胰腺癌与肺癌的遗传连锁及生物标志物鉴定

医学信息学解锁25（2021）100637胰腺癌相关性肺癌的重要途径及生物标志物的鉴定TamannaKhan a，Bikash Kumar Paul a，b，c，*，Md Tanvir Hasan a，Md Rakib Islam a，M.A. Arefin d，K. Ahmed b，c，Md K. Islam e，Mohammad Ali Moni f，gaDaffodil International University（DIU）软件工程系，地址：Ashulia，Savar，Dhaka，1342，Bangladeshb孟加拉国坦盖尔桑托什Mawlana Bhashani科技大学信息和通信技术系c1902年孟加拉国坦生物摄影组d孟加拉国Jashore 7408 Jashore科技大学数学系多媒体创意技术系（MCT），水仙国际大学，Sukrabad，Dhanmondi，达卡，1207，孟加拉国fGarvan医学研究所，健康老龄化主题，澳大利亚g世卫组织电子卫生合作中心，新南威尔士大学数字卫生，新南威尔士大学医学院公共卫生和社区医学学院，澳大利亚A R T I C L EI N FO保留字：基因本体PPI网络药物靶标A B S T R A C T胰腺癌（PC）是全球癌症相关死亡的第七大原因，也是最致命的恶性肿瘤之一。很难在早期诊断。肺癌（LC）是第二常见的癌症，并且是通过转移扩散到附近组织的恶性肿瘤。PC和LC之间的主要共同危险因素之一由于PC和LC都是恶性的，它们可能彼此相关。本研究的主要目的是通过生物信息学方法寻找PC和LC之间的遗传连锁和关联。我们分析了两个基因表达数据集，并比较了重要的遗传标记，以找到两种癌症之间的共享基因。共鉴定出1686个PC和LC之间的显著相关基因，占两个基因数据集的33.2%。富集分析揭示了所选择的共同基因的生物学作用，并揭示了主要与共同生物标志物相关的途径。使用两种癌症的共同基因，我们构建了PPI网络，并根据其连接性和免疫原性鉴定了10个重要的枢纽基因（TP53，AKT1，EGFR，TNF，IL6，ALB，EGF，MYC，VEGFA和GAPDH）。度值。在药物靶点分析中，药物化合物与所有重要的枢纽基因相关。该药物化合物可用于治疗同时患有两种癌症的患者。因此，本研究确定了PC和LC之间的遗传连锁和元素功能关联，并可能有助于未来PC和LC患者的药物开发1. 介绍根据GLOBOCAN 2018估计，胰腺癌（PC）是全球第七大癌症相关死亡原因，也是美国第三大最常见癌症[1]。胰腺是一个梨形的腺体，位于腹部胃之间[2]《易经》中的阴阳五行。当健康的胰腺细胞不能有效地工作并且生长失控时，它就变成了恶性肿瘤。肿瘤，这意味着它可以发展并扩散到身体的其他内部器官。通过一个称为转移的过程，胰腺中的肿瘤细胞可以改变胰腺的功效，扩展到邻近的静脉和淋巴器官，并迅速扩散到其他身体部位[2]。PC仍然是最致命的恶性肿瘤之一，2018年全球有458，918例确诊病例和432，242例死亡（占所有癌症相关事件的4.5%），预计到2040年将有355，317例报告病例[1]。PC在男性中比女性更常见：它在2019年导致24，640名男性和22，410名女性死亡（美国癌症协会）[3]。据估计，美国将有57，600人被诊断出PC， 2020年将有超过47，050人死于这种疾病[4]。在所有主要癌症中，PC的死亡率最高。所有联合分期的1年生存率为24%，5年相对生存率为9%[1]。对于被诊断患有其他当地疾病的少数人来说，5年生存率仅为37%。对于大多数患者来说，* 通讯作者。软件工程系，水仙国际大学（DIU），Ashulia，萨瓦尔，达卡，1342，孟加拉国。电子邮件地址：bikash.k. ieee.org（B.K.Paul）。https://doi.org/10.1016/j.imu.2021.100637接收日期：2021年2月21日;接收日期：2021年6月10日;接受日期：2021年6月10日2021年6月12日在线提供2352-9148/©2021的 自行发表通过Elsevier 公司这是一个开放接入文章下的CCBY-NC-ND许可证（http://creativecommons.org/licenses/by-nc-nd/4.0/）中找到。