及显著性，并将其应用于 14 种癌症类型和 18 种慢性炎症性疾病组织的转录组数据中来讨论（1）这些癌症和慢性炎症性疾病是否都存在芬顿反应？芬顿反应都在哪些细胞器上发生？（2）若存在芬顿反应，是否会影响细胞内 pH 值？（3）若芬顿反应导致了 pH 变化，不同位置的芬顿反应和癌症的发生发展，尤其是细胞异常增殖有何联系？3.2 研究方法本章的研究是在转录组数据上开发应用相关的计算方法分析讨论芬顿反应的存在性和其对癌细胞异常增殖的可能的作用。本章分析流程如图 3.1 所示。
【学位授予单位】：吉林大学
【学位级别】：博士
【学位授予年份】：2018
【分类号】：R730.2

【相似文献】