没有合适的资源?快使用搜索试试~ 我知道了~
医学信息学解锁20(2020)100422计算机模拟研究揭示了卵巢癌的免疫信号通路,其基因和潜在的草药靶点PraveenKumar Posa Krishnamoorthy a,Mohammad Azhar Kamal b,c,Mohiuddin Khan Warsi b,c,Afnan M.放大图片作者:Alnajeebid. Ali b,Nawal Helmi e,Mohammad Asrar Izhari f,Saad Mustafag,Ahmad Firoz h,Mohammad Mobashiri,*a生物技术系,Sri Venkateswara工程学院,Sriperumbudur,602105,印度b沙特阿拉伯吉达大学理学院生物化学系c吉达大学科学和医学研究中心,沙特阿拉伯吉达d沙特阿拉伯吉达大学理学院生物化学系沙特阿拉伯吉达吉达大学理学院生物科学系f沙特阿拉伯巴哈大学应用医学系g印度新德里贾瓦哈拉尔·尼赫鲁大学环境科学学院,邮编:h沙特阿拉伯吉达阿卜杜勒阿齐兹国王大学理学院生物科学系i卡罗林斯卡医学院微生物学、肿瘤和细胞生物学系(MTC),NovelsVaüg16,17165,Solna,Stockholm,SwedenA R T I C L EI N FO保留字:基因表达谱中药靶标网络分析卵巢癌信号通路临床相关性A B S T R A C T卵巢癌是死亡的主要原因,因为大多数患者在疾病进展的晚期被诊断出来,因为它不能在早期被检测到。免疫原性肿瘤和免疫疗法通过靶向免疫检查点而被强烈追求。在以往的研究中,免疫信号通路及其组分已被证明是癌症发生、发展和最终诊断范围的关键因素。因此,在卵巢癌中,基于免疫的预后标志仍然是一个可以进一步探索的潜力。我们使用基因表达GEO数据集,重点是了解信号通路及其组分的改变如何与免疫系统相关功能相关。最后,我们探讨了可能的草药靶点(芹菜素,槲皮素,白藜芦醇)的基础上基因表达谱。从PubChem数据库中检索草药结构,并通过使用SwissModel工具获得排名靠前的基因的3D蛋白质结构,下一步SwissDock工具已用于针对排名靠前的差异表达基因进行草药对接研究。我们的结论是,对于卵巢癌,免疫系统相关的途径是TCR,UPS,FoX o,神经活性配体-受体相互作用,肾上腺素能,NK细胞,TGF,TNF,NF-kB,BCR和APC,对接分析表明,槲皮素最可能的靶点是GNAI 3,FGFR 1和LGALS 3,而芹菜素和白藜芦醇在δ G方面遵循类似的趋势。基于网络的对接蛋白研究表明,FGFR1,GNAI3,RAC 1和RHEB控制着大量的免疫系统DEG,这些基因的簇也相互连接。1. 介绍卵巢癌是女性死亡的主要原因之一,因为大多数患者在癌症进展的晚期被诊断,并且在卵巢癌中,基因表达谱已经被彻底研究,其中许多基因表达谱在卵巢癌中被发现。工作集中于卵巢癌生物标志物的开发[1一般来说,卵巢癌患者在疾病的晚期被诊断出来,对于这些患者,基于铂的化疗被认为是标准治疗。尽管化疗已经取得成功,但大多数卵巢癌复发并获得对化疗的耐药性。进一步化疗导致治疗失败[4,5]。几个因素* 通讯作者。电 子 邮 件 地 址 : praveenpk@svce.ac.in ( P.K.P. Krishnamoorthy ) , makamal@uj.edu.sa ( M.A.Kamal ) , mwarsi@uj.edu.sa ( M.K.Warsi ) ,amalnajeebi@uj.edu.sa(A.M. Alnajeebi),asrar. gmail.com(M.A.Izhari),saadmustafa24@gmail.com(S.Mustafa),ahmadfirozbin@gmail.com(A.Firoz),m.cdslifesciences.com(M. Mobashir)。https://doi.org/10.1016/j.imu.2020.100422接收日期:2020年5月17日;接收日期:2020年8月23日;接受日期:2020年9月2日在线预订2020年2352-9148/© 2020作者。出版社:Elsevier Ltd这是CC BY许可下的开放获取文章(http://creativecommons.org/licenses/by/4.0/)。可在ScienceDirect上获得目录列表医学信息学期刊主页:http://www.elsevier.com/locate/imuP.K.P. Krishnamoorthy等人医学信息学解锁20(2020)1004222Fig. 1.