【摘要】：【目的】通過SNP基因芯片結(jié)合生物信息學(xué)方法,研究芯片中與胃癌相關(guān)長鏈非編碼RNA(lnc RNA)單核苷酸多態(tài)性位點(diǎn)(single nucleotide polymorphisms,SNPs)的分布特征,繼而探索與胃癌發(fā)生相關(guān)的新的基因間長鏈非編碼RNA(linc RNA)SNPs,從而篩選與胃癌關(guān)系最為密切的linc RNA SNPs,并通過比較和分析胃癌病例組和對照組候選的linc RNA SNPs,研究其與胃癌發(fā)病風(fēng)險(xiǎn)的關(guān)系。在前期研究的基礎(chǔ)上篩選與胃癌相關(guān)的環(huán)境危險(xiǎn)因素和遺傳因素,構(gòu)建胃癌的發(fā)病風(fēng)險(xiǎn)預(yù)測模型,為仙游當(dāng)?shù)匚赴└呶Ｈ巳旱暮Y查提供工具。【方法】1.應(yīng)用1:1配對病例對照研究方法,利用Affymetrix生產(chǎn)的900K Axiom Precision Medicine Research Array對來自福建仙游的96例男性胃腺癌患者和96例健康對照的外周血白細(xì)胞中的總DNA進(jìn)行單核苷酸多態(tài)性檢測。利用HGNC數(shù)據(jù)庫篩選出芯片中長鏈非編碼RNA(lnc RNA)的SNPs,進(jìn)而利用SPSS 20.0和Excel軟件對lnc RNA的SNPs位點(diǎn)進(jìn)行卡方檢驗(yàn),篩選胃腺癌組與對照組有統(tǒng)計(jì)學(xué)差異的SNPs,并采用卡方檢驗(yàn)分析lnc RNA的SNPs的分布情況,結(jié)合生物信息學(xué)(linc RNA數(shù)據(jù)庫)進(jìn)一步篩選新的基因間長鏈非編碼RNA(linc RNA)的SNPs,并分析linc RNA SNPs的分布情況。2.在SNP基因芯片篩選的基礎(chǔ)上,選取最小等位基因頻率(MAF)=0.10~0.40、哈代溫伯格平衡檢驗(yàn)P0.05的SNPs與db SNP數(shù)據(jù)庫做交集,通過查閱文獻(xiàn)以及構(gòu)建基因模型,篩選出候選linc RNA SNPs。增加胃腺癌組和對照組的樣本量各622例,采用Sequenom Mass ARRAY技術(shù)檢測候選SNPs位點(diǎn)的基因型,運(yùn)用COX模型進(jìn)行條件Logistic回歸分析各linc RNA SNPs與胃癌的關(guān)聯(lián)。3.對課題組現(xiàn)場流行病學(xué)數(shù)據(jù)和大樣本SNPs結(jié)果數(shù)據(jù)進(jìn)行分析,篩選與胃癌發(fā)病相關(guān)的環(huán)境因素和遺傳因素,借助懷卡托智能分析環(huán)境(Waikato Environment for Knowledge Analysis,WEKA)平臺中的5種統(tǒng)計(jì)模式識別算法,即貝葉斯網(wǎng)絡(luò)(Bayes Net)、邏輯判別(Logistic)、支持向量機(jī)(SMO)、決策樹C4.5算法(C4.5)和隨機(jī)森林(Random Forest),分別構(gòu)建3種不同類型變量(環(huán)境因素、遺傳因素和同時(shí)加入環(huán)境因素和遺傳因素)的胃癌發(fā)病風(fēng)險(xiǎn)預(yù)測模型,比較5種模型的判別正確率、真陽性率、假陽性率、精確率、反饋率、F-測量和ROC曲線下面積等的差異性,并通過組內(nèi)回代、外推預(yù)測和交叉驗(yàn)證來評價(jià)模型的適用性,篩選出適合仙游縣地區(qū)理想的發(fā)病風(fēng)險(xiǎn)模型或組合模型�！窘Y(jié)果】1.從SNP基因芯片中篩選出與胃癌相關(guān)的lnc RNA位點(diǎn)共131670個(gè),涉及85%以上的lnc RNA。(1)lnc RNA的SNPs的分布特征:在胃腺癌組和對照組中具有統(tǒng)計(jì)學(xué)差異的SNPs共3068個(gè),其中1837個(gè)位點(diǎn)分布在基因間lnc RNA(linc RNA);在8號染色體長臂端和20號染色體短臂端形成基因突變熱點(diǎn)區(qū)域,而23號染色體是一個(gè)基因突變保守區(qū)域。(2)linc RNA的SNPs的分布特征:對篩選出有差異的linc RNA的轉(zhuǎn)錄本的構(gòu)成比分析,發(fā)現(xiàn)單個(gè)轉(zhuǎn)錄本的linc RNA較多,占總體43.46%;對linc RNA SNPs的連鎖位點(diǎn)靶基因進(jìn)行GO富集分析,發(fā)現(xiàn)靶基因集合富集在β-連環(huán)素結(jié)合位點(diǎn)的分子功能上。