基于生物信息学的胰腺癌生物标志物筛

发布时间：2022-02-17 14:46

　　胰腺癌已成为严重威胁人类健康的癌症之一,其5年生存率仅4-7%。近年来,胰腺癌的诊治手段虽然得到了不断的发展,但是,由于其早期症状的隐匿性,大多数患者在初诊时已发生远处转移,失去了早期手术治疗的最佳时机。随着下一代测序技术的发展,生物信息学、多组学和机器学习等方法已成为精准医学研究的重要发展方向。因此,探索、鉴定及验证新的理想生物标志物将会对胰腺癌的诊治具有重要意义。目的1.基于生物信息学挖掘可能在胰腺癌发生和发展中发挥重要作用的生物标志物,并在细胞和组织中进行实验验证。2.结合多组学、蛋白互作网络和免疫微环境分析,探索这些标志物与胰腺癌间的内在关联,为其发生、发展过程的研究提供新的思路。3.利用机器学习构建诊断模型,为胰腺癌的诊断及个体化治疗提供理论依据。方法1.胰腺癌相关数据集的检索、下载及预处理:在GEO、ArrayExpress、TCGA、GETx和ICGC数据库中系统检索并筛选与胰腺癌相关的数据集。其中,基因芯片数据均下载CEL原始数据,转录组高通量测序（RNA sequencing,RNA-Seq）数据均下载表达计数（counts）矩阵。对下载后的数据进行质量控制、背景校正... 

【文章来源】：郑州大学河南省211工程院校

【文章页数】：158 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
缩略词表
1 引言
2 材料与方法
    2.1 数据库的检索、下载及预处理
        2.1.1 数据库的来源
        2.1.2 数据的下载、整理与标准化
    2.2 基于生物信息学筛选胰腺癌的潜在生物标志物
        2.2.1 加权基因共表达网络分析(WGCNA)
        2.2.2 基因-基因互作分析
        2.2.3 差异表达分析验证
        2.2.4 生存分析
        2.2.5 细胞表达水平的RNA-Seq数据验证
    2.3 基于分子生物学实验验证关键基因在细胞和组织中的表达
        2.3.1 胰腺癌细胞系
        2.3.2 胰腺癌组织芯片
        2.3.3 实验仪器、设备、试剂
        2.3.4 实时荧光定量逆转录PCR(qRT-PCR)
        2.3.5 免疫组织化学(IHC)
    2.4 探索关键基因与胰腺癌之间的内在关联
        2.4.1 基因突变、DNA甲基化及拷贝数变异分析
        2.4.2 蛋白互作分析
        2.4.3 TSPAN1与胰腺癌高频突变基因的相关性分析
        2.4.4 关键基因与免疫微环境的关系分析
    2.5 基于机器学习构建胰腺癌的诊断模型
        2.5.1 单个基因的诊断价值评价
        2.5.2 诊断模型的构建及验证
        2.5.3 诊断模型的鉴别诊断能力评价
3 结果
    3.1 纳入本研究的公共数据及质量控制
        3.1.1 纳入本研究的公共数据
        3.1.2 基因芯片的质量控制
        3.1.3 转录组测序数据的质量控制
    3.2 基于生物信息学筛选胰腺癌的潜在生物标志物
        3.2.1 加权基因共表达网络分析(WGCNA)
        3.2.2 基因-基因互作分析
        3.2.3 差异表达分析验证
        3.2.4 生存分析
        3.2.5 细胞表达水平的RNA-Seq数据验证
    3.3 基于分子生物学实验验证关键基因在细胞和组织中的表达
        3.3.1 实时荧光定量逆转录PCR(qRT-PCR)
        3.3.2 免疫组织化学(IHC)
    3.4 探索关键基因与胰腺癌之间的内在关联
        3.4.1 基因突变、DNA甲基化及拷贝数变异分析
        3.4.2 蛋白互作分析
        3.4.3 TSPAN1与胰腺癌高频突变基因的相关性
        3.4.4 关键基因与免疫微环境的关系分析
    3.5 基于机器学习构建胰腺癌的诊断模型
        3.5.1 单个基因的诊断价值评价
        3.5.2 模型的构建
        3.5.3 模型的验证
        3.5.4 模型的鉴别诊断能力评价
4 讨论
    4.1 基于生物信息学筛选胰腺癌的潜在生物标志物
    4.2 基于分子生物学实验验证关键基因在细胞和组织中的表达
    4.3 探索关键基因与胰腺癌之间的内在关联
    4.4 基于机器学习构建胰腺癌的诊断模型
    4.5 本研究的优点及局限性
5 结论
参考文献
综述 多组学在胰腺癌中的研究进展
    1 前言
    2 基因组学(Genomics)
    3 转录组学(Transcriptomics)
    4 蛋白质组学(Proteomics
        4.1 血液(血清、血浆)
        4.2 胰液
        4.3 尿液
        4.4 组织
    5 代谢组学(Metabolomics)
    6 微生物组学(Microbiome)
    7 展望
    参考文献
附录
    附录A 本研究纳入研究的数据下载与整理
        1 纳入数据的下载与整理
        2 数据的合并、注释和整理
    附录B 加权基因共表达网络分析(WGCNA)
    附录C 差异表达分析
        1 基因芯片的差异表达分析
        2 转录组测序(RNA-Seq)数据的差异表达分析
    附录D 探索关键基因与胰腺癌之间的内在关联
        1 基因突变分析
        2 DNA甲基化分析
        3 免疫浸润分析
    附录E 基于机器学习构建胰腺癌的诊断模型
        1 预测模型构建
        2 预测模型验证
    附录F 关键蛋白相互作用蛋白的富集分析
个人简历
致谢


