基因表达数据的荟萃分析方法研究

基因表达数据的荟萃分析方法研究

论文摘要

随着生物芯片以及高通量测序技术的发展和广泛应用,生物组学数据爆炸性增长。其中,伴随着转录组数据的积累和相关公共数据库的建立,基因表达数据的研究日益增多。然而,基于转录组的研究通常存在样本量小、维数高等问题,使得结果的统计意义不足。为了提高研究结果的可重复性,研究者通常收集不同研究的原始数据进行整合荟萃分析(meta-analysis)。研究表明,通过基因表达数据的荟萃分析得到的生物标志物(尤其是癌症诊断和预后的基因标志物)具有很好的临床转化潜力。但是,现有荟萃分析方法并没有充分考虑基因表达数据的生物学信息,因此所发现的生物标志物在独立验证数据中的预测效果不佳。为了克服现有荟萃分析方法用于生物标志物发现中存在的缺点,本课题对基因表达数据的荟萃分析方法展开研究,在荟萃分析中充分考虑基因表达数据的内在生物学信息。论文以肺癌基因表达数据的荟萃分析为例,整合来自多个研究的肺癌组织的基因表达数据,开发新的荟萃分析方法从肺癌基因表达数据中寻找用于肺癌分型和预后预测的生物标志物。首先,论文构建了基于生物通路(Biological pathway)的荟萃分析方法并应用于肺癌基因表达数据,寻找用于肺癌分型和预后预测的基因标志物。其次,论文探索基于降噪自编码器(Denoising autoencoder)的基因表达荟萃分析方法,同样应用于肺癌基因表达数据发现肺癌分型和预后预测的生物标志物。最后,论文比较了新的荟萃分析方法与现有的基于组合效应量和机器学习方法分析策略的荟萃分析方法的优劣。本课题探索并建立了新的基因表达数据荟萃分析的方法和流程,通过对肺癌组织基因表达数据的分析得到了相对可靠的肺癌分型和预后预测的基因签名,为肺癌分子标志物的寻找提供了新思路,也为基因表达数据荟萃分析提供了新策略。

论文目录

  • 摘要
  • Abstract
  • 第一章 绪论
  •   1.1 基因表达数据研究介绍
  •     1.1.1 基因表达数据的获取
  •     1.1.2 基因表达数据库介绍
  •   1.2 基因表达数据荟萃分析研究意义与进展
  •   1.3 现有荟萃分析方法介绍
  •     1.3.1 基于组合效应和P值的分析方法
  •     1.3.2 基于随机森林策略的分析方法
  •   1.4 生存分析方法介绍
  •   1.5 论文主要研究内容
  •     1.5.1 研究内容
  •     1.5.2 论文结构
  • 第二章 基于生物通路的荟萃分析
  •   2.1 引言
  •   2.2 实验数据来源与预处理
  •   2.3 实验方法
  •     2.3.1 预后与分型打分公式
  •     2.3.2 将基因数据转换为通路打分的方法
  •   2.4 实验结果与分析
  •     2.4.1 预后签名的挑选与检验
  •     2.4.2 诊断分型签名的挑选与检验
  •   2.5 基于生物通路策略的荟萃分析方法的讨论
  • 第三章 基于深度学习的荟萃分析
  •   3.1 引言
  •   3.2 实验方法
  •   3.3 实验结果与分析
  •     3.3.1 预后签名的挑选与检验
  •     3.3.2 诊断分型签名的挑选与检验
  •   3.4 基于深度学习策略的荟萃分析方法的讨论
  • 第四章 基于现有方法的荟萃分析
  •   4.1 引言
  •   4.2 实验数据来源与预处理
  •   4.3 基于组合效应和P值的荟萃分析
  •     4.3.1 基于组合值方法的预后分析
  •     4.3.2 基于组合值方法的诊断分析
  •   4.4 基于随机森林的荟萃分析
  •     4.4.1 基于随机森林的预后分析
  •     4.4.2 基于随机森林的诊断分析
  •   4.5 本章小结
  • 第五章 不同方法的比较
  •   5.1 四种方法预后结果的比较分析
  •   5.2 四种方法诊断结果的比较分析
  •   5.3 四种方法的基因签名与已发表的比较
  •   5.4 新方法的分析总结
  •     5.4.1 新方法的结果讨论
  •     5.4.2 新方法的结果总结
  • 第六章 总结与展望
  •   6.1 论文的研究成果
  •   6.2 论文的创新点
  •   6.3 不足与展望
  • 致谢
  • 参考文献
  • 作者简介
  • 文章来源