前100个DEG及其各自的倍数变化和p值。前50个上调基因和前50个下调基因及其各自的倍数变化和p值。例如年龄、分期、首次剖腹手术后的残留肿瘤、分化等级、组织型和对化疗的反应,被认为是重要的预后标记,并且简单地基于这些因素,不可能为个体患者选择最佳的化疗。此外,它还展示了基因本体(GO),信号通路分析和蛋白质-蛋白质相互作用(PPI)网络的分析。在过去的几十年里,后基因组时代的进步在生物科学中产生了大量的大数据集也导致了存储,挖掘,处理,处理和解开有意义的信息方面的一些挑战。 有几个生物数据-存储不同类型数据集的数据库。生物科学中一些常用的数据库是癌症基因组图谱(TCGA)[6],oncomine,nephroseq和GEO(基因表达综合)。这些数据库存储了大量与癌症,糖尿病,和其他生物学问题[7许多报道已经发表在卵巢癌细胞系或卵巢癌中,以证明使用微阵列的基因表达谱。在过去,有许多基于微阵列的基因表达数据集,其中已经进行了表达谱分析以寻找用于开发生物标志物的深刻见解。 卵巢癌症[13近年来,卵巢癌组织中的差异表达基因进行两个单独基因表达数据集的癌症。这体现了对基因本体、信号通路富集和蛋白质-蛋白质相互作用(PPI)网络的分析。免疫信号网络已被证明是癌症发生和发展的关键因素。已经证明,卵巢癌是一种免疫原性肿瘤,通过靶向卵巢癌细胞,免疫检查点因此,在卵巢癌中,基于免疫的预后标记仍然是可以应用的潜力[16以前的工作[16-J.Hansen和R. Iyengar [18]提出了在精确医学和系统治疗学之间架起桥梁的计算方法。最重要和最有希望的一点是,免疫信号通路(ISP)和网络已被证明是癌症发生和进展的关键因素,并且已经证明卵巢癌是一种免疫原性肿瘤,通过免疫治疗强烈追求。针对免疫检查点[19当我们寻找从计算研究到治疗方法的深刻见解时[19因此,在卵巢癌症基于免疫的预后标记在诊断目的方面仍然具有潜力,可以进一步探索和研究。为此,我们选择了公开可用的基因表达数据集,并重点分析了数据,以了解信号通路及其组分如何与免疫系统相关。此外,我们已经针对三种潜在的营养药物芹菜素,槲皮素和白藜芦醇的临床重要基因,并分析了这些停靠蛋白的网络与其关联属于DEG的免疫原。这些神经药物在全球范围内被研究用于靶向复杂的人类疾病,主要是不同类型的癌症,并且在癌症进展的情况下,基因表达模式存在巨大的改变。这就是为什么我们选择这三种药物来靶向卵巢癌中过表达的DEG,这可能导致解开潜在的草药靶标的原因。在这里,我们分析了所有的差异表达基因(DEG)并丰富了途径,最后,绘制出基因和P.K.P. Krishnamoorthy等人医学信息学解锁20(2020)1004223≥≤-图二.排名靠前的基因和丰富的途径。(a)前100个基因(向上和向下)的网络,(b)这些排名靠前的基因的丰富途径,以及(c)基于其连接性排名的与免疫系统相关的通路,并研究了其临床相关性。这项研究的主要目标是功能影响和与免疫系统相关的基因,这些基因由于卵巢癌而高度改变,成为卵巢癌的潜在草药靶点。2. 结果基因表达谱揭示了许多与免疫系统相关的途径:在第一步中,我们选择了我们感兴趣的数据(原始基因表达数据集)GSE 9891 [23],并对其进行处理,直到所有映射基因的标准化和log2值。该数据集包含285个样本(18个正常和267个恶性卵巢样本),并且对于差异基因表达分析,我们将恶性样本与正常样本进行比较,从而给出我们的DEG列表。根据倍数变化(log2 FC≥2.0且p值≤0.05(上调)和log2 FC≤ -2.0且p值≤0.05)对基因进行分类(down 为了评估高度改变的基因,前50个上调基因和前50个下调基因已经显示在图1B中。1及其各自的倍数变化和p值。基于p值,所有这些 基因 似 乎都 非 常 显著 。TIGD5 , DNAI1 , ECEL1 , PNMAL1 ,PDE3B,ADAMTS8,ZNF 26,DEND2C,OVAAL,FOXA 1,RHEB,MAGI 1,ZNF 587,LPCAT 2是高度上调的基因(倍数变化16.0),ASF 1A、FMNL 1、ATP 1B 4、PKHD 1 L1、LHX 3、RP 11 - 357 G3.2、H1 F0、TTLL7、NXPH 2、SERF 2、HAP 1、MFF、TAPBP是高度抑制的基因(倍数变化16.0)。排名靠前的DEG导致与免疫系统直接相关的通路的改变:在分析DEG并呈现前100个基因的倍数变化以及各自的p值之后,通过使用FunCoup网络数据库对这100个基因进行网络映射,以显示与每个基因的连接性。