本文關鍵詞： miRNA 高級別卵巢漿液性囊腺癌 人工神經網絡 預后 TCGA　出處：《吉林大學》2017年碩士論文　論文類型：學位論文

【摘要】：背景與目的:卵巢癌(ovarian cancer,OC)是婦科常見的惡性腫瘤之一,其死亡率居婦科惡性腫瘤之首。卵巢上皮癌(Epithelial ovarian cancer,EOC)占卵巢癌的90%左右,其中卵巢漿液性囊腺癌(Ovarian serous cystadenocarcinoma,OV)是卵巢上皮癌的主要組織學類型(占75-80%)。早期卵巢漿液性囊腺癌患者治療反應良好,基本可以達到治愈,但大多數發(fā)現(xiàn)時已為II期以上,即使積極行腫瘤細胞減滅術及術后輔助化療但仍避免不了復發(fā)、轉移死亡。因此,目前許多研究者正積極探索卵巢癌特異性的預后因子,用于指導臨床上早期采取干預措施改善預后。其中,微小RNA(micro RNA,miRNA)與卵巢癌的關系的研究是目前的熱點,大多數研究發(fā)現(xiàn)miRNA與卵巢癌預后有一定關系。miRNAs是內源性非編碼RNAs,在生物體中是高度保守的,是基因表達的轉錄后調控因子。miRNA在許多生物過程中的多個方面發(fā)揮復雜的作用。大多數研究均假設miRNA的表達和疾病表型之間是線性關系,而這個假設目前并沒有得到證實。許多研究表明一個miRNA可以調控多個信使RNA(messenger RNA,m RNA),而多個miRNA又能精確調控一個m RNA。換言之,各個miRNA之間不是相互獨立的。因此,我們推測miRNA表達與疾病表型之間不是線性關系,而是非線性關系。人工神經網絡(Artificial neural network,ANN)是一種人工智能模型,是類似生物神經網絡的信息處理結構,它對解決一些非線性、非平穩(wěn)、復雜的問題具有較好的預測性能。其中,常用的多層感知器(multi-layer perceptron,MLP)是一種簡單的前饋網絡,類似于單個生物神經元。人工神經網絡是生物信息學潛在的強大的工具,已經在許多領域、不同水平上成功應用。有學者統(tǒng)計了Pub Med中參考神經網絡的生物信息學論文的數量呈顯著增長趨勢。癌癥基因組圖譜(The Cancer Genome Atlas,TCGA)計劃是由美國政府發(fā)起的、由美國國家癌癥研究所(National Cancer Institute,NCI)和國家人類基因組研究所(National Human Genome Research Institute,NHGRI)共同實施的,是目前為止世界上進行的最大的一項基因工程,它以人類基因組計劃(Human Genome Project,HGP)的成果為基礎,研究癌癥基因組的變化,相當于100多個HGP。TCGA網上平臺是基于這項計劃的研究結果建立的一個公共數據庫,是目前最大和最常用的公共資源,可以免費提供給世界各地的研究者。TCGA的強大的數據驅動平臺——基因組數據共享平臺(Genomic Data Commons Data Portal,GDC),可以鏈接到外部分析工具,如c Bio Portal網站、Firehose網站,本研究也用到了這兩個分析工具。迄今為止,TCGA研究人員通過大規(guī)模的基因組測序和整體的多維分析,已經產生、分析并提供了約30種不同腫瘤樣本的基因組序列、表達、甲基化和拷貝數變異的數據。TCGA項目于2011年就已經分析了488例高級別卵巢漿液性囊腺癌(high-grade ovarian serous cystadenocarcinoma,HGS-OvCa)的miRNA表達。但是,即使TCGA是一個強大的、組織良好的分子數據庫,其數據挖掘也仍然有限。本研究納入了TCGA關于高級別卵巢漿液性囊腺癌的臨床數據及miRNA表達數據,并應用ANN模型研究miRNA與高級別卵巢漿液性囊腺癌預后的關系。數據與方法:在TCGA平臺下載高級別卵巢漿液性囊腺癌的臨床數據,使用標準統(tǒng)計學方法來分析臨床數據,包括log-rank檢驗和Cox回歸分析及描述性統(tǒng)計分析。結合所有統(tǒng)計檢驗結果,當p0.05時考慮有統(tǒng)計學意義。在TCGA平臺下載與高級別卵巢漿液性囊腺癌相關的miRNAs表達數據,并利用GDC分析工具篩選出與高級別卵巢漿液性囊腺癌生存期相關的miRNAs,選擇log-rank檢驗p值最小的10個miRNAs建立預測高級別卵巢漿液性囊腺癌預后的人工神經網絡模型。分析主要使用SPSS 19.0進行。結果:1、高級別卵巢漿液性囊腺癌的生存期與年齡、腫瘤分期、細胞減滅術后殘留病灶直徑、對鉑類藥物敏感性相關。2、miRNAs在不同的病例樣本中表達不同。3、在TCGA平臺利用GDC分析工具篩選出56個可能與高級別卵巢漿液性囊腺癌預后相關的miRNAs,并構建了miRNA預測高級別卵巢漿液性囊腺癌患者預后的人工神經網絡模型。結論:1、高級別卵巢漿液性囊腺癌患者的臨床預后因素包括年齡、腫瘤分期、細胞減滅術后殘留病灶直徑以及對鉑類藥物敏感性。2、miRNA的表達與高級別卵巢漿液性囊腺癌患者預后相關。3、miRNA的人工神經網絡模型可用于預測高級別卵巢漿液性囊腺癌患者的預后。
[Abstract]:BACKGROUND & OBJECTIVE : Ovarian cancer ( EOC ) is one of the most common malignant tumors in ovarian cancer . To date , TCGA researchers have analyzed the clinical data and miRNA expression data of high - grade ovarian serous cystadenocarcinoma ( HGS - OvCa ) , which is based on the results of human genome project ( HGP ) . We analyzed the clinical data , including log - rank test and Cox regression analysis and descriptive statistics analysis , by using standard statistical methods .

