乳腺癌差异表达的MicroRNA的筛选研究

合集下载

miR-378通过靶向RAB11A促进乳腺癌细胞系增殖和迁移

·论著·摘要目的探讨miR-378在乳腺癌细胞系表达及作用机制。

方法应用TargetScan 分析miR-378的作用靶基因RAB11A 。

应用RT-PCR 检测乳腺癌细胞系miR-378和RAB11A mRNA 表达水平。

转染MCF-7和MDA-MB-231细胞miR-378，NC （normal control ）对照，采用MTT 法和Transwell 法检测乳腺癌细胞增殖和迁移能力的变化；采用RT-PCR 和Western blot 检测RAB11A表达。

荧光素酶报告分析miR-378与靶基因RAB11A 之间的信号。

结果miR-378在乳腺癌细胞MCF-7、MDA-MB-231表达上调[（4.23±0.15）和（4.67±0.12）比（0.98±0.03），P <0.01]；RAB11A 在乳腺癌细胞MCF-7、MDA-MB-231中表达下调[（0.49±0.09）和（0.45±0.08）比（1.01±0.02），P <0.01]；在MCF-7、MDA-MB-231细胞中敲降miR-378后，乳腺癌细胞增殖活力降低[MCF-7：（1.28±0.01）比（1.75±0.10）；MDA-MB-231：（1.23±0.07）比（1.89±0.07），P 均<0.01]；细胞侵袭数目减少[MCF-7：（19.64±3.56）比（65.01±5.12）；MDA-MB-231：（32.65±4.36）比（83.09±7.45），P 均<0.01]；迁移数目减少[MCF-7：（23.78±2.43）比（73.24±6.16）；MDA-MB-231：（37.42±3.24）比（91.68±6.42），P 均<0.01]。

miR-484_通过SORBS2

DOI:10.16605/ki.1007-7847.2023.08.0182miR-484通过SORBS2/MEK-ERK 通路调控乳腺癌细胞增殖、转移和自噬收稿日期:2023-08-29;修回日期:2023-10-06;网络首发日期:2024-02-20基金项目:2023年国家级大学生创新训练计划项目(202313213005)作者简介:潘鑫(1994—),女,辽宁丹东人,助教,E-mail:181****************;*通信作者:郭敏(1958—),女,山东聊城人,博士,教授,主要从事肿瘤凋亡和肾损伤研究,E-mail:****************。

潘鑫1,刘析璘2,郭敏1*(1.锦州医科大学医疗学院,中国辽宁锦州121000;2.河北东方学院,中国河北廊坊065000)摘要:为了分析miR-484在乳腺癌组织和细胞中的表达情况,研究miR-484在乳腺癌细胞增殖、转移和自噬过程中的作用机制,首先,采用GEO 数据库分析乳腺癌组织中差异表达miRNA 谱,并用实时荧光定量PCR 在临床乳腺癌组织及其配对的癌旁组织中检测miR-484的表达情况;其次,利用miR-484模拟物、抑制剂检测miR-484对MCF-7乳腺癌细胞增殖、转移和自噬能力的影响;再次,预测miR-484的调控基因并进行验证,同时构建Sorbin 和SH3结构域包含蛋白2(Sorbin and SH3domain-containing protein 2,SORBS2)过表达载体,检测SORBS2对乳腺癌细胞增殖、转移和自噬能力的影响;最后,用Western-blot 分析miR-484调控下MCF-7细胞中丝裂原活化的胞外信号调节激酶(mitogen-activated extracellular signal-regulated kinase,MEK)/p-MEK 和胞外信号调节激酶(extracellular signal-regulated kinase,ERK)/p-ERK 的蛋白质含量变化。

汉恒生物-micorRNA研究整体策略

microRNA整体解决方案汉恒Th物技术服务手册microRNA研究总体策略功能模型芯片筛选芯片结果的QPCR验证过表达和抑制miRNA实验及功能分析靶基因Th物信息学预测及内源性分析靶标蛋白的内源性和外源性验证3’UTR靶标回复实验（rescue实验）研究实例8选用有功能差异对比的样本，进行mir 芯片筛选（mir-array ），筛选出变化明显的mir 。