可在ScienceDirect上获得目录列表医学信息学期刊主页：www.elsevier.com/locate/imuT. Khan等人医学信息学解锁25（2021）1006372在癌症的远端阶段诊断，5年生存率为3% [5]。胰腺导管腺癌是最常见（80%-85%）的PC类型，而胰腺神经内分泌肿瘤的比例低于5% [ 6，7 ]。PC的病因是复杂的，多因素的，但吸烟，家族史，肥胖和2型糖尿病是预防的。在这种情况下[8]。有证据表明，食用加工肉类，红肉，酒精饮料，含有饱和脂肪酸的食物[9]含果糖的饮料可能会增加PC的风险[10]。PC的症状可能包括不明原因的体重减轻，腹部不适，背痛，黄疸，浅色粪便和疲劳[11]。肺癌（LC）是男性和女性癌症相关死亡的第二大常见原因和主要原因[12]。据估计，2020年将有135，720人（72，500名男性和63，220名女性）死于这种疾病[4]。肺癌（LC）是一种恶性肿瘤，也称为肺癌，可以在肺组织中生长。通过称为转移的过程，它可以扩散到附近的组织，器官或肺部以外的其他身体部位[13]。我们的胸腔里有两个海绵状的器官，叫做肺。右肺有三个部分，称为肺叶，左肺有两个肺叶。右肺比左肺大，因为心脏在身体左侧占据更多空间[14]。 2018年，全球估计有210万例LC病例和180万例死亡[15]。根据美国癌症协会的数据，2019年有72，500名男性和63，220名女性死于LC。据估计，2020年美国将有228，820名成年人（116，300名男性和112，520名女性）诊断出LC [4]。5年生存率告诉我们在癌症被发现后至少存活5年的人的百分比。人口的百分比是指100人中有多少人[12]。所有类型LC的5年生存率为19%[12]。局部期的5年生存率为17% [16]。区域分期的5年生存率为22% [16]。NSCLC的5年生存率为24%。最常见的LC类型是NSCLC（占所有LC诊断的84%），而不太常见的小细胞肺癌癌症（SCLC）占所有诊断病例的6%[12]。LC的原因是主要是吸烟。吸烟是约80% LC患者的死亡原因，许多其他患者是由二手烟暴露引起的[17]。接触氡和石棉的吸烟者风险更高[17]。其他因素如二手烟，空气污染-此外，暴露于石棉，柴油机废气和遗传学可能对非吸烟者也起作用[18LC的一些常见症状是持续咳嗽、胸痛、吐血、不明原因的体重减轻、声音嘶哑、疲劳、呼吸困难和反复呼吸道感染[21]。最近，DA Barth，C Brenner et al.（2020）[22]旨在评估和外部验证晚期肺癌炎症指数（ALI）作为PC患者队列中癌症特异性生存期的预后生物标志物的有效性。在他们的单曲在一项中心队列研究中，他们分析了429名PC患者，使用Spearman等级相关分析、ROC曲线分析、Kaplan-Meier估计、风险比、单因素和多因素Cox比例模型对临床病理参数进行分析，以发现ALI和PC之间的PC患者结果表明，尽管ALI在LC（NSCLC和SCLC）和其他癌症（如结直肠癌和食管癌）中被发现是同时，Kurahara H，Mae- mura K et al.（2020）[23]说，肺是PC的主要转移部位之一他们的目的是评估肺转移PC患者的功能和预后，并希望确定肺转移的临床病理学特征。在这项研究中，他们招募了183名接受手术的PC患者，并对他们进行了临床检查，包括FDG-PET，CT和MRI。在组织学检查中，所有切除的肺转移瘤标本均进行了检查和分析，初级PC标本。 为了进行统计分析，他们进行了费舍尔精确检验、Mann-WhitneyU检验、Kaplan-Meier法对生存曲线进行分析，并进行log-rank检验。结果，他们发现，单肺转移的患者表现出接受手术切除的合适预后，单肺转移与原发性PC肿瘤的FDG-PET SUV最大值较低还有森本D山田S.，等人（2020）[24]报道，肺转移是PC患者治愈后的初始复发模式。PC的切除通常发生在患者他们评估了他们的与患者的临床因素和生存期的研究并与其他复发患者进行比较在所有这些研究中，他们他们的方法是临床检查，统计和队列研究的基础上。在这项分析中，我们通过鉴定这两种选定的癌症疾病之间的共同相关基因，显示了PC和LC之间的遗传连锁和联系。利用这些共同基因，我们进行了GO（基因本体论）术语分析，途径富集分析，以确定由所确定的共同基因富集的途径。还进行了网络分析、枢纽基因鉴定、聚类鉴定和药物靶点分析以进行进一步分析。因此，本研究旨在通过生物信息学方法寻找PC和LC之间的遗传连锁和关联。2. 方法通过基因采集、共有基因鉴定、富集分析、PPI分析、药物靶点鉴定与分析等方法完成本研究。