深度挖掘肿瘤相关的DNA甲基化和tRNA来源小片段的分子特征

发布时间：2021-06-27 08:55

　　随着高通量测序技术的迅猛发展和测序成本的持续降低,海量的生物医学大数据呈现爆炸式增长,这给我们带来了机遇和挑战——如何挖掘这些海量数据背后的生物学意义。这篇博士论文主要目标是发展基于多种不同维度组学数据的整合策略来分析生物医学大数据,揭示肿瘤发生,发展和转移的机制,以期发现肿瘤中新的诊断和预后标记以及治疗靶点。论文共分为四章。第一章,引导和概述第二章,我们发展了可用于RRBS基准化分析的模拟器,RRBSsim。通过利用肺癌实际RRBS数据和模拟产生的数据,我们全面综合地评估了 7个RRBS的比对算法。我们的结果表明bwa-meth和BS Seeker2（bowtie2）的分析功效、准确性以及效率较高。同时,我们也发现了不同RRBS工具结果不一致的CpGs具有测序深度低,中等程度甲基化的特征或者其主要位于CpG岛岸和基因体内。因此,当前的RRBS工具并不能有效的分析这些CpGs,需要我们谨慎解读这些CpGs背后的生物学知识。我们的研究结果不仅可以帮助生物学家通过RRBS分析获得可靠的生物有关的预测结果,还可以为之后开发更加强大高效的RRBS工具提供强有力的指导和建议。第三章,我们首次利用... 

【文章来源】：浙江大学浙江省 211工程院校 985工程院校 教育部直属院校

【文章页数】：121 页

【学位级别】：博士

【部分图文】：

图１．１?ｔＲＦｓ生成和成熟

?Ｂ??图２．１ＰＡＸ７基因的ＤＮＡ甲基化图谱??其次，我们从图２．２Ａ可以看出不同比对工具之间检测到共有的ＣｐＧ位点比??例，变化范围从７８．３％到９７．２％，均值为８９．２％。尤其值得关注的是，使用ｂｏｗｔｉｅ??工具的ＢＳ－Ｓｅｅｋｅｒ２?（比如，ＢＳ－Ｓｅｅｋｅｒ２－ｂｏｗｔｉｅ）检测到的ＣｐＧ位点与其它软件??有较大不同，有平均超过１５％?ＣｐＧ位点是其它软件所没有得到的。然而，使用??ｂｏｗｔｉｅ２?工具的?ＢＳ－Ｓｅｅｋｅｒ２（比如，ＢＳ－Ｓｅｅｋｅｒ２－ｌｏｃａｌ?和?ＢＳ－Ｓｅｅｋｅｒ２－ｅ２ｅ）检测到??与其他软件共有的ＣｐＧ位点数目有了显著提高

Ｐｒｏｍｏｔｅｒ?Ｂ??图２．１ＰＡＸ７基因的ＤＮＡ甲基化图谱??其次，我们从图２．２Ａ可以看出不同比对工具之间检测到共有的ＣｐＧ位点比??例，变化范围从７８．３％到９７．２％，均值为８９．２％。尤其值得关注的是，使用ｂｏｗｔｉｅ??工具的ＢＳ－Ｓｅｅｋｅｒ２?（比如，ＢＳ－Ｓｅｅｋｅｒ２－ｂｏｗｔｉｅ）检测到的ＣｐＧ位点与其它软件??有较大不同，有平均超过１５％?ＣｐＧ位点是其它软件所没有得到的。然而，使用??ｂｏｗｔｉｅ２?工具的?ＢＳ－Ｓｅｅｋｅｒ２（比如，ＢＳ－Ｓｅｅｋｅｒ２－ｌｏｃａｌ?和?ＢＳ－Ｓｅｅｋｅｒ２－ｅ２ｅ）检测到??与其他软件共有的ＣｐＧ位点数目有了显著提高


本文编号：3252541