现在主流的芯片平台是Agilent 和Affymetrix ，Agilent 只检出成熟体，而Affy 的芯片前体和成熟体皆检出，假阳性率较高，但 Affy 的容量相比Agilent 的大很多。

汉恒Th 物（Hanbio ）提供Agilent 和Affymetrix 平台的mirarray 筛选服务及后续的芯片数据分析及靶基因聚类分析。

mir 进行QPCR 验证，挑选出丰度高且变化显著的mir （以下简称mir- X ）。

Mir 的QPCR 验证最首选的当然是Life 的Taqman 系列探针和kit 权威，但价格极其昂贵。

与之相比，特定引物SYBR 法检测mir 价格适中，但误差率较高。

1汉恒Th物（Hanbio）特有一步反转技术，特异性好，简单易用。

汉恒已开发出针对不同种属mir的miRNA快速检测技术MiRQeasy，与市面一般的mir引物相比，信号更单一，且操作极其简便。

汉恒独有MiRTeasy一步法反转录试剂，一次性转录，兼顾了专一性和通用性。

过表达和封闭miRNA实验及功能验证原则：与mir变化相反的处理是否取缔功能表型的变化，而同向mir变化处理是否能模拟出功能表型变化。

比如我们发现mir-X在细胞某种诱导分化后升高，则诱导时取缔这种升高是否会抑制分化，而单单升高该mir 能否模拟出细胞分化表型。

1）初筛选：选取出若干芯片与QPCR验证变化一致，且组织表达丰度较高的Mir，运用Mimics（过表达）和inhibitor（封闭）分别在细胞中过表达和封闭特定的mir，观察细胞功能的变化。

Tanc1基因在乳腺癌中差异表达的初步研究

乳腺癌分子标志物。【关键词】乳腺肿瘤；异表达；Ｔｎ１差ａｃ
ＰｒＩｉａｙｓｕｉｓｏｉｅｒｎｉｌｘｒｓｉｎｏａｃｅｎｒａｔａｃｒｅｉｎｒｔｄｅｆｄｆｅｔｐｅｓｏｆｎｌｇｅｉｂｅｓｎｅｍａｅＴｎｃ
ｍｉｔｅｏａｍａｋｒｆｒａｔａｃｒ曲ｎｖｌｒｅｏｂｅｓｃｎｅｂａ．
【ＥｏＲＤ】Ｂｅｓｎｏｌｓ；ｆｒｎｉｐｅｓｎＴｎ１ＫＹＷＳｒａｔｅｐａｍｓＤｉｅｅｔｌｘｒｓｉ；ａ基通过半定量Ｒ－ＣＴＰＲ法检测２例乳腺癌组织、１５１例癌旁正常组织和６例乳腺病变组织中Ｙｎ１ａｃ基因表达情况，探讨Ｔｎ１因在乳腺癌组织、ａｃ基癌旁正常组织、乳腺良性增生组织的表达差异。结果５％（３２）乳腺癌患者Ｔｎ１Ｎ２１／５ａｃｍＲＡ在癌组织中的表达高于癌旁组织，Ｔｎ１ａｃ的表达与乳腺癌的发生有关，望成为新的有差别具有统计学意义（＝．１。６．（／ＰＯ０６）６７４６）良性增生乳腺患者Ｔｎ１ＲＮ％ａｃｍＡ在病变组织中表达高于正常组织，别具有统计学意义（＝．２）结论差Ｐ００８。
ａｄ６ｃｓｓｆｎｏｅｔｕｒＲｓｌＴｅｅｐｅｓｎｏａｃＮ２１／５ｒａｔａｃｒａｅｎａｅｎｃｎｍｏ．ｅｕｔｏｉｔｓｈｘｒｓｉｆｎ１ｍＲＡｉ５％（３２１ｅｓｃｎｅｓｓｏＴｎｂｃ

