基于生物信息学筛选甲状腺癌关键基因和通路
2021-06-01
(复旦大学附属闵行医院病理科，上海市 201199)
甲状腺癌(thyroid carcinoma,TC)是内分泌系统最常见的恶性肿瘤，也是近20年来发病率增长最快的实体恶性肿瘤[1]。然而，Davies等[2]提出TC发病率的上升可能有两个原因：一个是过度诊断，另一个是甲状腺乳头状微小癌发病率增加。目前，超声引导下细针穿刺活检是评价甲状腺结节的金标准，另外还尝试了ECT、CT等新技术[3]。
近年来，随着基因芯片和高通量测序技术的发展，已经筛选出一些在癌症发生和发展过程中具有重要意义的基因。许多研究分析了GEO(https：//www.ncbi.nlm.nih.gov/geo)或/和TCGA(https://cancergenome.nih.gov/)的数据，以寻找对甲状腺癌的诊断和预后有前景的生物标志物。例如，Min等[4]分析了TCGA的数据，确定了一些预后标志物，如SOX4、RARA，这些标志物可作为甲状腺乳头状癌(thyroid papillary carcinoma，PTC)的治疗靶点。Wu等[5]基于TCGA数据库进行富集分析发现，AP-2α mRNA的表达可能是PTC患者生存的一个独立预后指标。由于独立研究样本的异质性，目前的研究结果往往不一致。本文采用生物信息学工具对GEO数据库中甲状腺癌表达谱芯片进行数据分析，为今后提高甲状腺病变的诊断水平和基因靶向治疗提供新的视角。
1 材料和方法
1.1 材料
基因表达谱芯片数据来源于GEO数据库中甲状腺癌数据集，编号分别为GSE33630、GSE65144和GSE29265，包括101例甲状腺癌组织和78例正常组织。数据集均基于GLP570芯片平台(HG-U133_Plus_2；Affymetrix Human Genome U133 Plus 2.0 Array)。
1.2 数据处理及筛选差异表达基因
3组原始数据集下载后利用R软件进行合并、标准化及表达值计算等处理，数据采用Fold-change和T-test进行差异性基因筛选，筛选条件定义为|logFc|≥1、P<0.05，筛选3组数据集中共有的差异基因作为最终差异表达基因进行后续分析。