所提出的方法的所有阶段如下所示，这项研究工作的简短可视化展示在图。1 .一、2.1. 基因采集DisGeNET是一种一致的工具，有助于轻松分析和解释人类基因-疾病网络[25]。我们从DisGeNET数据库中收集了与人类相关的PC和LC基因.之后，我们使用名为“Venny”的在线工具过滤了两种选定疾病的共同基因，2.2. 富集分析富集分析是一组重要的计算方法，用于了解所选基因的生物学作用，如基因本体（GO）注释和KEGG途径分析[27，28]。在确定了两种疾病的共同基因后，我们从GO数据库中收集了GO术语的相关数据：生物学过程（BP）、分子功能（MF）、细胞成分（CC），Fig. 1. 拟议方法流程图。T. Khan等人医学信息学解锁25（2021）1006373===-人类 关联 途径 数据集 是 收集 从 KEGG 2016数据库使用在线基于网络的富集分析工具，称为考虑GO项和KEGG途径所有富集分析的截止标准，p值0.05。<对基因集进行富集分析是Gene本体论。GO术语分为三类：MF、CC和BP。MF（分子功能）代表基因产物在分子水平上发生的活动。CC（细胞组分）代表与细胞结构相关的位置，其中功能由基因产物执行。BP（生物过程）代表了由各种分子活动进行的更广泛的操作[30]。KEGG是一个数据库集合，涉及基因组，疾病，药物，生物学途径和系统功能信息[31]。2.3. PPI网络构建与模块分析PPI（Protein-Protein Interaction，蛋白质-蛋白质相互作用）是指用边连接的节点图，其中节点和边分别表示蛋白质及其相互作用[32]。从所选疾病（PC和LC）中，使用基于在线生物信息学网络的应用程序STRING（https：string-db.org/）开发了常见基因的PPI网络，置信度评分为0.40，这是最低要求的相互作用评分[33]。在使用STRING构建PPI网络之后，我们借助称为Network Analyzer的Cytoscape软件工具分析了该网络。Cytoscape是一个开源平台，有助于可视化，分析和生物网络建模[34]。我们基于更高的连接性并通过使用Cytoscape的cytoHubba插件工具的11种拓扑分析方法确定了前10个枢纽基因[35]。与其他节点高度连接的节点被称为枢纽基因，它们主要负责疾病的发生。然后，为了识别网络的复杂部分，使用MCODE（分子复合物检测）方法识别PPI网络的顶级模块/集群，基本截止标准度截止值为2，节点得分截止值为0.2，k-核心为2，最大深度为100 [36]。然后用STRING来说明一些重要的模块网络，其中所需的最小交互得分为0.4，这是设置中的默认值2.4. 药物靶点的识别和分析我们收集了前10个枢纽基因的重要药物靶点，图二. PC和LC的交叉使用维恩图。它显示了它们之间重叠基因的数量。路径分析基因本体（GO）富集分析显示，PC和LC的共同基因集与BP的凋亡过程的调节、细胞增殖的调节、凋亡过程的负调节和细胞内信号转导的正调节、CC的粘着斑、染色质、核染色体部分和分泌颗粒腔、MF的蛋白激酶活性、蛋白激酶结合、转录调节区DNA结合和蛋白酪氨酸激酶活性显著相关（表1，图1B）。 3）。KEGG途径分析揭示，PC和LC的共同基因与涉及癌症中的MicroRNA、癌症中的途径以及癌症和胰腺癌中的蛋白聚糖的重要途径相关（表2，图1B）。3）。表1PC和LC共同基因的富集分析。总结了最重要的GO术语类别GO IDGO术语重叠P-值生物GO：0042981凋亡调控2763.13E-DSigDB （药物 签名 数据库） 使用 一 web 基于 工具叫‘Enrichr’DSigDB是一个在线资源过程过程GO：0042127细胞调节99246 5.13 E-它涉及药物、小分子和GSEA的靶基因（基因集富集分析）[37]。GO：0043066增殖凋亡过程86195 3.11 E-843. 结果我们收集了前10个枢纽基因的重要药物靶点，GO：1902533正调控细胞内信号转导GO：0043069负调节程序性细胞死亡185 2.22 E-76163 1.01 E-69DSigDB （药物 签名 数据库） 使用 一 web 基于 工具叫分子G 0：0004672蛋白激酶活性149 2.14E-‘Enrichr DSigDB是一个在线资源，它将药物、小分子和GSEA（基因集）的靶基因功能GO：0019901蛋白激酶结合144434.93E-浓缩分析）[37]。