其他(图2a),这个网络是蛋白质-蛋白质相互作用(PPI)网络红色节点表示上调的基因,绿色节点表示下调的基因,线表示已知的相互作用,对于网络映射,人类P.K.P. Krishnamoorthy等人医学信息学解锁20(2020)1004224图3.第三章。丰富的途径。(a)排名最高的富集的总体富集途径和(b)富集 途径中 的免疫系统相关途径。使用FunCoup2.0网络数据库。在这个网络中,SART 1,HNRNPR,NCBP 1,WDR 33,PPIH,YARS,PI4KB,ACSL 3,TAPBP,NDRG4、GNAI3、ASF1A是高度关联的基因,这意味着这些基因相对于其他DEG控制更多的基因,最终它可以控制广泛的功能或途径。对于这100个基因,我们还分析了富集的途径,其中我们观察到有13个富集的途径,并且出现统计学显著性(图2b)。PI 3 K-AKT、Ras、Rap 1、cGMP- PKG、cAMP、AMPK、肾上腺素能、紧密连接、胰岛素、吞噬体、白细胞跨内皮迁移、雌激素和催产素信号传导途径是这些前100个基因(上/下)的富集途径。此外,我们在图2c中展示了图2a中存在的所有基因的连接性。大多数排名靠前的基因似乎控制关键特征和功能,主要是排名靠前的基因SIRT 1、HNRNPR、NCBP 1、PPIH和PI 4KB分别与T细胞识别的鳞状细胞癌抗原、mRNA剪接翻译控制、加帽的无内含子前体mRNA的加工、含有HIV-1 Tat的HIV-1延伸复合物的形成、mRNA剪接基因表达以及肌醇磷酸化合物和甘油磷脂生物合成的超途径&&&大量的免疫系统相关途径是在富集的途径中:如前一节所述,PI 3 K-AKT、Ras、Rap 1、cGMP-PKG、cAMP、AMPK、肾上腺素能、紧密连接、胰岛素、吞噬体、白细胞跨内皮迁移、雌激素和催产素信号传导途径是前100个基因的富集途径。现在,我们已经画出了所有这些路径, 丰富和 p值阈值为0.05。在这里, 顶部富集在图3a中显示了来自富集途径列表的免疫系统相关途径,并且免疫系统相关途径已被入围并以其各自的p值呈现(图3b)。在这里,我们可以清楚地看到,有一系列途径是ISP和网络的直接组成部分,从而得出结论,在卵巢癌的情况下,免疫系统是由于卵巢癌而高度改变的系统之一。为了更好的清晰和理解,我们绘制了属于通路列表的基因(图3b),并观察到有274个基因是这些通路的组成部分,最后,我们准备了这些基因的网络,并根据连接性分为两组(图4)。一组具有黄色节点(高度连接),另一组具有蓝色节点(相对较少连接),这两个组与红色边缘相互连接。我们在这里观察到的最显著的一点是,如果我们去除这两组基因与作为完整免疫系统相关基因列表图S1和S2的一部分的其他基因之间的连接,那么只剩下很少的连接,从而得出结论,即所有免疫相关基因不是卵巢癌情况下免疫系统改变的主要来源,但是有很少的基因是高度相关的。这些基因可能是改变的潜在来源。此外,我们还通过使用TCGA数据库研究了其在过表达方面的临床相关性,并观察到这些基因中的大多数在大量卵巢癌患者中过表达(图1B)。 4 b)。通过使用Panther数据库[24],免疫信号传导和系统相关基因(差异富集)已被分类,其中P.K.P. Krishnamoorthy等人医学信息学解锁20(2020)1004225图四、排名靠前的基因(基于连接性)与免疫系统相关的信号通路。排名靠前的基因分为两个簇:(a)基于连接性的排名靠前的基因,(b)相对较少连接的基因及其关联,以及(c)免疫系统相关基因的临床相关性,并且在此我们显示了来自TCGA(卵巢浆液性囊腺癌,患者总数为606)的样品中具有过表达基因的患者的百分比。酶调节剂、信号蛋白、受体、水解酶、转移酶、防御/免疫蛋白、核酸结合、转运蛋白、转录因子和细胞骨架蛋白是高度显性的(图11)。 5a)。对接分析揭示了潜在的草药靶标:为了研究潜在的草药靶标,我们基于网络连接性选择了排名最高的基因,并针对三种草药芹菜素、槲皮素和白藜芦醇进行了它们的对接(参见表1)。基于对接分析,似乎槲皮素最可能的靶标是GNAI 3、FGFR 1和LGALS 3,而芹菜素和白藜芦醇遵循类似的趋势,在Δ G方面几乎没有例外(图5b)。RAC 1和RHEB是对所有三种药物具有几乎相等的Δ G值的蛋白质。基于对接结果,我们得出结论,槲皮素可能是三种选定药物中靶向卵巢癌的潜在营养药物(图5b)。从对接蛋白和差异表达的免疫基因(DEI)的网络来看,FGFR 1、GNAI 3、RHEB和RAC 1似乎是卵巢癌情况下的潜在草药靶标(图5c),因为它们的Δ G和它们与簇中的许多基因的关联3. 