生物芯片分析中的差异表达基因筛选技巧

生物芯片分析中的差异表达基因筛选技巧随着高通量测序和生物芯片技术的发展，差异表达基因分析已成为研究基因调控和识别重要生物过程的关键方法。

差异表达基因筛选是一个常见的分析步骤，它可以帮助研究人员快速发现在不同条件或组织中表达水平显著变化的基因。

本文将讨论生物芯片分析中的差异表达基因筛选技巧，并介绍一些常用的方法和工具。

1. 统计学方法差异表达基因分析的首要任务是确定在两个条件或组织之间是否存在表达水平上的显著差异。

为了实现这一目标，研究人员可以利用各种统计学方法，如T检验、方差分析（ANOVA）、Wilcoxon秩和检验等。

这些方法可以帮助确定差异表达基因，并提供相关的统计指标（如p值和调整后的p值），用于衡量差异的显著性和可靠性。

2. 基因表达聚类基因表达聚类是一种常用的差异表达基因筛选技巧。

通过将基因根据其表达模式进行分组，研究人员可以识别出共同调控的基因群。

常见的聚类方法包括层次聚类、K均值聚类和模糊聚类等。

这些方法可以将差异表达的基因分为若干个独立的模式，有效地揭示基因在不同条件下的表达特征。

3. 基因注释和功能分析差异表达基因筛选的另一个重要步骤是进行基因注释和功能分析。

基因注释可以将差异表达基因与已知的生物学功能和代谢通路关联起来。

研究人员可以利用公共数据库（如Gene Ontology、KEGG和Reactome等）对差异表达基因进行注释和功能分析，以了解这些基因在疾病发生和发展中的潜在作用。

4. 基因网络分析基因网络分析是一种集成基因表达数据的方法，可以帮助研究人员识别差异表达基因之间的相互关系和调控通路。

通过构建基因互作网络或转录调控网络，研究人员可以发现潜在的关键基因和调控因子，并揭示相关生物过程的重要调控机制。

常用的基因网络分析工具包括Cytoscape、STRING和GeneMANIA等。

5. 机器学习方法随着机器学习技术的发展，越来越多的研究人员开始将其应用于差异表达基因筛选。

《2024年基于生物信息学发现肝细胞癌标志性miRNA及作用与机制研究》范文

《基于生物信息学发现肝细胞癌标志性miRNA及作用与机制研究》篇一一、引言肝细胞癌（Hepatocellular Carcinoma，HCC）是一种常见的恶性肿瘤，其发病率和死亡率均较高。

由于HCC的早期诊断困难，治疗手段有限，因此寻找有效的诊断标志物和治疗方法成为当前研究的重点。

近年来，随着生物信息学的发展，microRNA （miRNA）在肿瘤发生、发展及转移中的作用逐渐受到关注。

miRNA是一种非编码单链小分子RNA，能够通过调控基因表达参与多种生物学过程。

本研究基于生物信息学方法，旨在发现肝细胞癌标志性miRNA及其作用与机制。

二、研究方法1. 数据收集与处理我们首先从公共数据库中收集了肝癌患者的miRNA表达谱数据，并进行了预处理，包括数据清洗、归一化等。

2. 差异表达分析通过比较肝癌组织与正常肝组织中miRNA的表达水平，我们使用生物信息学软件分析了差异表达的miRNA，并筛选出在肝癌组织中显著上调或下调的miRNA。

