生物信息学方法对影响肺癌发生发展关键基因的初步筛选
2012-09-11王俊龙石俊杰刘文洲孙宇周华富
中国肺癌杂志 2012年11期
王俊龙 石俊杰 刘文洲 孙宇 周华富
肺癌是最常见的恶性肿瘤之一,对肺癌的早期诊断和有效治疗是全球亟需解决的一个难题。在肿瘤发生发展过程中,有大量伴随基因参与癌基因扩增过程,但是它们并不是我们所要找的关键基因。我们考虑通过探索不同组织类型、不同人群来源的肺癌组织基因芯片,得到芯片结果共同改变的部分,有可能筛选出影响肺癌发生发展的关键基因。目前已有研究通过分析基因表达芯片来挖掘影响肺癌发生发展的通路及基因[1],已识别出大量差异表达的基因。但这些差异基因并没有进行进一步讨论,各个基因芯片的分析结果存在很多不一致性。Mootha等[2]提出基因组富集(gene set enrichment analysis, GSEA)分析,该方法能在病例对照类型数据中,基于基因组系统水平上来挖掘影响疾病的基因通路。Meta分析可对同一个问题所发表相关研究报告的结果进行收集、统计上的整合,以期获得更准确或更多的结果。Rhodes等[3]首先将meta分析引入基因芯片数据分析领域。本研究采用GSEA等生物信息学方法对6套[4-7]肺癌全基因组表达芯片数据进行研究,挖掘出隐藏在芯片数据下的生物学信息,筛选出影响肺癌发生发展的关键基因,为对肺癌靶向治疗的研究奠定基础。
1 材料与方法
1.1 研究样本 肺癌有关的基因芯片数据均来源于互联网开放的免费数据库:GEO数据库http://www.ncbi.nlm.nih.gov/geo/中下载。肺癌芯片信息收集在GEO DataSets中以:“lung cancer, homo sapiens”为关键词检索所有公开上传的芯片数据。符合以下标准的数据集将纳入我们的研究中:①所选数据集必须是全基因组的表达mRNA芯片数据;……
登录APP查看全文