讨论在卵巢癌细胞系或卵巢癌中已经发表了许多报告,以证明基因表达谱或转录组学数据分析,并且基于它已经进行了基因表达谱分析,以深入了解卵巢癌生物标志物的发展。在以往的研究中,它已经展示了基因本体分析,信号通路富集和蛋白质-蛋白质相互作用(PPI)网络[25主要有一些出版物提出了用于基因表达数据分析的途径水平理解的方法[16 在另一项研究中,信号网络已被证明是癌症发生和发展的关键因素。卵巢癌是一种具有免疫原性的肿瘤,通过靶向免疫检查点进行免疫治疗已被证实。因此,在卵巢癌中,基于免疫的预后标记仍然是可以进一步探索的潜力。为此,我们选择了公开可用的基因表达数据集并重点分析了数据,以了解富集的信号通路[16这项研究的新颖之处在于,它从简化的方法开始,其中基因表达公共数据集(GEO)通过使用多种方法,如数据分析对接,基于基因表达谱和TCGA数据集临床相关性预测卵巢癌中假定的营养药物(芹菜素,槲皮素和白藜芦醇)靶标。在此,我们分析了DEG、通路和可能的草药靶点,并表明PI 3 K-AKT、Ras、Rap 1、cGMP-PKG、cAMP、AMPK、肾上腺素能、紧密连接、胰岛素、吞噬体、白细胞跨内皮迁移、雌激素和催产素信号通路是前100个基因的富集通路。在这里,我们可以清楚地看到,有一系列途径是ISP和网络的直接组成部分,从而得出结论,在卵巢癌的情况下,免疫系统是由于卵巢癌而高度改变的系统之一。所选的营养药物芹菜素、槲皮素和白藜芦醇已证明了其作用和应用P.K.P. Krishnamoorthy等人医学信息学解锁20(2020)1004226图五.排名靠前的基因(基于连接性)与免疫系统相关的信号通路。(a)豹蛋白类,(b)所有对接输出的最低Δ G,以及(c)对接蛋白和DEI的网络。在靶向人类疾病方面非常有希望[28此外,我们已经显示了属于途径列表的基因(图3b),并观察到有274个基因是这些途径的组成部分,这些基因的网络根据连接性分为两组(图4)。一个组具有黄色节点(高度连接),另一个组具有蓝色节点(相对较少连接),这两个组与红色边缘互连。我们在这里观察到的最值得注意的一点是,如果我们删除这两个组与作为完整的免疫系统相关基因列表图S1的一部分的其他基因之间的连接,那么只剩下很少的连接(图5a和b)。从而得出结论,在卵巢癌的情况下,并非所有免疫相关基因都是免疫系统改变的主要来源,但存在少数高度关联的基因,这些基因可能是免疫系统改变的主要来源。潜在的变化来源(S)。大多数排名靠前的基因似乎控制关键特征和功能,主要是排名靠前的基因SIRT 1、HNRNPR、NCBP 1、PPIH和PI 4KB分别与T细胞识别的鳞状细胞癌抗原、mRNA剪接翻译控制、加帽的无内含子前体mRNA的加工、含有HIV-1 Tat的HIV-1延伸复合物的形成、mRNA剪接基因表达以及肌醇磷酸化合物和甘油磷脂生物合成的超途径相关。&&&从对接研究和与DEI、FGFR1、GNAI3、RHEB和RAC 1的基因网络(与草药对接)显示为DEI簇,这意味着这四个基因对于三种选定的营养品是非常有希望的。就未来的诊断方法(主要是癌症免疫治疗)而言,这项工作将有助于开发新的生物标志物,并可能具有广泛的靶向,包括草药靶点。4. 结论我们的研究得出的结论是,有大量的途径和与免疫系统相关的基因被改变,导致卵巢癌。最富集的途径是TCR、UPS、FoX o、神经活性配体-受体相互作用、肾上腺素能信号传导、NK细胞、TGF、TNF、Nf-kB、BCR、APC,并且临床上高度重要的这些途径的改变的主要来源是基因SART 1、HNRNPR、NCBP 1、WDR 33、PPIH、YARS、PI 4KB、ACSL 3、TAPBP、NDRG 4、GNAI 3、ASF 1A、ACTB、FYN、EEF 2、YWHAZ、ACTG 1、RHEB、SMAD。Dockig结果表明槲皮素可能是三种筛选出的卵巢癌靶向药物中的潜在营养药物。5. 方法我们使用基因表达谱阵列数据集(GSE 9891P.K.P. Krishnamoorthy等人医学信息学解锁20(2020)1004227-≥ +≤-≥ +≤-表1对接蛋白及其相关通路。GNAI3趋化因子信号通路基于倍数变化的选择条件,因此倍数变化比截止倍数变化极高或极低。对于通路分析,我们使用KEGG [42]数据库并有自己的代码GNAI3x引导设计路径和网络分析[43我们已经描述GNAI3紧密连接GNAI3间隙连接GNAI3白细胞跨内皮迁移GNAI3长期抑郁症GNAI3孕酮介导的卵母细胞成熟GNAI3黑素生成GNAI3恰加斯病FGFR1 MAPK信号通路FGFR1粘附连接FGFR1调节肌动蛋白细胞骨架FGFR1前列腺癌FGFR1黑色素瘤RHEB mTOR信号通路胰岛素信号通路RAC1 MAPK信号通路RAC1趋化因子信号通路RAC1 Wnt信号通路关于倍数变化,默认情况下将基因视为DEG,我们应用了FC 2.0(上调基因)和FC2.0(上调基因)的阈值。