GO：0044212转录调控区域DNA结合116426.64E-373.1. 基因采集GO：0004713蛋白酪氨酸激酶活性61 1.15 E-27在这项研究分析中，所有负责PC和LC的基因都是GO：0003677 DNA结合174 1.37E-从开源数据库DisGeNET收集我们共收集了然后，为了识别com-细胞组分GO：0005925粘着斑99262.13E-27在PC和LC之间的mon基因，我们使用了一个在线工具Venny来比较GO：0000785染色质77 1.16E-找出共同的基因结果，我们发现LC和PC之间有1686个共同基因（图2）。GO：0044454核染色体第90部分197.39E-193.2. 富集分析富集分析是 覆盖 通过 去 term 分析和KEGGGO：0034774分泌颗粒腔78 2.34E-18GO：0000790核染色质65 1.64E-16T. Khan等人医学信息学解锁25（2021）1006374图3.第三章。 Go项和KEGG途径富集分析，其中x轴分别表示GO项和途径，y轴表示-log 10 （P值）。3.3. PPI网络构建与模块分析使用STRING，用来自PC和LC为了进一步分析，在PPI网络上使用Cytoscape软件这个PPI网络有1451个节点和51915条边，这表明PC和LC之间的连接（图1）。 4 A）。前10个枢纽基因TP53、AKT1、EGFR、TNF、IL6、ALB、EGF、MYC、VEGFA和使用cytoHubba插件工具使用程度/连接性方法鉴定GAPDH（图4B，表3）。然后，我们使用MCODE方法对PPI网络进行聚类分析，并在PPI网络中发现了一些重要的模块网络（图1）。 5）。3.4. 药物靶点的识别和分析在这部分研究中，我们确定了前10个DSigDB数据库中的hub基因。对于显著的中枢基因，我们采用10个药物特征，其中p值0.05并且重叠>5。<从10个显著的药物特征中，TNF、IL6、ALB、EGF、MYC、VEGFA和GAPDH）。表4中列出了重要枢纽基因的药物特征。T. Khan等人医学信息学解锁25（2021）1006375表2PC和LC共同基因的重要KEGG通路分析。途径/术语重叠Log10（P-值）的癌症中的microRNAs171104.3325癌症通路223100.7798蛋白聚糖与癌症10255.10198pi 3 k-akt信号通路13654.95265乙型肝炎8850.50816前列腺癌6748.59097AGE-beta信号通路与糖尿病6747.22777并发症MAPK信号通路113 45.44773大肠癌60 43.96126胰腺癌4. 讨论PC通常被称为它显示的症状几乎与其他医学问题的症状相似，如溃疡，胃和胰腺炎。PC大多在癌症扩散的晚期阶段被诊断出来，因为PC在早期阶段由于非特异性症状而在临床上无症状[38]。PC是最致命的恶性肿瘤之一，可扩散至其他器官，如肺、肝、腹部、骨甚至脑[39]。LC和PC的一个常见和主要原因是吸烟[7，17]。PC可以分为四个阶段，第1阶段（不扩散，可切除或可切除），当癌症局限于胰腺内时;第2阶段（局部扩散，边缘可切除），当癌症通过胰腺和邻近淋巴结扩散时;第3阶段（广泛扩散和不可切除），当癌症完全扩散到胰腺并扩展到附近的血管时;第4阶段（转移），当癌症扩散到附近和远处的器官或身体部位时[40]。在这项研究中，我们分析了PC和LC的数据集，以研究通过对这些疾病之间的遗传联系进行门控，共发现1686个共同基因，占PC和LC基因数据集的33.2%，表明PC和LC之间存在较强的相互作用我们利用Enrichr软件对这些共同基因进行了GO项分析和KEGG通路分析富集分析显示，共同基因集与细胞凋亡过程的调控、细胞增殖的调控、细胞凋亡过程的负调控和细胞内信号转导的正调控显著相关，CC的BP、粘着斑、染色质、核染色体部分和KEGG通路分析揭示了与癌症中的MicroRNA、癌症中的Pathways、癌症中的Proteoglycans、PI 3 K-Akt信号通路、前列腺癌、糖尿病并发症中的AGE-Akt信号通路、胰腺癌等重要通路相关的基因。MicroRNA是靶向多种细胞调节因子并抑制其表达的[41]. 在PC患者的血液中发现了microRNA谱肿瘤细胞MicroRNA在PC的发生、发展、进展和转移中起重要作用[42]。