【摘要】：目的:本研究旨在從胃癌差異表達(dá)的mi RNA中挑選與生存密切相關(guān)的特定mi RNA作為預(yù)后生物標(biāo)志物。方法:首先從癌癥基因組圖譜數(shù)據(jù)庫(kù)(The Cancer Genome Altas database,TCGA)獲取394例胃癌患者的mi RNA-seq數(shù)據(jù)及相應(yīng)的臨床信息數(shù)據(jù),使用R語(yǔ)言的edg R包篩選癌和癌旁組織之間差異表達(dá)的mi RNA,并使用q PCR驗(yàn)證分析的可靠性。隨后使用Cox比例風(fēng)險(xiǎn)模型和有監(jiān)督主成分分析方法,基于自我驗(yàn)證(隨機(jī)分為兩個(gè)亞組:訓(xùn)練集197例,測(cè)試集197例)的方法構(gòu)建mi RNA的線性預(yù)后模型,根據(jù)計(jì)算出的預(yù)后得分將患者分為高風(fēng)險(xiǎn)組和低風(fēng)險(xiǎn)組,并使用時(shí)間依賴性ROC曲線來(lái)評(píng)估該模型的性能。最后,還預(yù)測(cè)了預(yù)后模型中mi RNA的靶基因并分析其生物學(xué)功能。結(jié)果:本研究共篩選出299個(gè)差異表達(dá)的mi RNA,包括219個(gè)上調(diào)的mi RNA和80個(gè)下調(diào)的mi RNA,對(duì)隨機(jī)挑選的3個(gè)mi RNA(mi R-335-5p、has-mi R-21-5p、has-mi R-139-5p)進(jìn)行q PCR驗(yàn)證的結(jié)果與差異表達(dá)分析結(jié)果具有一致性。構(gòu)建了一個(gè)9-mi RNA(mi R-145、mi R-30a、mi R-549a、mi R-4746、mi R-708、mi R-5586、mi R-373、mi R-187、mi R-422a)組成的線性預(yù)后模型,Kaplan-Meier分析顯示,與低風(fēng)險(xiǎn)組患者相比,高危組患者的總生存期(Overall Survival,OS)更差。該預(yù)后模型顯示出對(duì)早期胃癌患者和化療患者的良好預(yù)后價(jià)值,最重要的是這9-mi RNA是胃癌的獨(dú)立預(yù)后因子。共預(yù)測(cè)到8856個(gè)靶基因,靶基因主要在MAPK信號(hào)通路、Wnt信號(hào)通路、Erb B信號(hào)通路、Adherens junction信號(hào)通路、TGF-β信號(hào)通路和m TOR信號(hào)通路等上富集。結(jié)論:1.9-mi RNA(mi R-145、mi R-30a、mi R-549a、mi R-4746、mi R-708、mi R-5586、mi R-373、mi R-187、mi R-422a)是胃癌潛在的預(yù)后生物標(biāo)志物和獨(dú)立預(yù)后因子。2.胃癌的發(fā)病機(jī)制可能與MAPK信號(hào)通路、Wnt信號(hào)通路、Erb B信號(hào)通路、Adherens junction信號(hào)通路、TGF-β信號(hào)通路和m TOR信號(hào)通路等相關(guān)。
【學(xué)位授予單位】：南華大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：R735.2
【圖文】：

圖 2.1 TCGA 數(shù)據(jù)庫(kù)主頁(yè)2.1.1.2 基因本體數(shù)據(jù)庫(kù)（Gene ontology，GO）近年來(lái)生物信息學(xué)的迅猛發(fā)展，各種數(shù)據(jù)庫(kù)應(yīng)運(yùn)而生，而每一個(gè)數(shù)據(jù)庫(kù)都有自己的定義、分類，導(dǎo)致同一類的事物在不同的數(shù)據(jù)庫(kù)中被定義為不同的名字

其不僅界面友好、操作簡(jiǎn)單，而且預(yù)測(cè)結(jié)果相對(duì)可靠。2.1.3.3 功能富集分析工具一個(gè)生物學(xué)過(guò)程通常是由一組基因共同參與的，基因調(diào)控的功能具有概念上的交疊，如果研究者們將多個(gè)基因直接導(dǎo)入已經(jīng)建立的基因及其產(chǎn)物數(shù)據(jù)庫(kù)進(jìn)行注釋，將導(dǎo)致分析結(jié)果冗余，影響后續(xù)分析和最終研究結(jié)果。富集分析（Enrichment Analysis）方法是分析一組基因在某個(gè)功能節(jié)點(diǎn)上是否過(guò)出現(xiàn)（over-presentation），這往往能識(shí)別出與生物現(xiàn)象最相關(guān)的生物過(guò)程，節(jié)約時(shí)間成本的同時(shí)也增加了研究的可靠程度。目前最常用的是基于 GO 和 KEGG 的富集分析方法，統(tǒng)計(jì)方法有 Fisher 精確檢驗(yàn)、Z-score 和累積超幾何分布等，有許多富集分析工具都是基于此開發(fā)的，而應(yīng)用最為廣泛的要數(shù) DAVID（https://david.ncifcrf.gov/），目前已更新到 6.8 版本，它是一個(gè)綜合工具，集成了基因富集分析、Gene ID 轉(zhuǎn)換、基因功能分類等多種實(shí)用功能，為科研工作者提供了極大的便利。

篩選差異表達(dá)的 miRNA主成分分析直觀地顯示出胃癌樣本（Tumor，紅色圓點(diǎn)）聚集在左樣本（Normal，藍(lán)色圓點(diǎn)）聚集在右前上方，且沒有重疊，表明量在兩組中存在著差異，可以進(jìn)行差異表達(dá)分析。

【參考文獻(xiàn)】

相關(guān)期刊論文 前2條

1 吳愛兵;李金媚;吳昆鵬;莫艷麗;羅怡平;葉海茵;沈湘;李姝君;梁亞海;劉美蓮;楊志雄;;MiR-373-3p促進(jìn)肺腺癌細(xì)胞的侵襲轉(zhuǎn)移[J];中國(guó)肺癌雜志;2015年07期

2 Wei-Ming Kang;Qing-Bin Meng;Jian-Chun Yu;Zhi-Qiang Ma;Zhi-Tian Li;;Factors associated with early recurrence after curative surgery for gastric cancer[J];World Journal of Gastroenterology;2015年19期

本文編號(hào)：2787126