2.0(下调基因),并且这些DEG已被考虑用于途径富集分析。但是对于热图和网络呈现,已经呈现了前100个DEG(50个向上和50个向下)基因。为了生成DEGs网络,FunCoup2.0 [46]已用于整个工作中的所有网络,cytoscape [47]已用于网络可视化。我们的大部分编码和计算都使用MATLAB。FunCoup2.0预测了四种不同类型的功能偶联或关联,例如蛋白质复合物、蛋白质-蛋白质物理相互作用、代谢和信号传导途径[48]。对于蛋白质分类,我们使用了Panther数据库[24]。最后,Swissdock [49,[50]]已被应用于对接目的并预测RAC 1 AX on guidanceRAC1 VEGF信号通路RAC 1局灶性粘连RAC 1粘附连接RAC1 Toll样受体信号通路RAC 1自然杀伤细胞介导的细胞毒作用RAC1 B细胞受体信号通路RAC1 Fc β RI信号通路RAC 1 Fc γ R介导的吞噬作用RAC 1白细胞跨内皮迁移RAC 1神经营养因子信号通路RAC 1对肌动蛋白细胞骨架RAC1肌萎缩侧索硬化症(ALS)RAC1上皮细胞幽门螺杆菌感染中的RAC1上皮细胞信号转导癌症中的RAC1RAC1结直肠癌肾细胞癌RAC1胰腺癌RAC 1病毒性心肌炎[23]卵巢癌的治疗。该数据集包含18个正常和对267例卵巢恶性肿瘤标本进行差异基因表达分析,并与正常卵巢标本进行比较,得出DEGs表。所使用的数据是通过微阵列产生的,以分析285个卵巢样本的表达水平,以确定肿瘤的分子亚型。这些样品是从AOCS ( 澳 大利 亚 卵 巢 癌研 究 ) 中 随机 选 择 的 样品 , 在affymetriXU133_plus2平台上进行表达谱分析,以鉴定卵巢肿瘤的新亚型。 这些卵巢样本冷冻组织保存在手术后80 ℃,卵巢、输卵管或腹膜的坏疽性瘤。简而言之,整个研究涉及的基本步骤是原始文件处理,强度计算和归一化。由于高通量数据主要是基于微阵列的基因表达值被计算为强度,其范围从最低值到极高,因此需要具有优化的值或按比例缩小的值,我们通常将它们转换为log2值。对于归一化[33-在这里,我们使用EB进行原始强度归一化。后标准化之后,我们继续我们的目标,即理解基因表达模式[10,41]及其推断的功能[24,41]。对 于 差 异 基 因 表 达 预 测 和 统 计 分 析 , MATLAB 函 数 ( 例 如 ,mattest)已被用于和火山阴谋。从mattest中,我们得到p值,然后进行p值校正并分配p值阈值,最后使用火山图计算倍数变化,并选择p值小于0.05 在这个范围内,2.0和2.0而这倍数变化的范围以及p值截止值是常用的,而在我们的研究中,我们选择了排名靠前的基因,以具有严格的使用SwissModel [51,52]。伦理批准和参与同意因为,我们已经分析了以前发表的,并在基因EX pression Omnibus上免费提供,所以本节不适用于我们。不适用因同意发表由于我们没有直接获得样本,并且已经发表,因此无需获得发表同意书。不适用因数据可用性我们所有的数据都已作为补充文件附在后面,可供进一步使用。资金一个也没有。作者PK,MAK和Mobashir M设计了实验,进行了计算,分析了结果并撰写了手稿。MKW,MNB,MAI,SM和MM在设计实验,分析和手稿写作方面做出了贡献。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这项工作没有得到任何资金的支持,它只在学生层面上进行。附录A. 补充数据本 文 的 补 充 数 据 可 在 https : //doi 网 站 上 找 到 。org/10.1016/j.imu.2020.100422。P.K.P. Krishnamoorthy等人医学信息学解锁20(2020)1004228引用[1] [10] J.J.R,J.J.C,J.J.A,J.J.E,etal. 卵巢癌分子病理学。癌症转移综述2012;31:713-32。网址://doi. org/10.1007/s10555-012-9383-7。[2] 陈玲,宣军,顾军,王永,张正,王天林,等.卵巢癌异常通路网络的整合网络分析.中国肿瘤杂志,2001,12(1):117 - 118. Pac SympBiocomput2012:31[3] 王文,等.乳腺癌组织中不同基因表达谱的比较研究.