背景:缺血性腦卒中是最常見的死亡和致殘原因之一,作為嚴重威脅人們生命安全和生活質(zhì)量的疾病,該疾病不僅給家庭帶來沉重的負擔,社會醫(yī)療資源也面臨嚴峻的考驗。流行病學的調(diào)查研究發(fā)現(xiàn)該疾病不僅發(fā)病率越來越高,而且呈現(xiàn)越來越低齡化的趨勢。臨床上對于錯過溶栓治療時間窗的該類疾病患者尚無有效精準的治療策略。因此,深入研究腦卒中發(fā)生發(fā)展的機制解決臨床問題已經(jīng)成為神經(jīng)學科亟待解決的重要課題。近年來,隨著對該疾病研究的不斷深入,miRNA與腦卒中疾病的相關性逐漸被人們認識。在人類基因中,三分之一的基因表達均受到各物種間具有高度保守性miRNA的調(diào)控而參與人體重要的生物調(diào)節(jié)過程如增殖分化,自噬凋亡等。并且,miRNA在脊椎動物中有一半與其他物種還具有同源性。這些特點為挖掘miRNA與疾病之間的關聯(lián)性提供了基礎,而且快速發(fā)展的高通量芯片技術為我們在基因組水平研究與疾病相關的分子機制提供了可能性。鑒于此,我們推斷（1）鑒于miRNA在細胞內(nèi)具有廣泛的生物學功能,建模的多條miRNAs共同作用在腦卒中損傷級聯(lián)中必有重要作用,通過研究缺血性腦卒中多條miRNAs的聯(lián)合功能,開啟了研究腦卒中損傷機制的新方式;（2）篩... 

【文章來源】：武漢科技大學湖北省

【文章頁數(shù)】：141 頁

【學位級別】：博士

【部分圖文】：

Weka主界面

18圖2.2：文件導入后所呈現(xiàn)的Explorer界面為了評估集合中的意義miRNAs預測模型的性能,在這過程中還可以勾選10倍交叉驗證的方法對模型的預測結(jié)果進行驗證。即將數(shù)據(jù)分為訓練集和測試集兩組，用訓練集對意義miRNAs進行訓練得出結(jié)果，用測試集對結(jié)果進行驗證評估。目前多個指標可用于對預測結(jié)果進行評估，如靈敏度，特異度等。其中，真陽性（TruePositive，TP）表示被正確預測的正樣本的個數(shù)，假陰性（FalseNegative，F(xiàn)N）表示正樣本中沒有被正確預測出的正樣本的個數(shù)，真陰性（TrueNegative，TN）表示被正確識別出的負樣本的個數(shù)，假陽性（FalsePositive，F(xiàn)P）表示負樣本中沒有被正確識別出的負樣本的個數(shù)。ROC曲線是以TP為縱坐標、FP為橫坐標所繪制的一條曲線，該曲線越靠近左上角表明預測結(jié)果準確性越高，即曲線下面積（AUC）越大時，計算模型的性能越優(yōu)。當兩者的值越接近1，則計算的模型性能越優(yōu)。最終存在的集合即為該方法所呈現(xiàn)的需要的意義基因模型。2.3.3腦卒中差異表達miRNAs的靶基因預測及生物信息學分析將建模的差異miRNAs分別導入TargetScan數(shù)據(jù)庫和miRDB數(shù)據(jù)庫進行序列推算。取兩者所預測到的靶基因維恩交集分析。將預測得到的靶基因使用軟件為DIANTools(http://diana.imis.athenainnovation.gr/DianaTool.index.phpr=site/page&view=software)進行KEGG的通路分析及GO的功能富集分析。2.3.4雙熒光素酶實驗驗證建模的意義miRNAs與靶標基因的關系生物信息學分析分析預測出miR-124/216與疾病存在良好的相關性，我們篩選出靶標基因CADM2進行鑒定，將CADM2和miR-124/216分別轉(zhuǎn)染進N2a細胞，實驗分組為對照組、miR-216-mimics（空載體組、CADM23’-UTR野生

