【摘要】：多形性膠質(zhì)母細胞瘤(Glioblastoma Multiforme,GBM)在世界范圍內(nèi)是成人中樞神經(jīng)系統(tǒng)中最常見并且惡性程度最高的原發(fā)性腫瘤,在全部類型的腦膠質(zhì)瘤中能夠占到50%以上。盡管當今的治療手段不斷進步,但是在臨床實踐中仍未能取得令人滿意的效果,GBM患者的預(yù)后很差,中位生存期約為12個月。為了改善GBM患者的預(yù)后,腫瘤科學家們進行了大量的研究,但是到目前為止,其病因、發(fā)病機制和預(yù)后狀況仍然尚未完全明了。大量的研究表明多形性膠質(zhì)母細胞瘤是一個多基因參與、多蛋白質(zhì)參與、經(jīng)過多階段才最終形成的極其復(fù)雜的生物學現(xiàn)象。然而,究竟是哪些基因、蛋白質(zhì)對多形性膠質(zhì)母細胞瘤患者生存時間具有一定的影響不明確。因此,探索這些因素對改善多形性膠質(zhì)母細胞瘤患者的預(yù)后及靶向治療具有重要意義。本文對多形性膠質(zhì)母細胞瘤致病機理進行研究,構(gòu)建了一個多維度多形性膠質(zhì)母細胞瘤研究模型,旨在找出對GBM有重要影響的關(guān)鍵蛋白質(zhì),其本文的主要工作如下:1、篩選GBM關(guān)鍵基因。該部分主要分為3個步驟:(a)數(shù)據(jù)收集與預(yù)處理。(b)獲取差異基因。對預(yù)處理后的數(shù)據(jù),分別利用CoxLasso算法、CoxSis算法以及CoxSisLasso算法進行生存分析,尋找對GBM患者生存時間有顯著性影響的差異基因;(c)獲取關(guān)鍵基因。對三種算法獲得的差異基因取交集,作為最終的GBM關(guān)鍵基因。2、RPPA(Reverse Phase Protein Arrays)實驗設(shè)計及數(shù)據(jù)預(yù)處理。該部分主要分為2個步驟:(a)根據(jù)實驗設(shè)計原則,RPPA實驗利用反相蛋白質(zhì)陣列技術(shù)在兩個細胞系U251和LN229中通過改變AEBP1(Adipocyte Enhancer Binding Protein 1)基因表達量,來觀察蛋白質(zhì)的表達量,從而獲得RPPA數(shù)據(jù);(b)集成三種數(shù)據(jù)預(yù)處理方法,即NormLinear、NormLog2和NormLog2_MedianCentered。數(shù)據(jù)分布常為偏態(tài)、標準差較大,不同數(shù)據(jù)預(yù)處理方法的分析結(jié)果中會出現(xiàn)一定的隨機誤差。因此,本文對RPPA原數(shù)據(jù)集成三種預(yù)處理方法,并對預(yù)處理數(shù)據(jù)分析的結(jié)果取交集作為最終結(jié)果,這對結(jié)果的精確性及可信度都會有很大的提高。3、篩選GBM關(guān)鍵蛋白質(zhì)。該部分主要是基于第1步篩選出的關(guān)鍵基因AEBP1,推導(dǎo)出與AEBP1基因相關(guān)的關(guān)鍵蛋白質(zhì),即對GBM有影響的關(guān)鍵蛋白質(zhì)。主要分為2個步驟:(a)獲取顯著性差異的蛋白質(zhì)。由于生物實驗周期長、耗費高,導(dǎo)致本文RPPA數(shù)據(jù)的樣本量太小,所以用一般的統(tǒng)計學檢驗來獲得有顯著性差異的蛋白質(zhì)會使結(jié)果有一定的偏差。本文采用置換檢驗和區(qū)組設(shè)計結(jié)合的方法來解決樣本量小的問題,進而獲得顯著性差異的蛋白質(zhì);(b)關(guān)鍵蛋白質(zhì)。為了GBM的靶向制藥,將獲取的差異蛋白質(zhì)進一步利用Cox回歸算法、Conditional Quantile Screening算法及Cbioportal網(wǎng)站三種方法進行生存分析,然后,對三種算法獲得的結(jié)果取交集,作為對GBM患者生存時間有顯著性影響的關(guān)鍵蛋白質(zhì)。本文通過真實的生物實驗數(shù)據(jù),構(gòu)建了一個多維度研究模型,篩選出GBM的關(guān)鍵基因和關(guān)鍵蛋白質(zhì)。總之,它可以提高對GBM致病機理的認識,改善患者預(yù)后。這樣不僅為GBM靶向治療打下基礎(chǔ),而且可以為更深一步的理論研究提供新的思路。
【圖文】：

