生物信息学方法筛选乳腺癌关键基因初探
２２ Ｇｕａｎｇｘｉ Ｍｅｄｉｃａｆ ＪｏｕｒｎａＺ，Ｊａｎ．２０１３， ｆ．３５．Ｎｏ．１
生物信息学方法筛选乳腺癌关键基因初探▲
朱非白 朱 萧 韦长元 覃庆洪 练 斌
（广西医科大学１研究生学院，２附属肿瘤医院，南宁市５３００２１；Ｅ．ｍａｉｌ：ｌｉｔｔｌｅｂｌａｃｋ３５３３４＠ｓｉｎａ．ＣＯＢ）
【摘要】 目的寻找具有诊断或靶向治疗作用的乳腺癌关键基因。方法通过美国国立生物技术信息
中心（ＮＣＢＩ）中已明确的乳腺癌相关数据集，运用生物信息学中的基因组富集分析（ＧＳＥＡ）初步筛选，并富集出
相应的通路；在此基础上继续用Ｍｅｔａ分析方法筛选出乳腺癌的关键基因。结果根据ＧＳＥＡ和Ｍｅｔａ分析出
差异基因２２个，再与ＮＣＢＩ数据中与乳腺癌相关的基因的结构、功能比较，得出ＴＧＦＢＲ２、ＣＤＫＮ１Ａ、ＧＡＤＤ４５ｏＬ、
ＣＸＣＬ１２为关键基因。结论ＴＧＦＢＲ２、ＣＤＫＮ１Ａ、ＧＡＤＤ４５ ｏｌ、ＣＸＣＬ１２等基因与乳腺癌细胞周期、分化和凋亡有 密切关系，可进一步研究以期作为乳腺癌诊断和靶向治疗的基因。 【关键词】 乳腺癌；生物信息学；基因组富集；Ｍｅｔａ分析；关键基因
【中图分类号】 Ｒ ７３７．９；Ｑ ７８１ 【文献标识码】 Ａ 【文章编号】０２５３－４３０４（２０１３）０１．００２２．０３
ＤｏＩ：１０．１１６７５／ｉ．ｉｓｓｎ．０２５３—４３０４．２０１３．０１．０７
Ｋｅｙ Ｇｅｎｅｓ ｉｎ Ｂｒｅａｓｔ Ｃａｎｃｅｒ Ｂａｓｅｄ ｏｎ Ｂｉｏｉｎｆｏｒｍａｔｉｃｓ Ｐｉｐｅｌｉｎｅ ＺＨＵ Ｆｅｉ—ｂａｉ ，ＺＨＵ Ｘｉａｏ ，ＷＥＩ Ｃｈａｎｇ—ｙｕａｎ。，Ｑ，ⅣＱｉｎｇ—ｈｏｎｇ ，ＬＩＡＮ Ｂｉｎ （１ Ｇｒａｄｕａｔｅ Ｓｃｈｏｏｌ，２ Ａｆｆｉｌｉａｔｅｄ Ｃａｎｃｅｒ Ｈｏｓｐｉｔａｌ，Ｇｕａｎｇｘｉ Ｍｅｄｉｃａｌ Ｕｎｉｖｅｒｓｉｔｙ，Ｎａｎｎｉｎｇ ５３００２１，Ｃｈｉｎａ）
【Ａｂｓｔｒａｃｔ】 ｏｂｊｅｃｔｉｖｅ Ｔｏ ｓｅａｒｃｈ ｔｈｅ ｋｅｙ ｇｅｎｅｓ ｉｎ ｂｒｅａｓｔ ｃａｎｃｅｒ ｔｈａｔ ｐｌａｙ ｔｈｅ ｒｏｌｅ ｏｆ ｄｉａｇｎｏｓｉｓ ｏｒ ｔａｒｇｅｔｅｄ
ｔｈｅｒａｐｙ．Ｍｅｔｈｏｄｓ Ｉｎ ｏｒｄｅｒ ｔｏ ｓｃｒｅｅｎ ｇｅｎｅｓ ｔｈａｔ ｗｅｒｅ ｉｎｖｏｌｖｅｄ ｉｎ ｂｒｅａｓｔ ｃａｎｃｅｒ，ｇｅｎｅ ｓｅｔ ｅｎｒｉｃｈｍｅｎｔ ａｎａｌｙｓｉｓ（ＧＳＥＡ）
ａｎｄ Ｍｅｔａ—ａｎａｌｙｓｉｓ ｗｅｒｅ ｐｅｒｆｏｒｍｅｄ ｔｏ ｓｔｕｄｙ ｇｅｎｅ ｅｘｐｒｅｓｓｉｏｎ ｄａｔａｓｅｔｓ ｗｈｉｃｈ ｗｅｒｅ ｌｏａｄｉｎｇ ｆｒｏｍ ｔｈｅ ｄａｔａｂａｓｅ ＧＥＯ ｉｎ