23miRNAs，GSE51586中可利用的miRNAs5140條，GSE84216中包含的miRNA數(shù)為1892條及三者共有的重疊miRNAs數(shù)為696條。如圖所示最終696條共有的miRNAs入選為我們進一步研究的靶基因。圖2.3:3套數(shù)據(jù)中共有的miRNAs的韋恩圖注：3套數(shù)據(jù)分別是GSE97532，GSE51586，GSE84216中包含的miRNA數(shù)及3者重疊的miRNAs數(shù)接著將696條miRNAs所屬的52個樣本數(shù)據(jù)首先導入R語言對miRNAs基因芯片數(shù)據(jù)行中位數(shù)標準化[109]。經(jīng)過處理后樣本間數(shù)據(jù)的質(zhì)量比較如圖2.4所示。圖2.4:3套數(shù)據(jù)行標準化處理注：X軸為52份實驗樣本，Y軸為標準化處理后miRNA的表達狀態(tài)，經(jīng)過標準化處理后基因芯片表達狀態(tài)的中位數(shù)接近“0”水平。

【參考文獻】：
期刊論文
[1]MicroRNAs in blood and cerebrospinal fluid as diagnostic biomarkers of multiple sclerosis and to monitor disease progression[J]. Bridget Martinez,Philip V Peplow.  Neural Regeneration Research. 2020(04)
[2]阿爾茨海默病早期診斷的體液生物標志物[J]. 樊璠,龍建綱,劉健康.  生命科學研究. 2017(04)
[3]阿爾茨海默病外周血蛋白生物標志物研究進展[J]. 許樺,肖世富.  中華臨床醫(yī)師雜志(電子版). 2017(10)
[4]阿爾茨海默病早期診斷方法的研究進展[J]. 熱孜婭·艾合買提,帕麗丹·吾術爾,塔依爾·吐爾松,努爾買買提·艾買提.  新疆中醫(yī)藥. 2017(01)
[5]體液生物標志物與阿爾茨海默病的早期診斷[J]. 金賀,王蓉.  老年醫(yī)學與保健. 2016(06)
[6]阿爾茨海默病的生物標志物研究進展[J]. 胡軼虹,白春艷,周艷,孫宏俠.  中風與神經(jīng)疾病雜志. 2016(01)
[7]齊齊哈爾城區(qū)老年性癡呆患病率及相關因素調(diào)查研究[J]. 孫正海,韓惠民,閆鳳武,李薦中,王文林,韓云峰,孟靜文,王娜.  齊齊哈爾醫(yī)學院學報. 2015(13)
[8]新疆維吾爾自治區(qū)哈薩克族老年期癡呆患病率調(diào)查[J]. 孟新玲,劉婷,劉遠新,馬娜,沙拉·胡吉肯,雍雨暄,杜帥,沙迪克·沙吾提.  中華神經(jīng)科雜志. 2014 (07)
[9]責任制護理干預對老年癡呆癥患者認知功能、MMSE與CDT的影響[J]. 王小霞.  齊魯護理雜志. 2014(05)
[10]阿爾茨海默病流行病學特征及危險因素研究進展[J]. 崔增偉,陳繼彬.  慢性病學雜志. 2014(01)

博士論文
[1]經(jīng)鼻吸入胰島素對鏈脲佐菌素誘導的阿爾茨海默病大鼠模型的作用及機制研究[D]. 郭章玉.浙江大學 2017
[2]CR1基因與阿爾茨海默病的關聯(lián)分析及機制研究[D]. 朱夕陳.南京醫(yī)科大學 2017
[3]外泌體在阿爾茨海默病淀粉樣蛋白病理傳播中的作用及機制研究[D]. 鄭婷婷.浙江大學 2017
[4]阿爾茨海默病早期診斷及人源性神經(jīng)干細胞移植治療的實驗研究[D]. 李雪元.北京協(xié)和醫(yī)學院 2017
[5]全血miR-29a/101作為阿爾茨海默病診斷性生物標志物的研究[D]. 馬騰.青島大學 2016
[6]阿爾茲海默病外周血轉(zhuǎn)錄組擾動分析和基因組罕見變異關聯(lián)分析[D]. 韓光春.中國科學院北京基因組研究所 2014

碩士論文
[1]Aquaproin-8在卵泡發(fā)育中的作用與機制和阿爾茲海默癥小鼠模型血液生物標志物研究[D]. 王德江.吉林大學 2017
[2]血漿神經(jīng)來源的外泌體表達蛋白作為阿爾茨海默病早期診斷生物標志物的研究[D]. 張麗玲.天津醫(yī)科大學 2017
[3]青海省60歲以上藏族阿爾茨海默病患病率及影響因素研究[D]. 尚穎.南方醫(yī)科大學 2015



本文編號：3496010