隨著醫(yī)學(xué)科學(xué)技術(shù)的不斷發(fā)展,人類的醫(yī)學(xué)經(jīng)歷了由經(jīng)驗(yàn)醫(yī)學(xué)到循證醫(yī)學(xué)的演化。而生物科學(xué)的進(jìn)步,更是將醫(yī)學(xué)推進(jìn)到了當(dāng)下火熱的精準(zhǔn)醫(yī)學(xué)階段。基因作為表達(dá)人們性狀的蛋白質(zhì)的基本組成單位,在精準(zhǔn)醫(yī)學(xué)的研究中有著至關(guān)重要的地位,同時(shí),基因芯片和高通量測(cè)序的發(fā)展為研究不同狀態(tài)下（如用藥及對(duì)照,癌癥及癌旁）全基因組范圍內(nèi)的差異提供了強(qiáng)有力的工具�；虻谋磉_(dá)在很大程度上受到藥物的調(diào)控,可以受多種藥物調(diào)控的基因相對(duì)于僅能受非常少藥物或者是不受藥物調(diào)控的基因在特性和功能上可能會(huì)有非常大的差異,對(duì)這兩種類型的基因進(jìn)行綜合的比較分析將有助于我們篩選疾病潛在的治療靶標(biāo)以及在疾病的副作用中起重要作用的基因。Connectivity Map（CMAP）數(shù)據(jù)庫(kù)由特有的基因組表達(dá)譜組成,包括1309種作用機(jī)制已知的具有生物活性的小分子處理人類細(xì)胞系后的全基因組表達(dá)譜。本次研究中,針對(duì)CMAP數(shù)據(jù)庫(kù)中檢測(cè)了表達(dá)值的基因,我們統(tǒng)計(jì)其在用不同的小分子處理前后發(fā)生了差異表達(dá)的次數(shù)（DEN）,在進(jìn)化和功能等不同層面比較了差異表達(dá)次數(shù)多的基因相對(duì)于差異表達(dá)次數(shù)少的基因之間的差異。我們的研究結(jié)果表明,用不同的小分子處理后相對(duì)于未處理時(shí)的... 

【文章來(lái)源】：天津醫(yī)科大學(xué)天津市 211工程院校

【文章頁(yè)數(shù)】：113 頁(yè)

【學(xué)位級(jí)別】：博士

【部分圖文】：

CMAP數(shù)據(jù)庫(kù)的工作原理

圖 2 本研究的流程圖。DEN 是 differential expression number 的縮寫(xiě)，即在 CMAP 中的差異表達(dá)次數(shù)。Wilcoxon 檢驗(yàn)[33]是由威爾科克森與 1945 年提出來(lái)的，它不要求檢驗(yàn)數(shù)據(jù)呈正態(tài)分布，把觀測(cè)值和零假設(shè)的中心位置之差的絕對(duì)值的秩分別按照不同的符號(hào)相加作為其檢驗(yàn)統(tǒng)計(jì)量，所以 Wilcoxon 檢驗(yàn)是 t 檢驗(yàn)不適用的非正態(tài)分布的變量的較好的檢驗(yàn)方法。并且，為了探索對(duì)藥物應(yīng)答敏感性不同的基因集在基因組上各自之間的距離的差異，我們首先計(jì)算了 down_h，down_l，up_h，up_l 基因集中兩兩基因之間的染色體距離（即兩基因位于同一染色體上時(shí)，兩基因的開(kāi)始或者是截尾之間間隔的堿基數(shù)），并且利用 Wilcoxon檢驗(yàn)對(duì) down_h 及 down_l 之間和 up_h及up_l 之間的染色體距離差異顯著性進(jìn)行了檢驗(yàn)，以探索對(duì)藥物應(yīng)答較敏感的基因在基因組上是否更傾向于聚集在一起。1.3 組織特異性表達(dá)分析在器官和組織空間水平上對(duì)人類蛋白質(zhì)的表達(dá)進(jìn)行歸類分析對(duì)人類生物學(xué)和疾病的研究是至關(guān)重要的[34]，現(xiàn)在有非常多的數(shù)據(jù)庫(kù)存儲(chǔ)了基因或者蛋白的

天津醫(yī)科大學(xué)博士學(xué)位論文 結(jié)果結(jié)果2.1 CMAP 中基因差異表達(dá)次數(shù)的分布CMAP 數(shù)據(jù)庫(kù)中存儲(chǔ)了 1309 種有生物活性的小分子處理人類 MCF7，ssMCF7 ， PC3 ， HL60 和 SKMEL5 細(xì)胞系后的基因表達(dá)譜數(shù)據(jù)，基于Affymetrix Human Genome U133A 芯片進(jìn)行檢測(cè)基因表達(dá)值，共包含了 2214個(gè)探針（對(duì)應(yīng) 12637個(gè)基因）。我們利用 limma函數(shù)包求了每個(gè)小分子處理細(xì)胞系后相對(duì)于處理前的差異倍數(shù)，這樣總的得到了 6101 個(gè)差異倍數(shù)，形成了12637 行 6101 列的矩陣，矩陣的行代表基因，列代表小分子處理細(xì)胞系后的樣本，矩陣中的數(shù)值代表差異倍數(shù)。差異倍數(shù)矩陣的部分例子見(jiàn)圖 3。以差異倍數(shù)大于 2（小分子處理后相對(duì)于處理前高表達(dá)）或小于 0.5（小分子處理后相對(duì)于處理前低表達(dá)）作為差異表達(dá)的閾值，我們統(tǒng)計(jì)了每個(gè)基因的顯著上調(diào)和顯著下調(diào)的次數(shù)。圖 4展示了所有基因的顯著下調(diào)次數(shù)和顯著上調(diào)次數(shù)的分布。

【參考文獻(xiàn)】：
期刊論文
[1]MiRNA as potential biomarkers and therapeutic targets for gastric cancer[J]. Vivian Yvonne Shin,Kent-Man Chu.  World Journal of Gastroenterology. 2014(30)
[2]Effects of SNPs at Newly Identified Lipids Loci on Blood Lipid Levels and Risk of Coronary Heart Disease in Chinese Han Population:A Case Control Study[J]. 壯可,張文才,張曉博,吳芳琴,程龍獻(xiàn).  Journal of Huazhong University of Science and Technology（Medical Sciences）. 2011(04)



本文編號(hào)：3361576