癌症中的通路涉及Wnt/Notch信号传导、TGF-β信号传导、侵袭调节、KRAS信号传导等，在胰腺癌调节过程或通路中发现[43]。蛋白聚糖在癌症中发挥多种功能，是细胞表面的关键分子效应物。蛋白聚糖如磷脂酰肌醇蛋白聚糖和多配体聚糖可以通过调节关键信号通路直接影响癌症的发展[44]。硫酸乙酰肝素蛋白聚糖（HSPG）磷脂酰肌醇蛋白聚糖-1调节胰腺癌细胞和肿瘤中生长因子的作用[45]。PI 3 K-Akt信号通路在几种癌症中被激活。受体酪氨酸激酶和体细胞突变（特别是信号传导途径元件）触发了人类癌症中两种最广泛发现的PI 3 K-Akt激活机制[46]。PI 3K-Akt信号通路的抑制与PC肿瘤抑制有关[47]。AGE-beta信号传导影响许多癌细胞中的凋亡和自噬。AGE-ESTA系统在各种类型的发展中起着至关重要的作用表3前10个枢纽基因，根据他们的程度值使用Cytoscape。名称程度值邻里连通性聚类系数TP53695111.286330940.12530011AKT1642119.623052960.14398258GAPDH607124.428336080.1556701EGFR561120.723707660.14805195Myc551125.241379310.16221746VEGFA528129.935606060.17724685IL6524126.089694660.17186519ALB486130.341563790.17950872TNF466130.841201720.19053948EGF463133.207343410.18893346见图4。蛋白质-蛋白质相互作用网络（a）PC和LC之间共同基因的PPI网络。(b)使用cytoHubba插件工具基于连接性/度值T. Khan等人医学信息学解锁25（2021）1006376图五. PPI网络的重要3簇/模块网络，由STRING说明，并由Cytoscape可视化。其中（a）是模块1，（b）是模块2，（c）是模块3。表4使用DSigDB在药物靶标分析中鉴定的与枢纽基因相关的前10个药物特征。药物特征重叠P值基因因素） 是 一 多功能 细胞因子 的 起 显著 角色不同的细胞事件，如细胞存活、增殖、分化和溶解[52]。TNF-α是TNF-α超家族的重要成员，在免疫、细胞重塑、细胞存活和细胞凋亡中发挥作用[53]。TNF-α在炎症反应中起重要作用，辣椒素CTD 00005570水杨酸钠谷胱甘肽CTD 00006035丙烯醛CTD 00005313101.08 E-2081.84 E-2092.36 E-199 2.89 E-19IL6; EGF; MYC; ALB; AKT1; GAPDH;TNF; TP53; EGFR; VEGFAIL 6; EGF; MYC; ALB; TNF; TP53;EGFR; VEGFAIL 6; MYC; ALB; AKT1; GAPDH; TNF;TP53; EGFR;VEGFAIL 6; MYC; ALB; AKT1; GAPDH; TNF;TP53; EGFR;PC的病因发现TNF-α通过EGFR和TGF-α（转化生长因子）表达支持PC细胞生长[54]。肿瘤坏死因子-α(308 A）等位基因促进LC发展和进展[55]。IL 6（白细胞介素-6）是一种促炎细胞因子，其升高，特别是与PC。IL6通过激活促侵袭性GT3信号传导，引发肿瘤细胞进行转移性侵袭，部分促进转移性侵袭[56]。 IL6反式信号转导激活胰腺中的Stat3，促进PDAC发展和PanIN进展[57]。VEGFA癌症如PC、LC和其他病理性疾病，包括糖尿病和心血管疾病[48]。在使用共同基因的PPI网络之后，我们基于它们的连接性/度值识别了重要的枢纽基因（TP 53、AKT 1、EGFR、TNF、IL 6、ALB、EGF、MYC、VEGFA和GAPDH）。TP53提供了制造一种称为p53的肿瘤蛋白的指令。PDAC（胰腺导管腺癌）是一种癌症类型，其中突变型TP53影响疾病进展。突变体TP53促进侵袭和转移，并且在PDAC中75%的病例中突变[49]。AKT是一种丝氨酸蛋白激酶，通过抑制细胞凋亡和介导细胞增殖在大多数人类癌症中发挥作用。AKT亚型在PC中经常被激活AKT1的过度激活已经被参与PC的形成，这抑 制 AKT1 可 能 有 治 愈 胰 腺 癌 的 治 疗 可 能 性 [50] 。 