Ｎａｔｉｏｎａｌ Ｃｅｎｔｅｒ ｆｏｒ Ｂｉｏｔｅｃｈｎｏｌｏｇｙ Ｉｎｆｏｒｍａｔｉｏｎ（ＮＣＢＩ）．Ｒｅｓｕｌｔｓ Ｔｗｅｎｔｙ—ｔｗｏ ｓｉｇｎｉｆｉｃａｎｔ ｇｅｎｅｓ ｗｅｒｅ ｆｏｕｎｄ ｏｕｔ ｂｙ
ＧＳＥＡ ａｎｄ Ｍｅｔａ—ａｎａｌｙｓｉｓ，ａｎｄ ｃｏｍｐａｒｅｄ ｔｈｅｉｒ ｓｔｒｕｃｔｕｒｅ ａｎｄ ｆｕｎｃｔｉｏｎ ｗｉｔｈ ｔｈｏｓｅ ｏｆ ｂｒｅａｓｔ ｃａｎｃｅｒ—ｒｅｌａｔｅｄ ｇｅｎｅｓ ｆｒｏｍ
ＮＣＢＩ．Ｉｔ ｓｈｏｗｅｄ ｔｈａｔ ｔｈｅ ｋｅｙ ｇｅｎｅｓ ｗｅｒｅ ＴＧＦＢＲ２，ＣＤＫＮ１Ａ，ＧＡＤＤ４５Ａ ａｎｄ ＣＸＣＬ１２．Ｃｏｎｃｌｕｓｉｏｎ Ｔｈｅ ｇｅｎｅｓ ｏｆ
ＴＧＦＢＲ２，ＣＤＫＮ１Ａ，ＧＡＤＤ４５Ａ ａｎｄ ＣＸＣＬ１２ ａｓ ｓｉｇｎｉｆｉｃａｎｔ ｏｎｅｓ ｉｎ ｂｒｅａｓｔ ｃａｎｃｅｒ ｄｉａｇｎｏｓｉｓ ａｎｄ ｔａｒｇｅｔｅｄ ｔｈｅｒａｐｙ ｔｈａｔ
ｃｏｕｌｄ ｂｅ ｆｕｒｔｈｅｒ ｓｔｕｄｉｅｄ ａｒｅ ｃｌｏｓｅｌｙ ｃｏｒｒｅｌａｔｅｄ ｗｉｔｈ ｃｅｌｌ ｃｙｃｌｅ，ｄｉｆｆｅｒｅｎｔｉａｔｉｏｎ ａｎｄ ａｐｏｐｔｏｓｉｓ．
【Ｋｅｙ ｗｏｒｄｓ】 Ｂｒｅａｓｔ ｃａｎｃｅｒ；Ｂｉｏｉｎｆｏｒｍａｔｉｃｓ；Ｇｅｎｅ ｓｅｔ ｅｎｒｉｃｈｍｅｎｔ ａｎａｌｙｓｉｓ；Ｍｅｔａ—ａｎａｌｙｓｉｓ；Ｋｅｙ ｇｅｎｅ
乳腺癌是世界上严重危害人类健康的恶性肿瘤
之一，也是我国女性一种常见的恶性肿瘤 。 。在生
物信息学迅速发展、影响日渐扩大的背景下，应用分
子生物学策略研究乳腺癌的发病机制已经成为乳腺
癌研究的必然趋势和发展方向，寻找和筛选乳腺癌恶
性进展相关的新基因是攻克这一顽疾的途径之一。
ｌ材料与方法
１．１材料从美国国立生物技术信息中心（Ｎａｔｉｏｎａｌ
Ｃｅｎｔｅｒ ｆｏｒ Ｂｉｏｔｅｃｈｎｏｌｏｇｙ Ｉｎｆｏｒｍａｔｉｏｎ，ＮＣＢＩ）的ＧＥＯ数据
库（ｈｔｔｐ：／／ｗｗｗ．ｎｃｂｉ．ｎｌｍ．ｎｉｈ．ｇｏｖ／ｇｅｏ／）下载乳腺癌全
基因组表达芯片数据。每个数据集均须符合以下３
个条件：（１）数据集来自全基因组ＲＮＡ表达芯片；
（２）乳腺癌患者与正常对照；（３）数据集完整的芯片
数据或标准化后的数据。
１．２数据集预定义运行Ｂｉｏｃｏｎｄｕｃｔｏｒ ２．４．０版本
▲基金项目：广西医疗卫牛科研课题（重２０１００７９） 通信作者：韦长元，Ｅ—ｍａｉｌ：ｗｅｉｃｙ６３＠ｙａｈｏｏ．ｃｏｎ．ｃｎ 与Ｒ ２．１０．０版本免费软件 Ｊ，用其中的Ａｆｆｔｙ软件包
来运行ＲＭＡ算法 ，对原始下载数据进行背景校