3. 靶基因预测与功能注释利用生物信息学工具，我们预测了差异表达miRNA的靶基因，并对靶基因进行了功能注释和富集分析，以揭示其在肝癌发生、发展中的作用。

4. 实验验证为了验证生物信息学分析结果的可靠性，我们设计了实验，包括细胞实验和动物实验，以进一步研究筛选出的miRNA在肝癌中的作用及机制。

三、结果与分析1. 差异表达miRNA的筛选通过生物信息学分析，我们筛选出在肝癌组织中显著上调的miRNA和显著下调的miRNA。

其中，miR-XXX和miR-YYY在肝癌组织中的表达水平最高。

2. 靶基因预测与功能注释我们预测了miR-XXX和miR-YYY的靶基因，并进行了功能注释和富集分析。

结果显示，这些靶基因主要参与细胞增殖、凋亡、侵袭和转移等生物学过程。

其中，某些靶基因与肝癌的发生、发展密切相关。

3. 实验验证通过细胞实验和动物实验，我们验证了miR-XXX和miR-YYY在肝癌中的作用及机制。

基因表达差异分析在疾病预测和诊断方面的应用

基因表达差异分析在疾病预测和诊断方面的应用随着现代科技的不断进步，人们对基因的认识也日趋深入。

基因是构成人体的重要组成部分，而基因表达差异分析则是对基因表达有所不同的人体组织或细胞的基因表达进行分析和比较的方法。

基因表达差异分析已经被广泛应用于疾病预测和诊断方面。

本文从基础知识、疾病预测、疾病诊断等方面进行探讨。

基础知识基因表达是指基因转录成RNA，最终产生蛋白质的过程。

每个细胞都有其独特的基因表达模式，这取决于其所处的环境和状态。

基因表达差异指的是不同组织或细胞在同一基因上的表达量、稳定性、多样性等方面的差异。

常用的基因表达差异分析方法包括微阵列、RNA测序等。

微阵列是把众多的探针芯片组成一个数组，用以检测各个基因在细胞内的表达水平。

RNA测序是通过高通量测序技术对RNA分子进行研究，可从多个方面来研究基因表达。

这两种方法均能够高效准确地分析基因表达差异。

基因表达差异分析结果可以用于疾病预测和诊断。

疾病预测基因表达差异分析的一个重要应用是疾病预测。

许多疾病可能受到基因表达的影响，从而导致不同的表达模式。

基因表达差异分析可以分析这些差异表达，进而预测人体是否患有某种疾病。

以乳腺癌为例，已经进行了多项基因表达差异分析研究，寻找与乳腺癌有关的标志物。

研究人员从乳腺癌组织和非癌组织中提取RNA，利用RNA测序技术进行基因表达差异分析。

研究结果发现，大量基因表达存在显著的差异，这些差异可能是乳腺癌的标志物。

这些标志物可以用于诊断乳腺癌，也可以用于预测患者是否容易被乳腺癌威胁。

通过对基因表达的分析和比较，基于机器学习的方法可以在乳腺癌的早期诊断和疾病预测方面提供可靠的支持。

疾病诊断除了疾病预测外，基因表达差异分析还可以应用于疾病诊断。

在传统的临床诊断中，常常依靠症状和临床表现来做出疾病诊断，但这些方法常常不够准确。

基因表达差异分析可以通过分析患者的基因表达，帮助确定疾病的类型、程度和预后。

以肝癌为例，肝癌的发生和发展与很多基因的调控有关。

POCD小鼠海马组织中差异表达miRNA的筛选、靶基因预测和生物信息学分析及其调控机制探讨

POCD 小鼠海马组织中差异表达miRNA 的筛选、靶基因预测和生物信息学分析及其调控机制探讨张英立1，刘乘麟2，于明懂1，王莹1，胡南3，卢悦淳1，吕国义11天津医科大学第二医院，天津300211；2天津市天津医院；3天津医科大学肿瘤医院摘要：目的采用生物信息学方法分析术后认知功能障碍（POCD ）小鼠海马组织中差异表达miRNA （DEMs ）及其靶基因（DEGs ），并构建POCD 小鼠海马组织中差异表达miRNA -mRNA 的调控网络图，探讨其机制。

方法在GEO 数据库中搜索下载POCD 小鼠海马组织与正常小鼠海马组织基因表达谱芯片数据GSE95070，采用R 软件lim⁃ma 函数包筛选出差异表达的miRNA ，即DEMs 。

将DEMs 分别输入到miRTarBase 、TargetScan 、miRDB 数据库中，三个数据库中皆存在的靶基因为差异表达的DEMs 靶基因，即DEGs 。