中华乳腺癌杂志,2000,24(1):135 - 136卵巢癌与大块正常卵巢组织和卵巢表面刮片的比较。肿瘤学报告2007;18:1347-56。[4] Lisowska KM.卵巢癌的基因表达分析--来自DNA微阵列研究的错误和提示。2014.第1-11页。https://doi.org/10.3389/fonc.2014.00006/抽象的。[5] Reinartz S,Finkernagel F,Adhikary T,Rohnalter V,Schumann T,SchoberY,et al. 卵巢癌微环境中基于转录组的信号通路全球图谱与临床结局相关Genome Biol2016:1-22.https://doi.org/10.1186/s13059-016-0956-6网站。[6] Yuan Y,Van Allen EM,Omberg L,Wagle N,Amin-Mansour A,Sokolov A,etal. AssessingClinicalUtilityCancerGenomicProteomicDatTumorTypes2014NatBiotech.Nat Biotechnol 2014:1-11. https://doi.org/10.1038/nbt.2940网站。[7] 李乙,李建忠。使用SNP阵列和DNA测序数据分析肿瘤亚克隆性的一般框架。2014.第1-23页。https://doi.org/10.1186/s13059-014-0473-4.[8] 赖巴克AP,布里斯托RG,卡普尔A.前列腺癌干细胞:解读前列腺肿瘤发生和侵袭的起源和途径。Oncotarget 2015;6:1900-19.https://doi.org/10.18632/oncotarget.2953网站。[9] Wang Y,Klijn JGM,Zhang Y,Sieuwenham AM,Look MP,Yang F,et al.基因--表达谱来预测淋巴结阴性原发性乳腺癌的远处转移。柳叶刀2005;365:671-9.https://doi.org/10.1016/S0140-6736(05)17947-1.[10] Lapointe J,Li C,Higgins JP,van de Rijn M,Bair E,Montgomery K等. Geneexpression profiling identifies clinically relevant subtypes of prostate cancer. ProcNatl Acad Sci USa 2004;101:811-6.https://doi.org/10.1073/pnas.0304146101。[11] Roth RB,Hevezi P,LeeJ, Willhite D,Lechner SM,Foster AC,等.基因表达分析揭示了人类中枢神经系统20个区域之间的分子关系。神经遗传学2006;7:67-80. https://doi.org/10.1007/s10048-006-0032-6网站。[12] Ko J-H,Ko EA,Gu W,Lim I,Bang H,Zhou T. 离子通道基因表达谱预测乳腺癌的临床预后Mol Canc2013;12:106. 网址:http://doi.org/10.1186/1476-4598-12-106[13] Cui Q,Ma Y,Jaramillo M,Bari H,Awan A,Yang S,et al. A map of humancancer signaling. Mol Syst Biol 2007;3.https://doi.org/10.1038/msb4100200 网站。[14] 马奥尼KM,雷纳德PD,弗里曼GJ。联合癌症免疫治疗和新的免疫调节靶点。Nature Publishing Group 2015;14:561-84. https://doi.org/10.1038/nrd4591。[15] 维斯维德癌症的起源细胞。Nature 2011;469:314-22.https://doi.org/10.1038/nature09781.[16] 王凯,李明,Hakonarson H.全基因组关联研究中的生物学通路分析。Nat RevGenet 2010;11:843-54. https://doi.org/10.1038/nrg2884.[17] [10] Li Y,Agarwal P,Rajagopalan D.全球通路串扰网络。生物信息学2008;24:1442-7. https://doi.org/10.1093/bioinformatics/btn200网站。