    类型: 硕士论文

    作者: 盛梦颖

    导师: 顾万君

    关键词: 基因表达数据,荟萃分析,生物通路,基因标志物,降噪自编码器

    来源: 东南大学

    年度: 2019

    分类: 基础科学,医药卫生科技

    专业: 生物学,生物医学工程

    单位: 东南大学

    基金: 中国国家自然科学基金(61471112,61372164,61372164)

    分类号: Q811.4;R318

    DOI: 10.27014/d.cnki.gdnau.2019.002165

    总页数: 72

    文件大小: 3025K

    下载量: 33

    相关论文文献

    • [1].迈向精准医学:液体活检中5-羟甲基胞嘧啶类癌症生物标志物发现的研究进展[J]. 癌症 2019(10)
    • [2].探讨肿瘤生物标志物检验中化学发光免疫法的临床价值[J]. 首都食品与医药 2020(09)
    • [3].血清生物标志物与短暂性脑缺血发作的相关性研究进展[J]. 中国临床研究 2020(01)
    • [4].肿瘤生物标志物检验的化学发光免疫法应用[J]. 中国卫生标准管理 2020(11)
    • [5].基于模拟酶-天然酶级联反应的双模式传感平台用于生物标志物的超灵敏检测[J]. 化学学报 2020(05)
    • [6].代谢组学分析技术在毒性生物标志物中的应用[J]. 动物医学进展 2020(09)
    • [7].鉴别细菌与病毒感染的宿主生物标志物研究进展[J]. 医学综述 2020(16)
    • [8].肌少症生物标志物的研究进展[J]. 中华老年多器官疾病杂志 2019(11)
    • [9].氧化型低密度脂蛋白作为心脑血管疾病生物标志物的研究[J]. 中西医结合心血管病电子杂志 2018(11)
    • [10].超高效液相色谱-串联质谱法鉴定猪肉的特异性肽生物标志物[J]. 分析化学 2017(02)
    • [11].生物标志物与液体活检论坛[J]. 转化医学杂志 2017(02)
    • [12].炎性生物标志物对COPD患者死亡的影响[J]. 湖南师范大学学报(医学版) 2015(04)
    • [13].化学发光免疫法在肿瘤生物标志物检验中的应用研究[J]. 人人健康 2019(23)
    • [14].悄然而至的数字生物标志物[J]. 养生大世界 2019(02)
    • [15].游离糖生物标志物的研究进展[J]. 现代预防医学 2020(11)
    • [16].尿生物标志物在新生儿急性肾损伤诊断中的应用研究进展[J]. 现代医药卫生 2020(20)
    • [17].美国食品和药物管理局生物标志物资格认定程序及其实施情况[J]. 中国新药与临床杂志 2018(12)
    • [18].“新型”支气管肺发育不良生物标志物的研究现状[J]. 中华妇幼临床医学杂志(电子版) 2019(04)
    • [19].糖尿病视网膜病变血浆生物标志物的研究进展[J]. 深圳中西医结合杂志 2016(17)
    • [20].炎性生物标志物在克罗恩病诊断与疾病评估中的作用[J]. 世界华人消化杂志 2016(32)
    • [21].中药注射液抗肺癌机制及其分子生物标志物[J]. 中华中医药杂志 2015(07)
    • [22].生物标志物分类及其在临床医学中的应用[J]. 现代养生 2017(24)
    • [23].肺癌循环肿瘤源性生物标志物[J]. 国际病理科学与临床杂志 2013(06)
    • [24].铅中毒的暴露生物标志物[J]. 现代生物医学进展 2011(S1)
    • [25].肺癌生物标志物研究[J]. 现代医院 2009(06)
    • [26].预警房颤卒中的ABC评分(150)[J]. 临床心电学杂志 2020(01)
    • [27].观察化学发光免疫法在肿瘤生物标志物检验中的价值[J]. 中西医结合心血管病电子杂志 2020(27)
    • [28].液相色谱-质谱联用法检测内源性生物标志物的方法及样品前处理方法研究进展[J]. 中国卫生检验杂志 2019(03)
    • [29].基于肽生物标志物技术鉴别肉品的真实性研究进展[J]. 食品工业科技 2019(05)
    • [30].2型糖尿病心血管并发症早期诊断生物标志物的研究进展[J]. 医学综述 2019(20)

    标签:;  ;  ;  ;  ;  

    基因表达数据的荟萃分析方法研究
    下载Doc文档

    猜你喜欢