陈钦钦 杨凌志 彭心宇

胰腺癌（Pancreatic carcinoma，PC）是临床上常见的一种消化道恶性肿瘤，其症状出现较晚，进展迅速，预后不佳，五年生存率为8.4%～9%[1，2]。由于胰腺癌缺乏敏感的生物标志物[3]，使其难以早期发现、有效治疗和评估预后。胰腺癌化疗关键在于保留正常组织的同时消除肿瘤细胞，因此，确定相关的分子治疗靶点和评估预后非常重要。RNA 结合蛋白（RNA-binding protein，RBPs）是通过一个或多个RNA 结合域（RBDs）结合RNA 并改变结合RNA功能的蛋白质，在转录本的整个生命周期中都具有广泛的调控作用[4]。RBPs 可以通过蛋白质-RNA组装、核糖核蛋白（RNP）的联合作用，以及调节前两者的修饰和相互作用实现一系列细胞目标[5]。本研究探讨可能与胰腺癌有关的RBPs，其中一些可能为潜在的预后生物标志物。

1 材料与方法

1.1 数据获取本研究中所分析的数据来自TCGA数据库（https://portal.gdc.cancer.gov/）。选取条件设置：原发癌灶为胰腺，项目名称为TCGA-PAAD，表达量数据类型为HTSeq-FPKM，数据种类为转录本，实验方法为RNA-seq 技术。

1.2 差异分析研究人员运用limma 包对筛选得到的RBPs 表达矩阵进行差异分析，筛选条件：①差异倍数绝对值≥1（|logFC|≥1）；②P<0.05。筛选后的RBPs 可作为差异表达的RBPs。

1.3 RBPs 的通路分析运用clusterProfiler 包，org.Hs.eg.db 包，enrichplot 包，ggplot2 包进行GO 富集分析和KEGG 通路分析，P过滤条件为0.05，矫正后的P过滤条件为0.05。

1.4 PPI网络绘制通过STRING数据库（https://stringdb.org/），输入差异表达的RBPs，绘制PPI 网络。

1.5 Cytoscape 可视化和子网络构建运用Cytoscape_v3.7.2 再次对PPI 网络进行可视化，运用MCODE 1.6.1 寻找子网络，同时运用org.Hs.eg.db 包和cluster-Profiler 包对筛选得到的RBPs 进行富集分析。

1.6 预后模型构建运用survival 包筛选得到预后相关的RBPs，运用COX 方法进行显著性过滤，设置P为0.05，构建预后模型，将过滤得到的RBPs 绘制成森林图。……