使用R 软件中的ggplot2、enrichplot 函数包对DEGs 进行了基因本体（GO ）功能富集分析和KEGG 信号通路分析。

通过STRING 在线工具构建DEGs 蛋白互作网络（PPI ），将蛋白间相互作用得分>0.4的节点输入到可视化工具Cytoscape 软件中，利用cytoHubba 插件筛选出节点度值排名前10的节点，即为可能参与小鼠POCD 发生发展的枢纽基因。

选取枢纽基因及其相应的DEMs ，利用Cyto⁃scape 软件构建POCD 小鼠海马组织中差异表达miRNA -mRNA 调控网络图。

结果共筛选出19个显著差异表达的DEMs ，得到448个DEGs 。

GO 功能富集分析结果显示，DEGs 在DNA 结合的转录因子激活活性、特异性RNA 聚合酶Ⅱ、微小GTP 酶结合等分子功能中显著富集，在树突的形成以及调节、促进神经胶质细胞的增殖等生物学过程中显著富集，在突触膜的有机组成成分、细胞边缘以及囊泡运输等细胞组分中显著富集。

基因表达数据分析中的差异基因筛选方法比较研究

基因表达数据分析中的差异基因筛选方法比较研究基因表达数据分析是研究基因在不同组织、时间点和条件下的表达水平变化的重要手段之一。

差异基因筛选是基因表达数据分析的关键步骤之一，可以帮助研究人员识别与特定生理过程相关的基因。

在基因表达数据分析中，有多种方法用于筛选差异基因，本文将比较几种常用的方法，包括t检验、方差分析(ANOVA)、百分位差异、差异率以及基于机器学习的方法。

1. t检验t检验是一种用于检验两组样本均值是否有显著差异的统计方法。

在基因表达数据分析中，研究人员可以使用t检验来比较两组样本的基因表达水平是否有显著差异。

t检验适用于两组样本且符合正态分布的情况。

然而，基因表达数据通常具有较高的维度和波动性，可能不符合正态分布的假设。

因此，t检验在基因表达数据分析中的使用有一定的局限性。

2. 方差分析(ANOVA)方差分析(ANOVA)是一种用于比较多个样本均值是否有显著差异的统计方法。

在基因表达数据分析中，研究人员可以使用方差分析来比较多个组的基因表达水平是否有显著差异。

方差分析适用于多组样本的比较，可以探索多个处理因素对基因表达的影响。

然而，方差分析假设数据符合正态分布和方差齐性的假设，针对大规模的基因表达数据，这些假设可能无法满足。

3. 百分位差异百分位差异是一种基因表达数据分析中常用的非参数方法。

它通过比较基因在不同条件下的表达水平的百分位数来筛选差异基因。

与t检验和方差分析相比，百分位差异不依赖于数据分布的假设，适用于不符合正态分布的数据。

百分位差异的优势在于可以发现在少数样本中出现的显著差异，但其缺点是可能会漏掉具有较小差异且在样本中较为普遍的基因。

4. 差异率差异率是一种常用的基因表达数据分析方法，用于衡量两组样本之间基因表达水平的差异。

差异率采用比例作为度量，可以计算哪些基因在两组样本之间有较大的表达差异。

差异率的计算避免了对数据分布进行假设，能够快速筛选出具有显著差异的基因。

miRNA芯片分析流程

#分析流程#MicroRNA芯片分析AgonyrMicroRNA（miRNA）属于small ncRNAs，是单链的短RNA，长度在22nt左右。

MicroRNA 是基因表达的主要调节分子。

MicroRNA以序列互补的方式与特异靶mRNA结合，通过降解靶mRNA或抑制其蛋白翻译调控靶基因的表达。

MicroRNA不但在基本的生物过程，如发育、应激反应、代谢和基因组完整性维持等方面有基本而重要的调控作用；在疾病的发生发展全过程中，也发挥重要的调控作用。

常规microRNA表达谱芯片分析，流程如下：分步流程：1.芯片预处理与标准化2.筛选差异表达microRNA3.microRNA聚类图、火山图以及热图等4.microRNA靶基因预测，基于多数据库整合的靶基因预测以及上海丰核自主知识产权的预测软件同时识别5.对预测的microRNA的靶基因进行GO富集分析通路富集分析等同时，常见个性化分析如下：1.microRNA网络分析：a)microRNA靶基因失调网络，在疾病发生的过程中，某些microRNA可能失调了它的靶基因造成正常的调控功能异常，从而造成疾病的发生b)microNRA功能协同作用网络，正常机体中多个microRNA同时调控某一靶基因很常见，从而达到共同调控某种生命过程的目的，而在疾病个体中可能出现调控同一功能的microRNA同时出现了差异的表达，这种异常的协同作用可能是疾病发生的原因。

