基于GC-TOF-MS及UHPLC-MS/MS雙重技術(shù)的Ⅰ型子宮內(nèi)膜癌代謝組學(xué)研究
發(fā)布時(shí)間:2021-04-02 06:48
研究背景:子宮內(nèi)膜癌是嚴(yán)重危害女性健康的惡性腫瘤。根據(jù)2015年公布的統(tǒng)計(jì)數(shù)據(jù),全球范圍內(nèi),子宮內(nèi)膜癌新發(fā)病例為319,600,位居女性惡性腫瘤第六位,并且在經(jīng)濟(jì)發(fā)達(dá)國家,發(fā)病率高達(dá)第四位。隨著我國經(jīng)濟(jì)水平的上升,患有高血壓、肥胖、糖尿病和高脂血癥等子宮內(nèi)膜癌高危因素的女性人數(shù)顯著增加,該病發(fā)病率呈逐年遞增趨勢。子宮內(nèi)膜癌分為兩型(I型和II型),其中I型即雌激素依賴型子宮內(nèi)膜癌為子宮內(nèi)膜癌中最常見類型(80%),且發(fā)病呈年輕化趨勢,如何明確I型子宮內(nèi)膜癌發(fā)生發(fā)展的分子機(jī)制并尋求精準(zhǔn)預(yù)測、早期診斷和早期治療的靶體分子是當(dāng)前研究的熱點(diǎn)和重點(diǎn)。由于I型子宮內(nèi)膜癌為激素依賴性腫瘤,常存在多種代謝通路異常,因此已描述生物體代謝變化規(guī)律的“代謝組學(xué)”為實(shí)現(xiàn)這一目標(biāo)提供了實(shí)驗(yàn)基礎(chǔ)。代謝組學(xué)一方面對(duì)內(nèi)源性代謝物整體及其動(dòng)態(tài)變化規(guī)律進(jìn)行檢測、量化,并尋找有效的內(nèi)源性小分子標(biāo)志物(核酸、氨基酸、脂肪酸、糖類等),作為疾病診斷及個(gè)體化治療監(jiān)測的依據(jù);另一方面確定該變化規(guī)律與生物過程的有機(jī)聯(lián)系,從而揭示疾病的發(fā)生發(fā)展機(jī)理,使人們對(duì)腫瘤細(xì)胞的生命活動(dòng)有了更深層次的理解,為腫瘤的研究提供了一個(gè)新的角度,并顯示出...
【文章來源】:浙江大學(xué)浙江省 211工程院校 985工程院校 教育部直屬院校
【文章頁數(shù)】:131 頁
【學(xué)位級(jí)別】:博士
【部分圖文】:
圖1.2腫瘤組對(duì)疾病對(duì)照組血清樣本PCA得分散點(diǎn)圖??
?40??PC【1]??圖1.2腫瘤組對(duì)疾病對(duì)照組血清樣本PCA得分散點(diǎn)圖??圖中PC[1]和PC[2]分別代表排名第一和第二的主成分得分,不同的散點(diǎn)顏色??和形狀代表不同的樣本分組,藍(lán)色示腫瘤組血清樣本,綠色示疾病對(duì)照組血清樣??本。圖中散點(diǎn)分布較分散,從各散點(diǎn)分布情況可見腫瘤組和疾病對(duì)照組血清樣本??的區(qū)分在排名靠前的主成分上不太顯著,聚類不明顯,無顯著分組趨勢,樣本基??本全部處于95%置信區(qū)間內(nèi)。相較于細(xì)胞培養(yǎng)和動(dòng)物實(shí)驗(yàn),由于臨床病人的遺傳??背景較復(fù)雜、飲食習(xí)慣和生活環(huán)境各異,因此兩組血清樣本間聚類不顯著是可以??理解的,因此該數(shù)據(jù)值得進(jìn)一步研究。??2.2.22正交偏最小二乘法-判別分析(OPLS-DA)??由于相關(guān)變量影響
浙江大學(xué)博丄?學(xué)位論文?第一部分結(jié)果??2.2.4差異代謝物KEGG分析及代謝通路分析??本實(shí)驗(yàn)使用代謝網(wǎng)絡(luò)研究最常用的KEGG?Pathway數(shù)據(jù)庫。將差異性代謝物??結(jié)果在KEGG數(shù)據(jù)庫中映射,整理出差異代謝物映射的所有通路,并在KEGG通??路圖上標(biāo)著差異性代謝物,紅色代表上調(diào),藍(lán)色代表下調(diào)。??ICEGG分析僅找到所有差異代謝物參與的通路,但這些通路是否與實(shí)驗(yàn)條件??密切相關(guān),我們還需要對(duì)差異代謝物進(jìn)行富集分析和拓?fù)浞治觥??
本文編號(hào):3114800
【文章來源】:浙江大學(xué)浙江省 211工程院校 985工程院校 教育部直屬院校
【文章頁數(shù)】:131 頁
【學(xué)位級(jí)別】:博士
【部分圖文】:
圖1.2腫瘤組對(duì)疾病對(duì)照組血清樣本PCA得分散點(diǎn)圖??
?40??PC【1]??圖1.2腫瘤組對(duì)疾病對(duì)照組血清樣本PCA得分散點(diǎn)圖??圖中PC[1]和PC[2]分別代表排名第一和第二的主成分得分,不同的散點(diǎn)顏色??和形狀代表不同的樣本分組,藍(lán)色示腫瘤組血清樣本,綠色示疾病對(duì)照組血清樣??本。圖中散點(diǎn)分布較分散,從各散點(diǎn)分布情況可見腫瘤組和疾病對(duì)照組血清樣本??的區(qū)分在排名靠前的主成分上不太顯著,聚類不明顯,無顯著分組趨勢,樣本基??本全部處于95%置信區(qū)間內(nèi)。相較于細(xì)胞培養(yǎng)和動(dòng)物實(shí)驗(yàn),由于臨床病人的遺傳??背景較復(fù)雜、飲食習(xí)慣和生活環(huán)境各異,因此兩組血清樣本間聚類不顯著是可以??理解的,因此該數(shù)據(jù)值得進(jìn)一步研究。??2.2.22正交偏最小二乘法-判別分析(OPLS-DA)??由于相關(guān)變量影響
浙江大學(xué)博丄?學(xué)位論文?第一部分結(jié)果??2.2.4差異代謝物KEGG分析及代謝通路分析??本實(shí)驗(yàn)使用代謝網(wǎng)絡(luò)研究最常用的KEGG?Pathway數(shù)據(jù)庫。將差異性代謝物??結(jié)果在KEGG數(shù)據(jù)庫中映射,整理出差異代謝物映射的所有通路,并在KEGG通??路圖上標(biāo)著差異性代謝物,紅色代表上調(diào),藍(lán)色代表下調(diào)。??ICEGG分析僅找到所有差異代謝物參與的通路,但這些通路是否與實(shí)驗(yàn)條件??密切相關(guān),我們還需要對(duì)差異代謝物進(jìn)行富集分析和拓?fù)浞治觥??
本文編號(hào):3114800
本文鏈接:http://sikaile.net/yixuelunwen/fuchankeerkelunwen/3114800.html
最近更新
教材專著