正、标准化及ｌｏｇ２转换。只保留ＫＥＧＧ库（Ｋｙｏｔｏ
Ｅｎｃｙｃｌｏｐｅｄｉａ ｏｆ Ｇｅｎｅｓ ａｎｄ Ｇｅｎｏｍｅｓ）中存在的基因。
若一个基因同时对应数个探针，只保留ＩＱＲ值最大
的探针，并剔除ＩＱＲ小于０．５的基因。
１．３基因组富集分析用ＫＥＧＧ通路中的ＧＳＥＡＢａｓｅ
包编码计算关联矩阵 ，使每个探针与通路一一映
射。从导人的数据集中生成我们需要的基因组，并只
保留关联矩阵ａｍ的基因以及与ａｍ同一顺序列的基
因。对每一个基因的探针使用ｔ检验，剔除基因总数
少于１０个的基因组数据集。然后对单个基因组数据
集进行ｔ检验。通过１ ０００次循环的置换检验 （ｐｅｒｍｕｔａｔｉｏｎ ｔｅｓｔｉｎｇ）来获得每个显著通路的Ｐ值 。
我们取Ｐ＜０．０５的双侧检验结果，并得到基因组的
上调通路和下调通路。
广西医学 ２０１３年１月第３５卷第１期
１．４探针与官方基因名的转换符合纳入标准的数
据集经过基因组富集分析后，除去每个数据集中赋值
为０的探针，选择赋值为１的探针定义为阳性探针，进
入ＤＡＶＩＤ ｖ６．７（Ｄａｔａｂａｓｅ ｆｏｒ Ａｎｎｏｔａｔｉｏｎ，Ｖｉｓｕａｌｉｚａｔｉｏｎ
ａｎｄ Ｉｎｔｅｇｒａｔｅｄ Ｄｉｓｃｏｖｅｒｙ）（ｈｔｔｐ：／／ｄａｖｉｄ．ａｂｃｃ．ｎｃｉｆｃｒｆ． ｇｏｖ／）进行官方基因名的转换，一个基因可能对应数
个探针。
１．５ Ｍｅｔａ分析对所有数据集进行Ｍｅｔａ分析，首先
通过ｔ检验把每套数据的每个探针算出Ｐ值，再通过 ２３
下列公式算出每个基因的ｘ 值，自由度为数据集Ｋ
的２倍，最后保留Ｐ＜０．０５的基因。
２ 结果 Ｋ ｘ 一２ｉ２：１１。ｇ Ｐ
２．１数据集汇总有１１套数符合纳入标准，其基本
信息包含作者、芯片、设计类型、样本大小等，见表１。
表１纳入标准的１１套数据集基本信息
注：ｐａｉｒｅｄ： Ｌ腺癌患者组和对照组来自ｌ司一患病个体；ｕｎｐａｉｒｅｄ：孚Ｌ腺癌患者组和对照组来自不ｌ司一个体。 ２．２数据集处理结果基因组富集分析分别得出若干 针进行官方基因名称转换，共获得基因１ ０９０个，再进
上调通路和下调通路，见表１。其中下调通路中重叠性 一步行Ｍｅｔａ分析。
较高，在这ｌ１套数据集中共有７套数据集有相同的通 ２．４ Ｍｅｔａ分析结果通过对探针与官方基因名称转
路，它们分别是：ＧＳＥ１０７９７、ＧＳＥ１０８１０、ＧＳＥ１３８０６、 换得出的１ ０９０基因通过选择的Ｍｅｔａ公式进行整合
ＧＳＥ２２５４４、ＧＳＥ５８４７、ＧＳＥ７９０４、ＧＳＥ８９７７。这７套数据 分析，共筛选出３９个基因，其中血管平滑肌收缩通路 集拥有以下５条共同的下调通路：Ａ、血管平滑肌收缩 ３个基因，蛋白激酶信号通路ｌ６个基因，细胞因子与