[18] 汉森J,艾扬格R。计算是精确医学和系统治疗学之间的机械桥梁。临床药理学治疗2012;93:117-28。https://doi.org/10.1038/clpt.2012.199。[19] 赖斯蒂福NP,史密斯MJ,斯奈德A.免疫治疗获得性耐药性及未来挑战。Nat RevCanc2016;16:121-6. https://doi.org/10.1038/nrc.2016.2网站。[20] Zigler M,Shir A,Levitzki A.靶向癌症免疫疗法。药理学新观点2013;13:504-10。https://doi.org/10.1016/j.coph.2013.04.003网站。[21] LuoJ, Solimini NL,Elledge SJ.癌症治疗原则:癌基因与非癌基因成瘾。Cell 2009;136:823-37. https://doi.org/10.1016/j的网站。cell.2009.02.024。[22] Kamal MA,Warsi MK,Alnajeebi A,Ali HA,Helmi N,Izhari MA,et al.Geneexpression profiling and clinical relevance to understand the role of HYPOX iaandimmune signaling genes and pathways IN breast cancer. 医学实习杂志:科学&艺术2020:1[23] Tothill RW,Tinker AV,GeorgeJ, Brown R,FoX SB,Lade S,et al. Novelmolecular与临床结果相关的浆液性和类浆液性卵巢癌亚型。临床癌症研究2008;14:5198-208。https://doi.org/10.1158/1078-0432.CCR-08-0196.[24] Mi H,Poudel S,Muruganujan A,Casagrande JT,Thomas PD.PANTHER版本10:扩展的蛋白质家族和功能,以及分析工具。Nucleic Acids Res2016;44:D336-42. https://doi.org/10.1093/nar/gkv1194网站。[25] Enright AJ,Iliopoulos I,Kyrpides NC,Ouzounis CA.蛋白质相互作用图谱基 于 基 因 融 合 事 件 的 完 整 基 因 组 。 Nature 1999;402: 86-90. 网 址 : http://doi.org/10.1038/47056[26] Stelzl U,Worm U,Lalowski M,Haenig C,Brembeck FH,Goehler H等,A humanProtein-protein interaction network:蛋白质组注释资源。Cell 2005;122:957-68.https://doi.org/10.1016/j.cell.2005.08.029网站。[27] [10] Vinayagam A,ZirinJ, Roxin C,Hu Y,Yilmazel B,Samsonova AA,etal. 整合蛋白质-蛋白质相互作用网络与表型揭示了相互作用的迹象。Nat Methods 2013;11:94-9. https://doi.org/10.1038/nmeth.2733网站。[28] Caltagirone S,Rossi C,Poggi A,Ranelletti FO,Natali PG,Brunetti M,etal. 黄芹菜素和槲皮素抑制黑色素瘤生长和转移潜力 Int J Canc2000;87:595-600.[29] 杨伟,李晓,张伟.前列腺雄激素剥夺疗法癌症:现状和未来展望。前列腺2004;61:332-53. 网址://doi.org/10.1002/pros.20115。[30] Culig Z,Santer FR.前列腺癌中的雄激素受体信号传导。癌症转移综述2014;33:413-27。https://doi.org/10.1007/s10555-013-9474-0网站。[31] Khan N,Mukhtar H.生化药理学。生物化学与药理学2013;85:667-72. https://doi.org/10.1016/j.bcp.2012.09.027。