[目的]通過整合生物信息學分析NCBI-GEO數(shù)據(jù)庫基因表達譜及CGGA數(shù)據(jù)庫mRNAseq轉(zhuǎn)錄組數(shù)據(jù)和臨床數(shù)據(jù),探討膠質(zhì)瘤患者的差異基因和臨床性狀及預后因素,進一步研究膠質(zhì)瘤進展的分子機制。[方法]本研究從GEO數(shù)據(jù)庫下載表達譜芯片(Expression profiling by array)和中國腦膠質(zhì)瘤基因組圖譜CGGA數(shù)據(jù)庫下載共1018個mRNAseq轉(zhuǎn)錄組表達數(shù)據(jù)及臨床數(shù)據(jù)。采用GEO2R在線工具分析篩選GEO數(shù)據(jù)庫中正常組織和膠質(zhì)瘤患者病理組織中存在的差異基因。從CGGA數(shù)據(jù)庫篩選出與臨床性狀相關的基因,利用韋恩圖得到上述基因有交集的目標基因。采用Kaplan-Meier(KM)分析探討目標CHI3L2表達的預后價值。利用ROC曲線下面積評估其預測準確性。采用Wilcox檢驗及Kruskal檢驗分析CHI3L2與臨床特征相關性,并分析具有相關性的基因。建立PPI蛋白互作網(wǎng)絡,運用GO功能富集分析及KEGG通路富集分析,探討差異基因潛在的作用機制。利用DRUG-BANK數(shù)據(jù)庫對篩選出的核心基因進行藥物靶點網(wǎng)絡預測治療靶點。R語言包行統(tǒng)計計算和圖形繪制。[結(jié)果]1、通過GEO...

【文章頁數(shù)】：47 頁

【學位級別】：碩士

【部分圖文】：

圖１差異基因分析??

標基因的篩選??我們從ＮＣＢＩ－ＧＥＯ數(shù)據(jù)庫選擇基因芯片ＧＳＥ１９７２８、ＧＳＥ４４９７１及ＧＳＥ５０丨６１；??采用ＧＥ０２Ｒ及繪制韋恩圖分析上述芯片中正常與腫瘤組織的共同的差異基因??（圖丨），分別為上調(diào)基因共２７４個、下調(diào)基因共４６個（表１）。??ＧＳＥ５０１５Ｊ．ＱＳＥ４....

圖２目標基因??

?Ｅ－０４??ＴＸＮ?７．６７?６．６７Ｅ－４３?９．１１?１．５６?３．８０Ｅ－０４?９．９１Ｅ－０１?２．４６?９．１１Ｅ－２８?４．０６Ｅ－４８?６??ＤＣ１?Ｅ－０２?Ｅ－４３?Ｅ－０１?Ｅ－０５??２??ＨＩＳ?２．２４?２．２８Ｅ－１２?２．１３?９．３４?１．００Ｅ....

圖３生存曲線??

?昆明醫(yī)科大學碩士學位論文???表５目標表達基因??Ｎａｍｅｓ?ｔｏｔａｌ?ｅｌｅｍｅｎｔｓ??ＧＥＧｓ?＆?ＣＧＧＡ?４?ＰＤＰＮ??ＡＢＣＣ３??ＣＨＩ３Ｌ２???ＳＥＲＰＩＮＡ３???２目標基因的生存曲線??運用Ｓｕｒｖｉｖａ丨包及Ｓｕｒｖｍｉｎｅｒ包對具有獨立預測能力且臨....

圖４ａ單因素獨立預后分析??

?昆明醫(yī)科大學碩士學位論文???３目標基因的獨立預后分析??單因素獨立預后分析（圖４ａ）顯示ＣＨＩ３Ｌ２高表達與較差的總體生存率（ＯＳ）??顯著相關（風險比ＨＲ：?１．２２５；９５％置信區(qū)間［ＣＩ］：?１．１８５－１．２６７；Ｐ＜０．００１）。且患者年??齡、化療狀態(tài)、腫瘤復發(fā)、....

本文編號：3954125