下图为一个示例协同作用网络：2.microRNA与其他芯片整合分析：a)microRNA芯片与lncRNAs芯片结果联合分析（ceRNA Analysis）。

根据ceRNAs（competing endogenous RNAs，竞争性内源RNAs）假说，mRNAs和长链非编码RNAs（long non-coding RNAs，LncRNAs）间通过使用microRNA响应元件（microRNA response elements，MREs）作为一种“语言”彼此间进行“通信”，形成一个复杂的调控网络，在病理条件下（例如癌症），发挥着重要的作用。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

Ｊｎ２０ａ．０９
乳腺癌差异表达的ＭｉｏＮｃＲＡ的筛选研究ｒ
黄秀芳ｌ，邵建永，颜黎栩，晓霞，紫明 ’ ＿２李杜，邓
２江门市中心医院病理科．．广东江门５９３）２００
玲，小曼梁
（．１华南肿瘤学国家重点实验室 ∥中山大学肿瘤防治中心病理科，广东广州５０６；１００
（．ｔｔＫｙＬｂｒｔｙｏＯｅｌｙｉＳｕｈｒｈｎ；１ＳａｅａｏａｒｆｎｏｇｏｔｅｎＣｉａｅｏｏｎ
２．ＤｅａｔｎｔｏｔｌｇｐｒｍｅｆＰａｈｏｏｙ，ＣａｎｅｎｅｃｒＣｅｔｒ，ＳＵＮｔｓｎＵｎｖｒｉｙ，Ｇｕｎｈｕ５１０６Ｙａ —ｅｉｅｓｔａｇｚｏ００，Ｃｈｉａ；ｎ
ＨＵＡＮＧＸｉ — ｎ，Ｓｕｆｇ，ａＨＡＯｉｎｙｎ，ＹＡＮＬ —ｕ＇Ｊａ —ｏｇ，ｉ，Ｌａ — ｉ，ＤＵＺ — ｎ，ｘＩＸｉｏｘａ＇ｉｍｉｇ，
ＤＥＮＧｎ－Ｌｉｇ，．ＬＩＮＧａ — ａＡＸｉｏｍｎ＇
第３卷０２００９年
第１期１月
中山大学学报（学科学版）医
ＪＵＮＬＯＵＡ —ＥＮＶＲＩＹ（ＥＩＡＣＥＣＳＯＲＡＦＳＮＹＴＳＮＵＩＥＳＴＭＤＣＬＳＩＮＥ）
Ｖｏ１０Ｎｏ１．３．
摘要：目的】用ｍＲＡ芯片技术筛选乳腺癌及癌旁组织差异表达的ｍＲＡ发现与乳腺癌相关的ｍＲＡ为进【应ｉＮｉＮ，ｉＮ，
一
步阐明其在乳腺癌发病机制中的作用打下基础。【方法】收集８例新鲜的乳腺癌及其癌旁组织，提总ＲＡ并分离出小抽Ｎ
