發(fā)布時(shí)間：2017-06-07 21:02

  本文關(guān)鍵詞：癌癥致病通路中互斥突變識(shí)別的統(tǒng)計(jì)模型，由筆耕文化傳播整理發(fā)布。

【摘要】：目的:隨著高通量測(cè)序技術(shù)的不斷改進(jìn)和測(cè)序成本的下降,TCGA和ICGC等機(jī)構(gòu)已積累了海量的癌癥基因組變異數(shù)據(jù),癌癥基因的識(shí)別和預(yù)測(cè)已成為生物信息學(xué)研究的重點(diǎn)問(wèn)題。本研究主要針對(duì)“互斥突變”的識(shí)別方法展開(kāi)研究,重點(diǎn)介紹MEGSA算法的基本原理,通過(guò)模擬研究評(píng)價(jià)其檢驗(yàn)效能,并將其應(yīng)用于包含SNP和CNV的GBM數(shù)據(jù),找出最優(yōu)互斥基因集,為基因藥物的研制和癌癥的診斷與治療提供依據(jù)。方法:了解癌癥相關(guān)突變的研究進(jìn)展,介紹現(xiàn)有識(shí)別互斥突變的方法,分析其基本原理及不足,總結(jié)出識(shí)別互斥突變的理想分析框架。MEGSA算法是目前為止識(shí)別互斥突變最優(yōu)的算法。模擬分析中,固定MEGS基因數(shù)=3,按覆蓋率?=0.1、0.2、0.25、0.3、0.4、0.5;樣本量=50、100、200、300、400、500;隨機(jī)突變基因數(shù)量=10、15、20、25、30;隨機(jī)突變率=10%模擬突變矩陣,比較不同參數(shù)設(shè)置下的MEGS準(zhǔn)確檢出率。實(shí)例分析中,將包含261個(gè)病人、398個(gè)突變基因的GBM數(shù)據(jù)整理為二分突變矩陣,然后用R軟件進(jìn)行分析,初步尋找出GBM致癌通路上的互斥基因集。結(jié)果:模擬研究表明MEGSA識(shí)別互斥基因集的效能隨覆蓋率和樣本量的增加而增大,而基因數(shù)的變化對(duì)其效能幾乎沒(méi)有影響。GBM突變數(shù)據(jù)經(jīng)MEGSA分析,找到20個(gè)有意義的MEGS,共包含12個(gè)基因變異,其中SNP:RB1突變、TP53突變、IDH1突變、PTEN突變、NF1突變、SPTA1突變;CNV:CDK4擴(kuò)增、CDKN2A缺失、MDM2擴(kuò)增、EGFR擴(kuò)增、PTEN缺失、PDGFRA擴(kuò)增和一個(gè)CNV meta基因集(MET,CAP2A2,ST7-AS1,ST7,ST7-OT4)。最顯著的MEGS包含三個(gè)基因變異:CDK4擴(kuò)增、CDKN2A缺失和RB1突變。結(jié)論:MEGSA是一種相對(duì)靈活而有效的分析方法,不僅適用于位點(diǎn)突變數(shù)據(jù),在包含拷貝數(shù)變異的數(shù)據(jù)中也有較好的檢驗(yàn)效能。與Multi-Dendrix算法作比較,MEGSA具有較高的檢驗(yàn)效能,其找出的突變基因除SPTA1外均已證實(shí)存在于GBM的致病通路中,且找出的CNV也證實(shí)與癌癥的發(fā)生發(fā)展有關(guān)。但是MEGSA采用多路徑搜索算法進(jìn)行計(jì)算可能會(huì)丟失一些結(jié)果,且置換模擬需要較高的次數(shù)才能得到相對(duì)理想的結(jié)果,需要更大的計(jì)算機(jī)CPU和運(yùn)行內(nèi)存。
【關(guān)鍵詞】：MEGSA算法 互斥突變 致癌通路 惡性膠質(zhì)瘤
【學(xué)位授予單位】：山西醫(yī)科大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：R73-31
【目錄】：

• 摘要6-8
• abstract8-10
• 常用縮寫(xiě)詞中英文對(duì)照表10-11
• 前言11-14
• 1 體細(xì)胞突變識(shí)別的方法研究14-16
• 1.1 體細(xì)胞突變識(shí)別14
• 1.2 驅(qū)動(dòng)突變識(shí)別14-16
• 1.2.1 基于先驗(yàn)知識(shí)的網(wǎng)絡(luò)構(gòu)建15
• 1.2.2 基于互斥突變識(shí)別致癌基因或通路15-16
• 2 互斥突變識(shí)別的方法研究16-22
• 2.1 RME算法16
• 2.2 MEMo算法16-17
• 2.3 Dendrix/MDPFinder/Multi-Dendrix算法17-19
• 2.4 Muex算法19-22
• 2.4.1 互斥模型20
• 2.4.2 獨(dú)立模型20-21
• 2.4.3 互斥檢驗(yàn)21-22
• 3 MEGSA算法22-26
• 3.1 似然比統(tǒng)計(jì)量（LRT）的計(jì)算22-24
• 3.2 總體無(wú)效檢驗(yàn)24-25
• 3.3 用模型選擇識(shí)別最優(yōu)互斥基因集25-26
• 4 模擬研究26-29
• 4.1 模擬研究目的26
• 4.2 模擬數(shù)據(jù)設(shè)計(jì)26-27
• 4.3 模擬結(jié)果27-29
• 5 實(shí)例研究29-35
• 5.1 數(shù)據(jù)來(lái)源29-30
• 5.2 構(gòu)建突變矩陣30
• 5.3 程序?qū)崿F(xiàn)30-31
• 5.4 結(jié)果31-35
• 6 討論35-39
• 6.1 算法討論35
• 6.2 結(jié)果討論35-39
• 參考文獻(xiàn)39-42
• 綜述42-48
• 參考文獻(xiàn)46-48
• 致謝48-50
• 在學(xué)期間參與的科研課題與研究成果50-51
• 個(gè)人簡(jiǎn)歷51

【相似文獻(xiàn)】

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 崔燕;癌癥致病通路中互斥突變識(shí)別的統(tǒng)計(jì)模型[D];山西醫(yī)科大學(xué);2016年

  本文關(guān)鍵詞：癌癥致病通路中互斥突變識(shí)別的統(tǒng)計(jì)模型，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：430249