2.進(jìn)一步篩選出與胃癌關(guān)系最密切的位點(diǎn)共有10個(gè),對這10個(gè)候選SNPs擴(kuò)大樣本量分析發(fā)現(xiàn):LINC00687基因多態(tài)性位點(diǎn)rs2795025與胃癌易感性相關(guān),攜帶rs2795025 CC基因型增加胃癌的發(fā)病風(fēng)險(xiǎn)(ORa=1.94,95%CI:1.12,3.34)。LINC02122基因多態(tài)性位點(diǎn)rs10036719和rs12516079與胃賁門癌易感性相關(guān),攜帶rs10036719 GG基因型增加患賁門癌的發(fā)病風(fēng)險(xiǎn)(ORa=1.84,95%CI:1.05,3.23);攜帶rs12516079 AG和GG基因型降低賁門癌的發(fā)病風(fēng)險(xiǎn)(攜帶AG基因型ORa=0.48,95%CI:0.27,0.84,攜帶GG基因型ORa=0.54,95%CI:0.30,0.98)。聯(lián)合作用分析結(jié)果顯示:同時(shí)攜帶rs10036719和rs12516079的不良基因型者發(fā)生賁門癌的風(fēng)險(xiǎn)較高(OR=2.07,95%CI:1.69,2.53)。3.在5種統(tǒng)計(jì)模式識別貝葉斯網(wǎng)絡(luò)(Bayes Net)、邏輯判別(Logistic)、支持向量機(jī)(SMO)、決策樹C4.5算法(C4.5)、隨機(jī)森林(Random Forest)相互比較中,Logistic建立的模型的篩檢效果最好,其判別正確率為75.60%,ROC曲線下面積為0.826,且模型的組內(nèi)回代、外推預(yù)測和交叉驗(yàn)證表明Logistic模型的變化差異小,模型的穩(wěn)定性較好。在3種不同類型變量的胃癌發(fā)病風(fēng)險(xiǎn)預(yù)測模型中,遺傳因素構(gòu)建的模型,其判別正確率和ROC曲線下面積最差,環(huán)境因素構(gòu)建的模型次之,同時(shí)加入環(huán)境因素和遺傳因素構(gòu)建的模型最優(yōu)。初步構(gòu)建包含環(huán)境因素和遺傳因素的胃癌發(fā)病風(fēng)險(xiǎn)評分模型:Y=19×年齡+11×性別+8×吸煙-8×飲酒-12×飲茶+10×進(jìn)食速度快+7×高鹽飲食+9×暴飲暴食+10×喜燙食+13×喜硬食-5×食用水果+5×食用腌菜-7×rs10205233-3×rs10134160-3×rs12882235+1×rs2795035。該評分模型的ROC曲線下面積為0.715,靈敏度0.699,特異度0.627�！窘Y(jié)論】1.通過SNP基因芯片可以篩選與胃癌關(guān)系密切的lnc RNA基因多態(tài)性位點(diǎn),其中基因間長鏈非編碼RNA(linc RNA)的SNPs與胃癌關(guān)系最為密切。通過基因芯片篩選lnc RNA SNPs方法,性價(jià)比高且現(xiàn)實(shí)可行。2.本次研究新發(fā)現(xiàn)3個(gè)linc RNA SNPs與胃癌關(guān)系密切。LINC00687基因多態(tài)性位點(diǎn)rs2795025與胃癌易感性相關(guān),攜帶rs2795025 CC基因型增加胃癌的發(fā)病風(fēng)險(xiǎn)。LINC02122基因多態(tài)性位點(diǎn)rs10036719和rs12516079與胃賁門癌易感性相關(guān),攜帶rs10036719 GG基因型增加患賁門癌的發(fā)病風(fēng)險(xiǎn);攜帶rs12516079AG和GG基因型降低賁門癌的發(fā)病風(fēng)險(xiǎn),SNP可能作為遺傳標(biāo)記用來篩查高危人群。3.胃癌發(fā)病風(fēng)險(xiǎn)預(yù)測模型中同時(shí)納入環(huán)境因素(吸煙、飲酒、飲茶、進(jìn)食速度快、高鹽飲食、暴飲暴食、喜燙食、喜硬食、食用水果和食用腌菜)和遺傳因素(rs10205233),其模型的篩檢能力最優(yōu)。在五種胃癌發(fā)病風(fēng)險(xiǎn)預(yù)測模型中,Logistic構(gòu)建的胃癌發(fā)病風(fēng)險(xiǎn)預(yù)測模型的篩檢能力更好,適用于仙游縣胃癌高危人群的篩查。改善環(huán)境的危險(xiǎn)因素,針對不良基因型攜帶者給予健康教育和指導(dǎo),可以有效地控制和降低胃癌的發(fā)病率。
【圖文】：