表 皮 生 长 因 子（Epidermalgrowthfactor，EGF）是一种重要的配体和受体家族，在胰腺导管癌的发生发展中起着重要作用. EGFR（表皮生长因子受体）是一种跨膜糖蛋白，在包括非小细胞肺癌（NSCLC）在内的几种上皮肿瘤中异常活化[51]。TNF（肿瘤坏死在药物靶点分析后，我们发现了一个药物标签辣椒素是红辣椒中主要的辛辣成分，可诱导细胞凋亡，胰腺癌细胞辣椒素是胰腺癌细胞体外和体内生长的有效抑制剂[58]。 辣椒素在多种人类癌细胞中显示出强大的抗肿瘤活性，并通过TRPV6受体诱导人类SCLC的凋亡 [59]第59话5. 结论在这项研究中，我们分析了PC和LC各自的基因数据集对这些共有基因进行GO术语分析、途径富集分析，发现了这些共有基因的分子功能、细胞组成、生物学过程和重要途径我们用共同基因构建了PPI网络，并确定了PC 和LC的前10 个重要枢纽基因，包括TP53 ，AKT1，GAPDH，EGFR，MYC，VEGFA，IL 6，ALB，TNF和EGFT. Khan等人医学信息学解锁25（2021）1006377在这两种癌症疾病的进展中起重要作用。然后，我们从PPI网络中识别出重要的模块。此外，我们已经确定了重要枢纽基因的候选药物化合物。这项研究提供了与PC和LC相关的重要生物标志物，途径和药物特征的信息，这可能有助于治疗PC和LC癌症患者。资金利益冲突：未声明。竞合利益作者声明，他们没有已知的可能影响本文所报告工作确认我们衷心感谢编辑和匿名评论者，他们周到的建议帮助我们改进了这篇论文。引用[1] Rawla P，Sunkara T，Gaduputi V.胰腺癌的流行病学：全球趋势、病因学和危险因素。World JOncol 2019;10（1）：10-27.https://doi.org/10.14740/wjon1166.[2] 美国临床肿瘤学会。胰腺癌：统计学。2020.五月可从https://www.cancer.net/cancer-types/pancreatic-cancer/int获得。于2020年9月18日恢复。[3] Bray F，FerlayJ， Soerjomataram I，Siegel RL，Torre LA，Jemal A. 2018年全球癌症统计数据：GLOBOCAN估计全球36个国家的发病率和死亡率185个国家的癌症 CA A Cancer J Clin 2018;68：394-424. https://doi.org/10.3322/caac.21492。[4] 放大图片Siegel RL，Miller KD，Jemal A.癌症统计，2020年。 CA A Cancer JClin 2020;70：7-30. https://doi.org/10.3322/caac.21590网站。[5] 美国临床肿瘤学会。胰腺癌：统计学。2020.五月可从以下网址获得：https://www.cancer.net/cancer-types/pancreatic-cancer/statistics. 于2020年9月18日恢复[6] 作者：J.J. M，J. M，J.胰腺癌的早期检测：机遇与挑战。胃肠病学2019;156（期7）：2024-40。https://doi.org/10.1053/j.gastro.2019.01.259。 ISSN 0016-5085。[7] Lee DW，Kim MK，Kim HG.胰腺神经内分泌肿瘤的诊断。诊所安多斯2017;50（6）：537。[8] Mizrahi Jonathan D，Surana Rishi，Valle Juan W，Rachna T Shroff.胰腺癌柳叶刀2020;395（10242）：2008-20。https://doi.org/10.1016/S0140-6736（20）30974-0. ISSN 0140-6736。[9] Larsson SC，Wolk A.红肉和加工肉类消费与胰腺癌风险：前瞻性研究的荟萃分析。Br JCanc 2012年1月31日;106（3）：603-7。https://doi.org/10.1038/bjc.2011.585。Epub 2012 Jan 12. PMID：22240790;PMCID：PMC3273353。[10] Aune D，Chan DSM，Vieira AR，Navarro Rosenblatt DA，Vieira R，GreenwoodDC，Cade JE，Burley VJ，Norat T.