（ｖａｓｃｕｌａｒ ｓｍｏｏｔｈ ｍｕｓｃｌｅ ｃｏｎｔｒａｃｔｉｏｎ），Ｂ、蛋白激酶信号 细胞因子受体相互作用通路１２个基因，黑色素通路２
（ＭＡＰＫ ｓｉｇｎａｌｉｎｇ ｐａｔｈｗａｙ），Ｃ、细胞因子与细胞因子受体 个基因，黑色素瘤６个基因。将结构相同，命名不同
相互作用（ｃｙｔｏｋｉｎｅ．ｅｙｔｏｋｉｎｅ ｒｅｃｅｐｔｏｒ ｉｎｔｅｒａｃｔｉｏｎ），Ｄ、黑色 的基因名进行合并，继续剔除差异无统计学意义
素（ｍｅｌａｎｏｇｅｎｅｓｉｓ），Ｅ、黑色素瘤（ｍｅｌａｎｏｍａ）。 （Ｐ＞０．０５）的基因，最后得出２２个基因。每个基因的
２．３探针与官方基因的转换结果将获得的阳性探 具体尸值见表２。 表２经Ｍｅｔａ分析后共同的差异基因分布
Ｉ：血管平滑肌收缩；ＩＩ：蛋白激酶信号；Ⅲ：细胞因子与细胞因子受体相互作用；Ⅳ：黑色素；Ｖ：黑色素瘤。 通量的新技术无疑对乳腺癌基因组学和蛋白质组学 ３ 讨 论 研究的发展起了重要的推动作用，一大批乳腺癌相关
乳腺癌是我国女性常见的恶性肿瘤，发病机制至 基因或蛋白质相继报告。但是，迄今已报告的乳腺癌
今仍未得到充分阐释。近年来涌现的基因芯片等高 基因或蛋白质中，却少见有被一致认可者。
２４
通过下载已明确的ＮＣＢＩ芯片数据集，对符合纳人
标准的１１套数据（见表１）进行ＧＳＥ 方法富集通路及
Ｍｅｔａ分析方法，最终得出２２个基因（见表２）。然后，在
ＮＣＢＩ的ＧＥＮＥ和ＵｎｉＰｒＯ数据库中分别查询以 卜２２个
基因及相应的蛋白质，发现其中转化牛长因子Ｂ受体２
型（ｔｒａｎｓｔｂｒｍｉｎｇ ｇｒｏｗｔｈ ｆａｃｔｏｒ，ｂｅｔａ ｒｅｃｅｐｔｏｒ ｌＩ，ＴＧＦＢＲ２）、 细胞周期蛋白依赖性激酶抑制剂１Ａ（ｃｙｃｌｉｎ—ｄｅｐｅｎｄｅｎｔ
ｋｉｎａｓｅ ｉｎｈｉｂｉｔｏｒ １ Ａ，ＣＤＫＮ１ Ａ）、ＧＡＤＤ４５￣（ｇｒｏｗｔｈ ａｒｒｅｓｔ
ａｎｄ ＤＮＡ—ｄａｍａｇｅ—ｉｎｄｕｃｉｂｌｅ ４５ ａｌｐｈａ）、ＣＸＣＬ１２［ｃｈｅｍｏｋｉｎｅ
（Ｃ—Ｘ—Ｃ ｍｏｔｉｆ）ｌｉｇａｎｄ １２］基因与乳腺癌发病有很重要的
关系，上述４个基因的功能作用在乳腺癌的发生发展
各有不同。
ＴＧＦＢＲ２与转化乍长因子一ｐ（ＴＧＦ— ）形成配体受
体复合物，激活Ｓｍａｄｓ蛋白家族进入核内，共同激活
或抑制它们调节的靶基因的转录 。ＴＧＦＢＲ２在乳
腺癌的致癌过程中扮演重要的角色，它在乳腺癌组织
的表达量明 低：ｆ乳腺增生或正常组织。ＴＧＦＢＲ２缺
失或异常表达使得ＴＧＦ—Ｂ在乳腺癌中的负调控作用 丧失 ｊ。
ＣＤＫＮＩ Ａ编码的蛋白与细胞周期蛋白依赖性激
酶（Ｃｙｃｌｉｎ—ｄｅｐｅｎｄｅｎｔ ｋｉｎａｓｅｓ，ＣＤＫｓ）形成复合物，将细