【學位授予單位】：吉林大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：R737.31

【相似文獻】

相關期刊論文 前10條

1 張東方,沙明,楊松松,李一波,曹愛民,孟憲生;人工神經網絡在中藥領域中的應用現(xiàn)狀及前景[J];中草藥;2003年01期

2 任宏;人工神經網絡及其在預防醫(yī)學領域的應用[J];上海預防醫(yī)學雜志;2003年01期

3 趙應征,趙愛國,魯翠濤,韓鐵 ,梅興國;人工神經網絡在藥學研究中的應用進展[J];解放軍藥學學報;2003年06期

4 楊鈞,周新華,馬大慶;人工神經網絡及其在胸部放射學中的應用[J];中華放射學雜志;2004年02期

5 金玉琴;趙群;施誠;;人工神經網絡及其在中藥研究中的應用[J];醫(yī)學信息;2007年06期

6 鄭義;陸輝;;人工神經網絡及其在藥學上的應用[J];黑龍江醫(yī)藥;2008年06期

7 李麗霞;張敏;郜艷暉;張丕德;周舒冬;;人工神經網絡在醫(yī)學研究中的應用[J];數理醫(yī)藥學雜志;2009年01期

8 徐俊芳;周曉農;;人工神經網絡在傳染病研究中的應用[J];中國寄生蟲學與寄生蟲病雜志;2011年01期

9 王欣萍;孫昕;孫堯;;基于BP人工神經網絡模型構建電子病歷系統(tǒng)的數據分析[J];中國組織工程研究與臨床康復;2011年35期

10 李光芬,強勇;人工神經網絡在醫(yī)學中的應用[J];醫(yī)學信息;1998年12期

相關會議論文 前10條

1 吳兵;;一種具有語義分布的自構造的新人工神經網絡系統(tǒng)及其應用[A];1999年中國神經網絡與信號處理學術會議論文集[C];1999年

2 劉R，

本文編號：1444970