陈立材 成 雨

1 滨州医学院第二临床医学院 山东 烟台 264003；2 滨州医学院烟台附属医院 山东 烟台 264100

胰腺癌是一种进展迅速，恶性程度极高的消化道肿瘤，早期诊断困难，5年生存率极低，其中90%以上为胰腺导管腺癌(pancreatic ductal adrenocarcinoma，PDAC)[1-2]。随着近年来PDAC的发病率的上升，研究其发生发展的机制，寻找潜在治疗靶点，开发新型的治疗手段显得尤为重要；而针对全基因组的芯片及测序技术的成熟为探索肿瘤标志物提供了技术支持与数据支撑。本研究基于肿瘤基因组图谱(the cancer genome atlas，TCGA)数据库，采用加权基因共表达网络分析(weighted gene co-expression network analysis，WGCNA)法[3]，探索胰腺癌特异表达的关键基因及表达网络，为进一步发现胰腺癌的生物标志物，确立新的诊断及治疗靶点提供思路。

1 材料与方法

1.1 数据的获取与差异表达基因的确定 在TCGA数据库(https://portal.gdc.cancer.gov/)下载并处理胰腺癌数据库的mRNA表达RNA seq数据，同时下载临床资料数据(Clinical)。本研究从TCGA数据库中下载了182例转录组数据，其中178例胰腺癌患者，4例健康对照组。对TCGA数据库的基因矩阵信息进行了预处理，并转化为基因名。在R语言环境下运行limma包，将logFC>1，矫正后的P<0.05确定为差异表达的基因(differently expressed genes，DEGs)，进行后续的共表达网络的构建。

1.2 WGCNA构建基因模块流程 基于DEGs，用R语言的WGCNA法构建胰腺癌权重共表达网络[3]。首先根据R2>0.9，根据真实生物网络状态的无尺度网络确定加权系数β(软阈值)，在确定邻接函数参数β后，构建不同分支和颜色表达的不同基因模块的分层聚类树最后，根据基因间Pearson相关系数将相关矩阵转换为邻接矩阵，进一步转化为拓扑重叠矩阵(topological overlap matrix，TOM)。在下一步分析中，基因表达模块被归类为不同的模块(Module)