發(fā)布時(shí)間：2023-10-27 18:21

　　肺癌(Lungcancer,LC)是世界上最常見(jiàn)的惡性腫瘤之一,由于缺乏有效的早期診斷方法,其五年生存率較低,僅為19.8%,因此尋找一種有效且低損低耗的早期檢測(cè)方法具有重大意義。近年來(lái)研究表明,腫瘤相關(guān)抗原(Tumor associated antigen,TAA)在多種腫瘤患者血清中異常表達(dá),可以引發(fā)自身免疫反應(yīng),產(chǎn)生相應(yīng)的抗腫瘤相關(guān)抗原自體抗體(Anti-tumor associated autoantibody,TAAb)。相較于TAAs,TAAbs在血清中更穩(wěn)定且更持久,具有成為腫瘤血清標(biāo)志物的優(yōu)勢(shì)。目的通過(guò)蛋白質(zhì)芯片篩選,間接酶聯(lián)免疫吸附測(cè)定(Enzyme-linked immunosorbent assay,ELISA)實(shí)驗(yàn)驗(yàn)證得到對(duì)肺癌具有診斷價(jià)值的候選TAAbs,運(yùn)用多種數(shù)據(jù)挖掘技術(shù)構(gòu)建肺癌自身抗體診斷模型,并比較各個(gè)模型對(duì)肺癌的診斷價(jià)值,從而獲得一種能對(duì)早期肺癌進(jìn)行高效診斷的模型。方法1)蛋白質(zhì)芯片篩選TAAbs基于138個(gè)癌癥驅(qū)動(dòng)基因定制蛋白質(zhì)芯片,對(duì)100例肺癌患者和50例正常對(duì)照(Normalconrtol,NC)血清中的自身抗體進(jìn)行檢測(cè),應(yīng)用多種數(shù)據(jù)分析方法...

【文章頁(yè)數(shù)】：94 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
英文縮略詞表
1 引言
2 材料與方法
    2.1 實(shí)驗(yàn)材料
        2.1.1 血清標(biāo)本
        2.1.2 癌癥驅(qū)動(dòng)基因及編碼蛋白種類(lèi)
        2.1.3 實(shí)驗(yàn)儀器設(shè)備
        2.1.4 實(shí)驗(yàn)試劑及耗材
        2.1.5 常用溶液的配制
    2.2 實(shí)驗(yàn)方法
        2.2.1 技術(shù)路線
        2.2.2 蛋白質(zhì)芯片定制及篩選肺癌候選TAAbs
        2.2.3 間接ELISA實(shí)驗(yàn)確證及驗(yàn)證TAAbs
        2.2.4 建模并篩選最佳組合模型
3 結(jié)果
    3.1 研究對(duì)象基本特征
        3.1.1 蛋白質(zhì)芯片研究對(duì)象基本信息
        3.1.2 間接ELISA實(shí)驗(yàn)研究對(duì)象基本信息
    3.2 蛋白質(zhì)芯片篩選結(jié)果
        3.2.1 芯片實(shí)驗(yàn)結(jié)果
        3.2.2 芯片實(shí)驗(yàn)篩選候選TAAbs結(jié)果
        3.2.3 候選TAAbs的基本信息
    3.3 間接ELISA實(shí)驗(yàn)確證和驗(yàn)證肺癌抗TAAs自身抗體
        3.3.1 小樣本量確證實(shí)驗(yàn)
        3.3.2 大樣本量驗(yàn)證實(shí)驗(yàn)
    3.4 數(shù)據(jù)挖掘建立肺癌診斷模型及其應(yīng)用價(jià)值評(píng)價(jià)
        3.4.1 肺癌診斷模型的建立
        3.4.2 單個(gè)抗體及決策樹(shù)C5.0模型對(duì)早晚期肺癌的診斷價(jià)值
        3.4.3 最佳模型對(duì)良性肺部疾病的鑒別價(jià)值
4 討論
    4.1 癌癥驅(qū)動(dòng)基因及蛋白質(zhì)芯片
    4.2 肺癌相關(guān)抗原自身抗體功能及診斷價(jià)值
    4.3 肺癌預(yù)測(cè)診斷模型及診斷價(jià)值
    4.4 研究的優(yōu)點(diǎn)和局限性
    4.5 研究工作展望
5 結(jié)論
參考文獻(xiàn)
附錄 138種癌癥驅(qū)動(dòng)基因基本信息
綜述 生物標(biāo)志物在肺癌篩查中的成就、前景和挑戰(zhàn)
    參考文獻(xiàn)
個(gè)人簡(jiǎn)歷、在學(xué)期間發(fā)表的學(xué)術(shù)論文與研究成果
致謝



本文編號(hào)：3857034