余展鹏， 彭 亮， 姜 巧

卵巢癌是妇科最为常见的恶性肿瘤之一，其发病率逐年上升，病死率位居女性恶性肿瘤的第8位[1]。卵巢癌起病隐匿，大部分患者确诊时已为晚期，预后不佳，5年生存率仅为30%～40%[2,3]。为此，寻找与其发生、发展相关联的基因，对其诊断、治疗和预后评估具有重要意义。本研究拟使用生物信息学方法，整合分析高通量基因表达(Gene Expression Omnibus，GEO)数据库和癌症基因图谱(The Cancer Genome Atlas，TCGA)数据库及KMplot(Kaplan-Meier Plotter)等多个数据库中与卵巢癌的相关数据集，以筛选卵巢癌发生发展的关键基因。现报告如下。

1 资料与方法

1.1数据来源与差异基因(differentially expressed ge-nes,DEGs)筛选 (1)在GEO数据库(https://www.ncbi.nlm.nih.gov/geo/)中，按以下设置检索：(“ovarian neoplasms”[MeSH terms] or ovarian cancer[all fields]) and “homo sapiens”[porgn] and (“gse”[filter] and “expression profiling by array”[filter])。根据检索结果下载得到GSE54388、GSE105437、GSE40595数据集，3份数据均由GPL570平台完成、上传。它们分别包含6例、5例及8例正常卵巢上皮样本(正常组)和16例、10例及31例卵巢癌样本(卵巢癌组)。使用R 3.5.2软件进行数据预处理：以log FC>1.5或log FC<-1.5且校正P<0.05为标准，筛选正常组与肿瘤组的DEGs，并选出其中的共有部分，作为本研究的候选基因。(2)从Xena数据库[4](https://xena.ucsc.edu/)下载TCGA与GTEx(Genotype-Tissue Expression)的合并数据集(卵巢癌组=426，正常组=88)，分析两组候选基因的表达情况，进一步确定正常卵巢组织与卵巢癌组织的DEGs。

1.2DEGs与患者预后关系分析 使用KMplot数据库(https://kmplot.com/analysis/)卵巢癌数据集分析DEGs对患者预后的影响，以其自动计算各DEGs的cut-off值将患者分为高表达组和低表达组，并通过数据库缺省设置分别绘制各组Kaplan-Meier生存曲线，分析DEGs与患者生存预后的关系，筛选卵巢癌关键基因。

1.3卵巢癌关键基因的表达数据分析 从TCGA数据库(https://portal.gdc.cancer.gov/)中检索“Ovarian cancer”，下载380例卵巢癌组织的RNA-Seq数据集及与之对应的临床信息。剔除石蜡包埋标本，整理数据并进行标准化处理，分析卵巢癌关键基因表达水平与患者临床特征的关系。

1.4卵巢癌关键基因调控机制的初步分析

1.4.1 基因集富集分析 选取TCGA下载的卵巢癌组织RNA-Seq数据，运行G……