胞阻滞在Ｇ１期限制点｜二，从而阻止细胞从Ｇ１期进
入Ｓ期 。Ｍａ等 研究表明ＣＤＫＮＩ Ａ的２个多态
性位点的联合基因 （Ｓｅｒ３１Ａｒｇ，Ｃ＋２０Ｔ）与女性尤
分子生物学方法在肿瘤诊断和治疗中的应用
分子生物学方法在肿瘤诊断和治疗中的应用
肿瘤是一种艰难的疾病，严重影响了人们的身体和心理健康。在传统肿瘤治疗中，化疗、放疗和手术是我们最常见的治疗方法。虽然这些方法在一定程度上可以控制和治愈肿瘤，但同时也带来了一些不可忽略的副作用，如毒性、耐受性和复发率等。因此，寻求一种更为有效、可靠、无毒性的治疗方式成为我们追求的目标。
随着分子生物学的发展，许多新的肿瘤诊断和治疗方法被提出并迅速应用于临床实践中。分子生物学方法是指通过解析和操作分子生物学方面的基因、蛋白质、核酸等分子信息来研究和解决生物学问题的一种方法。在肿瘤领域中，分子生物学方法的应用可以更为准确地判断肿瘤的类型、分级和转移状态，为肿瘤的治疗提供更为有效的依据。
其中，分子诊断技术是分子生物学在肿瘤诊断中的一个重要应用方向。通过检测肿瘤组织样本或血液中的特殊标志物，如肿瘤相关基因、蛋白质、微小RNA等，可以对肿瘤进行准备的诊断。例如，BRCA1和BRCA2是一种与乳腺癌和卵巢癌相关的基因。通过检测患者血液中的BRCA1和BRCA2基因突变，可以更准确地判断患者是否患有遗传性乳腺癌或卵巢癌，有助于制定科学的治疗方案。此外，分子诊断技术还可以部分解决传统诊断方法存在的灵敏度、定量、特异性等问题，为肿瘤的治疗提供更加全面的支持。
而分子靶向治疗技术，则是分子生物学在肿瘤治疗中的一个重要应用方向。该技术通过分析肿瘤的分子信息和信号通路，针对肿瘤生长和增殖过程中的关键分子和通路，研发新型靶向药物，以达到准确治疗和降低药物副作用的效果。例如，针对肿瘤细胞表面的特异性蛋白，如HER2、EGFR等，已经成功开发出一系列的靶向药物，如赫赛汀、甲磺酸伊马替尼等。这些药物在肿瘤治疗中已经得到广泛应用，并展示了强大的抗肿瘤活性和较低的副作用。 此外，分子生物学方法在肿瘤治疗中还有一些其他的应用。例如，基因治疗技术，就是利用基因工程技术将特定基因或RNA序列载入患者体内，以恢复、增强或抑制正常细胞功能。这种技术已经成功用于治疗某些血液系统肿瘤和遗传性疾病。
基于TCGA数据库建立乳腺癌自噬相关基因预后预测模型及其应用
中国病理生理杂志 Chinese Journal of Pathophysiology 2023， 39（5）：794-801杂志网址： http: / /
基于TCGA数据库建立乳腺癌自噬相关基因
预后预测模型及其应用*
吴珏堃1△， 熊志勇2， 陈翠1