膳食果糖、碳水化合物、血糖指数和胰腺癌风险：队列研究的系统综述和荟萃分析AnnOncol2012年10月;23（10）：2536-46。https://doi.org/10.1093/annonc/mds076网站。Epub 2012年4月26日。PMID：22539563。[11] 放大图片Siegel RL，Miller KD，Jemal A.癌症统计，2018年。CA A CancerJClin 2018 Jan;68（1）：7-30. https://doi.org/10.3322/caac.21442网站。Epub 2018 Jan 4.PMID：29313949。[12] 美国临床肿瘤学会。肺癌：统计学。2020.五月可查阅：https://www.cancer.net/cancer-types/lung-cancer-non-small-cell/statistics。于2020年9月18日恢复。[13] 肺癌-事实。第三版Williams C; 2010，ISBN 978-0-19-956933-5。作者：Falk S.[14] 美国癌症协会。肺癌可查阅：https://www.cancer.org/cancer/lung-cancer/about/what-is.html。于2020年9月18日恢复。[15] 癌症图谱肺癌可查阅：https://canceratlas.cancer.org/the-burden/lung-cancer/。于2020年9月15日恢复。[16] 美国国家癌症研究所.癌症统计事实：肺癌和支气管癌。可从以下网址获得：https://seer.cancer.gov/statfacts/html/lungb.html于2020年9月18日恢复。[17] 美国癌症协会。肺癌可查阅：https://www.cancer.org/cancer/lung-cancer/causes-risks-prevention.html。于2020年9月18日恢复。[18] Alberg AJ，Brock MV，Samet JM.第52章：肺癌的流行病学&纳德尔呼吸医学教科书。第六版 Saunders Elsevier; 2016，ISBN978-1-4557-3383-5.[19] O'Reilly KM，Mclaughlin AM，Beckett WS，Sime PJ.石棉相关的肺部疾病。 美国家庭医生2007;75（5）：683-8。PMID：17375514。[20] 美国吸烟与健康办公室（Office on Smoking and Health）非自愿暴露于烟草烟雾的健康后果：卫生局局长的报告。亚特兰大（佐治亚州）：疾病控制和预防中心（美国）; 2006年。PMID：20669524。[21] Horn L，Lovly CM.第74章：你是谁？In：Jameson JL，Fauci AS，Kasper DL，Hauser SL，Longo DL，LoscalzoJ，editors.哈里森内科学原理。第二十版McGraw-Hill; 2018，ISBN 978-1259644030.[22] BarthDA，Brenner C，Riedl JM，Prinz F，Klocker EV，Schlick K，Pichler M.晚期肺癌炎症反应与预后相关性的实验研究胰腺癌患者的急性肺损伤指数（ALI）。癌症医学2020;9（15）：5473-9。[23] [10] Kurahara H，Maemura K，Mataki Y，Tanoue K，Iino S，Kawasaki Y，Natsugoe S.胰腺癌肺复发及其治疗策略。胰腺病学2020;20（1）：89[24] [10] Morimoto D，Yamada S，Sonohara F，Takami H，Hayashi M，Kanda M，KoderaY.胰腺癌根治性切除术后首次复发肺转移的特点。胰腺2020;49（5）：699-705。[25] Bauer-Mehren Anna，Michael R，et al. DisGeNET：一个可视化的Cytoscape插件，整合、搜索和分析生物信息学2010.网址：http：//doi.org/10.1093/bioinformatics/btq538[26] Zhang Y，De S，Garner JR，et al.基于人类遗传关联数据和小鼠遗传表型信息的疾病系统分析、比较和整合。