【参考文献】：
期刊论文
[1]胰腺癌肿瘤微环境的治疗进展与思考[J]. 候泽健,胡明道,陈鹏.  中国临床研究. 2020(01)
[2]胰腺癌抑制性免疫微环境促进肿瘤细胞化疗耐药的研究进展[J]. 周怡章,郭肖凡,陈志强,高松.  中国肿瘤临床. 2019(18)
[3]DNA甲基化在基因表达调控中的意义及研究进展[J]. 钟焱,徐慧,彭凤兰.  中国医药导报. 2019(14)
[4]胰腺癌生物标志物研究进展[J]. 汪明琼,杨秀珍,汤丽平.  现代医药卫生. 2018(14)
[5]2014年中国胰腺癌发病与死亡分析[J]. 杨军,李贺,郑荣寿,张思维,曾红梅,孙可欣,夏昌发,杨之洵,陈万青.  中国肿瘤. 2018(06)
[6]胰腺癌的早期诊断[J]. 吕翼,魏若征,吴河水.  临床急诊杂志. 2018(03)
[7]Microbiome and pancreatic cancer: A comprehensive topic review of literature[J]. Natalie Ertz-Archambault,Paul Keim,Daniel Von Hoff.  World Journal of Gastroenterology. 2017(10)
[8]蛋白质组学对于胰腺癌诊断的研究进展[J]. 贾凯,党学义.  中华临床医师杂志(电子版). 2015(15)
[9]Current status and progress of pancreatic cancer in China[J]. Quan-Jun Lin,Feng Yang,Chen Jin,De-Liang Fu.  World Journal of Gastroenterology. 2015(26)
[10]Pancreatic cancer early detection:Expanding higher-risk group with clinical and metabolomics parameters[J]. Shiro Urayama.  World Journal of Gastroenterology. 2015(06)

博士论文
[1]加权基因共表达网络分析（WGCNA）探索肺腺癌中的功能基因模块[D]. 赵志洪.北京协和医学院 2017
[2]黏蛋白O-型糖链的生物学意义及Ascl2自调控的研究[D]. 叶钧.第三军医大学 2017
[3]加权基因共表达网络分析（WGCNA）在食管鳞癌中的应用[D]. 王攀.北京协和医学院 2014

硕士论文
[1]抑癌基因p14ARF启动子异常甲基化对肺癌生物学功能影响[D]. 贾炳阳.青岛大学 2019
[2]粘蛋白型O-聚糖对人结直肠癌细胞的生物学行为的影响[D]. 程瑜蓉.首都医科大学 2016
[3]通过共表达网络分析（WGCNA）研究前列腺癌症中的特异表达因子[D]. 黄克非.南昌大学 2014



本文编号：3629593