[32] Iskar M,Zeller G,Blattmann P,Campillos M,Kuhn M,Kaminska KH,et al.Characterization of drug-induced transcriptional modules:towards drugrepositioning and functional understanding. Mol Syst Biol 2013;9.https://doi.org/10.1038/msb.2013.20。662[33] 夸肯布什河微阵列数据标准化和转换。 Nat Genet 2002;32:496-501.https://doi.org/10.1038/ng1032网站。[34] 西蒙河基于微阵列的表达谱分析和信息学。Curr Opin生物技术2008;19:26-9. https://doi.org/10.1016/j.copbio.2007.10.008网站。[35] Ideker T,Thorsson V,Siegel AF,Hood LE.差异表达基因的检测通过微阵列数据的最大似然分析 J Comput Biol 2000;7:805-17.https://doi.org/10.1089/10665270050514945网站。[36] 赖默斯湾对微阵列数据分析做出明智的选择。PLoS Comput Biol 2010;6:e1000786.https://doi.org/10.1371/journal.pcbi.1000786.s001网站。[37] Chen K-H,Wang K-J,Tsai M-L,Wang K-M,Adrian AM,Cheng W-C,et al.Gene selection for cancer identification : a decision tree model enforced byparticleswarmoptimizationalgorithm.BMCBioinf2014;15:1.https://doi.org/10.1186/1471-2105-15-49.[38] Bild AH,Parker JS,Gustafson AM,Acharya CR,Hoadley KA,Anders C,et al.An integration of complementary strategies for gene-expression analysis to revealnovel therapeutic opportunities for breast cancer.乳腺癌研究2009;11:R55。https://doi.org/10.1186/bcr2344网站。[39] Salomonis N, Hanspers K, Zambon AC, Vranizan K, Lawlor SC , DahlquistKD,et al. GenMAPP 2:new features and resources for pathway analysis. BMCBioinf 2007;8:217. https://doi.org/10.1186/1471-2105-8-217网站。[40] 吉克·T微阵列分析2011:1-42.[41] Subram
下载后可阅读完整内容,剩余1页未读,立即下载
cpongm
- 粉丝: 5
- 资源: 2万+
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- JSP+SSM科研管理系统响应式网站设计案例
- 推荐一款超级好用的嵌入式串口调试工具
- PHP域名多维查询平台:高效精准的域名搜索工具
- Citypersons目标检测数据集:Yolo格式下载指南
- 掌握MySQL面试必备:程序员面试题解析集锦
- C++软件开发培训:核心技术资料深度解读
- SmartSoftHelp二维码工具:生成与解析条形码
- Android Spinner控件自定义字体大小的方法
- Ubuntu Server on Orangepi3 LTS 官方镜像发布
- CP2102 USB驱动程序的安装与更新指南
- ST-link固件升级指南:轻松更新程序步骤
- Java实现的质量管理系统Demo功能分析与操作
- Everything高效文件搜索工具:快速精确定位文件
- 基于B/S架构的酒店预订系统开发实践
- RF_Setting(E22-E90(SL)) V1.0中性版功能解析
- 高效转换M3U8到MP4:免费下载工具发布
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功