BMC Med Genom 2010;3：1.https://doi.org/10.1186/1755-8794-3-1网站。[27] Ashburner M，Ball C，Blake J，et al. Gene Ontology：tool for theunification ofbiology. Nat Genet 2000;25：25-9.https://doi.org/10.1038/75556网站。[28] 金久实后藤进京都基因与基因组百科全书。核酸研究2000;28（1）：27-30.https://doi.org/10.1093/nar/28.1.27网站。[29] Kuleshov MV，Jones MR，Rouillard AD，Fernandez NF，Duan Q，Wang Z，etal. Enrichr：a comprehensive gene set enrichment analysis web server 2016update. 44.第44章：我的天https://doi.org/10.1093/nar/gkw377网站。[30] 基因学基因本体论概述。http://geneontology.org/docs/ontology-documentation/.于2020年9月18日恢复。[31] 青木木下KF，兼久M. KEGG中的基因注释和通路作图。在：伯格曼NH，编辑。比较基因组学。分子生物学方法，第396卷。北京：人民出版社，2007.https://doi.org/10.1007/978-1-59745-515-2_6网站。[32] 邹晓东，安凯，吴永德，叶志清。对人WD 40蛋白家族的PPI网络分析系统地揭示了它们组装复合物的倾向，并促进了复合物的预测。BMC系统生物学2018年4月24日;12（增刊4）：41。https://doi.org/ 10.1186/s12918-018-0567-9 PMID：29745845。[33] Szklarczyk D，Morris JH，Cook H，Kuhn M，Wyder S，Simonovic M，et al.TheSTRING database in 2017：quality-controlled protein-protein associationnetwork使其广泛普及。 Nucleic Acids Res 2017;45：D362-8. https://doi.org/10.1093/nar/gkw937。[34] 鲍尔·梅伦·安娜使用Cytoscape整合基因组信息与生物网络，ISBN 978-1-62703-450-0。https://doi.org/10.1007/978-1-62703-450-0_3.[35] 马宏，何志，陈军，等.基于CytoHubba 11种拓扑分析方法的胃癌相关生物标志物的鉴定.中国医学科学院肿瘤学研究所，2001，12（1）：133 - 134. Sci Rep2021;11：1331. https://doi.org/10.1038/s41598-020-79235-9网站。[36] 冯华，顾志英，李勤，刘清华，杨晓艳，张俊杰。 应用生物信息学分析筛选卵巢癌预后不良的重要基因。 卵巢研究杂志2019;12（1）：1[37] Yoo M，ShinJ， KimJ， Ryall KA，Lee K，Lee S，等.DSigDB：药物特征基因组分析数据库。Bioinformatics 2015;31：3069-71.https://doi.org/10.1093/bioinformatics/btv313.[38] Sheth N，Dalbagni G，Rothenberg RE，LaRaja RD.非黄疸患者的胰腺癌。无声的疾病。美国外科杂志1985;51（5）：252-5。PMID：3888016。[39] 美国癌症协会。胰腺癌的治疗，根据癌症的程度。可查阅：https://www.cancer.org/cancer/pancreatic-cancer/treating/by-stage。于2020年9月18日恢复。[40] De La Cruz MS，Young AP，Ruffin MT.胰腺癌的诊断和治疗。 美国家庭医生2014年4月15日;89（8）：626-32。PMID：24784121。[41] Solmaz S，B