圖 1.1 Poly High Resolution SNP 分型方法3 基因分型方法比較采用雙盲法，前兩批采用 MALDI-TOF 檢測的 42 個(gè) SNPs 與芯片中到 5 個(gè)位點(diǎn)，比較這 5 個(gè)位點(diǎn)分型結(jié)果，發(fā)現(xiàn)兩種方法檢測結(jié)果一致型失敗率低，說明芯片分型結(jié)果可靠，如表 1.11 所示。表 1.11 基因芯片分型與 Sequenom Mass ARRAY 分型檢測方法一致率比較P ID rs10431294 rs2515402 rs2724377 rs7290134 rs1805034 基數(shù) 38 38 124 124 118 堿基數(shù) 36 36 121 124 117 率（%） 94.74 94.74 97.58 100 99.15 芯片中差異長鏈非編碼 RNA（lncRNA） SNPs 分布特征的1 lncRNA SNPs 種類分布特征的分析在本研究中基因芯片中 lncRNA 的 SNPs 位點(diǎn)共有 131670 個(gè)，發(fā)現(xiàn)在

圖 1.2 lincRNA 的轉(zhuǎn)錄本數(shù)目構(gòu)成比個(gè)轉(zhuǎn)錄本；2 表示兩個(gè)轉(zhuǎn)錄本；3 表示三個(gè)轉(zhuǎn)錄本；4 表示四個(gè)轉(zhuǎn)上的轉(zhuǎn)錄本lincRNA SNPs 的連鎖位點(diǎn)靶基因富集分析釋文件，選取 lincRNA SNPs 上下游 250kb 范圍內(nèi)連鎖位共 252 個(gè)），運(yùn)用 DAVID 在線軟件對靶基因進(jìn)行富集分包括三個(gè)部分：細(xì)胞組分即細(xì)胞中的位置，指基因產(chǎn)物位物組中，，如糙面內(nèi)質(zhì)網(wǎng)等；分子功能描述在分子生物學(xué)上；生物學(xué)過程是由分子功能有序地組成的，具有多個(gè)步驟數(shù)據(jù)庫得到以上靶基因集合中 159 個(gè)基因的生物學(xué)過程注胞組成成分注釋信息和 158 個(gè)基因的分子功能注釋信息cRNA SNPs 連鎖位點(diǎn)靶基因富集在 β-連環(huán)素結(jié)合位點(diǎn)的計(jì)學(xué)差異，見表 1.14、1.15、1.16。KEGG 富集分析未見
【學(xué)位授予單位】：福建醫(yī)科大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：R735.2

【參考文獻(xiàn)】

相關(guān)期刊論文 前5條

1 李丹;楊發(fā)宏;肖文杰;吳傳城;顏偉;劉寶英;;福建省仙游縣2011-2012年胃癌死亡及生存狀況分析[J];中國預(yù)防醫(yī)學(xué)雜志;2015年06期

2 王棟;李漢忠;;散發(fā)型嗜鉻細(xì)胞瘤易感基因的熱點(diǎn)區(qū)域的篩選[J];基礎(chǔ)醫(yī)學(xué)與臨床;2015年01期

3 廖專;孫濤;吳浩;楊帆;鄒文斌;;中國早期胃癌篩查及內(nèi)鏡診治共識意見(2014年4月·長沙)[J];胃腸病學(xué);2014年07期

4 宋皓軍;俞秀沖;夏天;郭俊明;肖丙秀;;長鏈非編碼RNA與腫瘤的關(guān)系及其臨床價(jià)值[J];中國細(xì)胞生物學(xué)學(xué)報(bào);2012年07期

5 丘新堯，史奎雄，施榕,屠基陶，陳浩泉;胃癌的篩檢──模式識別程序建立及現(xiàn)場應(yīng)用[J];中國衛(wèi)生統(tǒng)計(jì);1994年05期

相關(guān)博士學(xué)位論文 前1條

1 曹傳輝;lincRNA-UFC1在肝癌發(fā)生發(fā)展中的作用及其機(jī)制的探討[D];南方醫(yī)科大學(xué);2016年

相關(guān)碩士學(xué)位論文 前3條

1 劉麗媛;乳腺癌危險(xiǎn)因素及高危人群評分篩選模型的初步研究[D];山東大學(xué);2010年

2 婁能俊;危險(xiǎn)因素評分法篩查無癥狀糖尿病及其效果評價(jià)[D];山東大學(xué);2008年

3 周標(biāo);胃癌危險(xiǎn)因素的隊(duì)列研究[D];浙江大學(xué);2005年

本文編號：2646820