ａｄｈｂｄｅｎｍＲＡａａ．ｅｌｉｅｑａｔａｖＣａａｐｅｅｆｔｌｂｉｆｉＮｒｙｅｕｓ【ｅｌ】ｎｙｒｉｄｏｉＮｒｙＲａｔｕｎｔｉＰＲｗｓｐｌｄｏｒｙｈｒｉｉｙＲＡａａｓｌ．Ｒｓｔｉｚｒｍｉｔｅｉｔｖｉｅｅａｌｏｍｔｒｒｔｕｓ
ｅｔｃｄｆｍ８ｂｅｓｔｍｒｓｍｌｎｏｍｌｄａｅｔｉｕｓＳａｌｉＮａｏａｄｆｍｔｔＮｘｒｔｏｒａｔｕｏａｐｅａｄｎｒａａｊｃｎｓｅ．ｍｌｍＲＡｗｓｉｌｔｏａＲＡ，ｌｅｄｗｔＣ３ａｅｒｓｔｓｓｅｒｏｌａｌｉｙｂｅｈ
ＲＡ进行Ｃ３荧光标记，标记的小ＲＡ在ｍＲＡ芯片上进行杂交反应，用实时定量Ｒ —ＣＮｙ将ＮｉＮ应ＴＰＲ方法验证ｍｉＮｓ片结ＲＡ芯
果的可靠性。【结果Ｊ芯片数据进行ＳＭ分析，筛选获得１个乳腺癌相关ｍＲＡ，对Ａ结果６ｉＮｓ相对于癌旁组织，在乳腺癌组织
中９个ｍＲＡ表达上调，ｍｉＮｓｉＮｓ７个ＲＡ表达下调。其中显著上调的有ｍＲ２，ｉ．６，ｉ一１ｍＲ３５显著下调的有ｍＲ４７ｍＲ３。【ｉ一９，ｉ一１结
论】筛选得到乳腺癌ｍＲＡ差异表达谱，能与乳腺癌的发生发展有关。ｉＮ其可
ｔｉＮｒｙｅｈｉｅｔｍｋｒｅｓｄｎｔｎｔｎｏｍＲቤተ መጻሕፍቲ ባይዱＡｉｐｔｇｎｓｆＲＡ【ｅｏｓｏｌＮａｈｍＲＡａａｔｎｕａｅｕｈｒｔｙｏｅｕｃｏｆｉＮａｏｅｓＣ．Ｍｔｄ】ＴｔＡｗｓｅｒｃｑｏｆｔｕｈｆｉｎｈｅｉｏＢｈａＲ
关键词：ｉＮ乳腺癌；ＲＡ芯片；ｍＲＡ；ｍｉＮ实时定量Ｒ —ＣＴＰＲ
中图分类号：７７９Ｒ３．文献标识码：Ａ文章编号：６２３５（０９Ｏ一０９０１７ — ５４２０）ｌ０６ — ５
ＩｎｔｆｃｔｏｆＤｉｅｅｉｌｐｒｓｅｉｒＲＮＡｓｉＢｒａｔＣａｅｄｅｉａｉｎｏｆｒｎｔａｌＥｘｅｓｄＭｃｏｉｙｎｅｓｎｃｒ
Ｂｉｉｃｎｅａａｓｆｍｃｏｒｙ（ＡｙｓｎｆａｃｎｌｉｏｉｒｒｓＳＭ）ｂｓｄｏｃｏｒｙｓｒｅｉｇ１ＲＡｒｌｅｉＮｓｗｒｏｔｉｅ．Ｉｇｉｙｓａａａｅｎｍｉａｒｃｅｎｎ，６ＢＣｅｔｄｍＲＡｅｅｂａｄｎｒａａｎ
３Ｄｐｒｅｔｆａｈｌ，ｉｇｅｅｔｌｏｐａ，ｉｇｅ２００Ｃｉａ．ｅａｍｎｔｏｇＪｎｍｎＣｎｒｓｉｌＪｎｍｎ５９３，ｈｎ）ｔｏＰｏｙａａＨｔａ
Ａｂｔａｔ【ｂｃｖ】ＴｃｅｎａｄｉｅｔｔＲＡｄｆｒｎｉｘｒｓｉｎｐｏｌｎｂｅｓｃｎｅＢＣ）ｂｓｃ：ＯｊｔｅｏｓｒｅｎｄｎｉｈｍｉＮｉｅｅｔｌｅｐｅｓｒｆｅｒｔａｃｒ（ＲＡｙｒｅｉ￣ｅｆａｏｉｉａ