對多形性膠質(zhì)母細胞瘤致病機理的研究，根據(jù)實驗數(shù)據(jù)建立一套完整的數(shù)據(jù)分析流程，探索在多形性膠質(zhì)母細胞瘤起關(guān)鍵作用的蛋白質(zhì)和基因，為在臨床上進行靶向治療提供理論支撐。2.1 生物技術(shù)2.1.1 蛋白質(zhì)微陣列技術(shù)蛋白質(zhì)微陣列[26]，也稱蛋白質(zhì)芯片，是一門微電子、微機械、化學等與生命科學結(jié)合的新興技術(shù)。目的是為研究蛋白質(zhì)表達譜、蛋白質(zhì)間相互作用或者尋找靶蛋白來篩選藥物等。該技術(shù)利用了蛋白質(zhì)特異結(jié)合的機理，按照提前規(guī)定好的順序?qū)⒋罅康鞍踪|(zhì)分子固定在載體表面，形成一種微陣列。蛋白質(zhì)微陣列技術(shù)不僅可以同時對成千上萬的蛋白質(zhì)的活性、功能、相互作用進行分析，，而且使檢測系統(tǒng)小型化，從而大大節(jié)約了樣本和試劑的用量，縮短了檢測時間，提高了敏感性，使成本效益比大大降低。圖 2.1(a)和圖 2.1(b)分別展示了正相和反相蛋白質(zhì)陣列的作用流程。

第 3 章 關(guān)鍵基因篩選第 3 章 關(guān)鍵基因篩選小節(jié)中，可以了解到已存在很多 GBM 關(guān)鍵基因篩選的方法的篩選和 GBM 患者的生存時間聯(lián)系起來。臨床上一般使用ogression-Free Survival）或總生存時間（Overall Survival）來和預(yù)后進行考核，所以本文把生存時間作為篩選關(guān)鍵基因的因選的準確性。但是由于本文的 GBM 基因表達數(shù)據(jù)“高維低），結(jié)果使傳統(tǒng)的生存分析方法很難對其予以有效的分析。本課題研究小組提出的 CoxSisLasso 算法，以及應(yīng)用此算法瘤患者的關(guān)鍵基因篩選進行研究。其中 3.1 節(jié)中介紹數(shù)據(jù)的中介紹關(guān)鍵基因篩選算法 CoxSisLasso，3.3 節(jié)中為本章節(jié)實節(jié)的流程圖如圖 3.1 所示：
【學位授予單位】：西南大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：R739.4;TP301.6

【參考文獻】

相關(guān)期刊論文 前3條

1 張慶華;宋凱;;蛋白質(zhì)芯片技術(shù)的發(fā)展與應(yīng)用[J];生物產(chǎn)業(yè)技術(shù);2010年04期

2 石羽杰,王瑋,霍克克;蛋白質(zhì)芯片技術(shù)的新進展[J];科技導(dǎo)報;2005年09期

3 陳瑋瑩;蛋白芯片的基本原理及技術(shù)研究現(xiàn)狀[J];國外醫(yī)學.臨床生物化學與檢驗學分冊;2002年01期

相關(guān)博士學位論文 前1條

1 龔愛華;FoxM1穩(wěn)定性及其促進Wnt/β-catenin轉(zhuǎn)錄活性機制的研究[D];江蘇大學;2013年

相關(guān)碩士學位論文 前2條

1 張璐;神經(jīng)母細胞瘤中SOX2、FoxM1表達與PI3K/AKT信號通路對其調(diào)控作用實驗研究[D];重慶醫(yī)科大學;2017年

2 陳東;癌癥基因微陣列分類方法的研究[D];湖南大學;2012年

本文編號：2704234