（1中山大学附属第三医院甲状腺乳腺外科，广东 广州 510630；2中山大学附属第三医院岭南医院普外科，广东 广州 510663）
［摘要］ 目的：基于自噬相关基因构建乳腺癌患者的预后风险模型。方法：TCGA数据库中下载乳腺癌及
正常乳腺组织的转录组数据和临床信息，首先筛选出差异表达的基因，然后从中选取自噬相关基因，利用LASSO回
归分析等构建预后风险模型，并应用ROC曲线评估模型的预测能力；收集中山大学附属第三医院甲乳外科2022年9月~2022年11月乳腺癌手术标本26例，采用免疫组织化学法和RT-qPCR法检测临床样本中乳腺癌自噬相关基因
IL-24和PPP1R15A在肿瘤组织和癌旁组织中的表达情况，RT-qPCR法检测乳腺癌临床样本中ESR1、PGR和ERBB2
的表达量，进行IL-24和PPP1R15A与病理特征的相关性分析。结果：分析得到的29个基因的表达谱数据，采用LASSO Cox回归分析构建预后风险模型。经过回归分析，得到了预测乳腺癌预后最优的基因及其相关系数，自噬基
因的预后风险模型公式为：−Exp（IL-24）×0.532 8−Exp（PPP1R15A）×0.398 5。根据模型计算每个乳腺癌患者的风
险值，根据中位数将患者分为高风险组和低风险组。为增强模型验证的可靠性，将患者随机分为测试组和验证组
分别验证。测试组Kaplan-Meier生存分析中P<0.01，高风险组的5年生存率为76.3%，低风险组的5年生存率为84.5%；验证组Kaplan-Meier生存分析中P=0.022，高风险组的5年生存率为77.9%，低风险组的5年生存率为
Tanc1基因在乳腺癌中差异表达的初步研究
分子诊断与治疗杂志２０１０年９月第２卷第５期Ｊ Ｍｏｌ Ｄｉａｇｎ Ｔｈｅｒ，Ｓｅｐｔｅｍｂｅｒ ２０１０．Ｖｏ１．２ Ｎｏ．５ ．３０７
Ｔａｎｃ １基因在乳腺癌中差异表达的初步研究
费政芳 金霆吴晓榕
【摘要】 目的探讨Ｔａｎｃ１基因表达与乳腺癌的关系。 方法利用生物信息学，从ＧｅｎＢａｎｋ 的乳腺癌表达文库中筛选出Ｔａｎｃ１基因，通过半定量ＲＴ－ＰＣＲ法检测２５例乳腺癌组织、１１例癌旁正常组 织和６例乳腺病变组织中Ｙａｎｃ１基因表达情况，探讨Ｔａｎｃ１基因在乳腺癌组织、癌旁正常组织、乳腺良性 增生组织的表达差异。 结果５２％（１３／２５）乳腺癌患者Ｔａｎｃ１ ｍＲＮＡ在癌组织中的表达高于癌旁组织， 差别具有统计学意义（Ｐ＝Ｏ．０１６）。６６．７％（４／６）良性增生乳腺患者Ｔａｎｃ１ ｍＲＮＡ在病变组织中表达高于 正常组织，差别具有统计学意义（Ｐ＝０．０２８）。 结论Ｔａｎｃ１的表达与乳腺癌的发生有关，有望成为新的 乳腺癌分子标志物。 【关键词】乳腺肿瘤；差异表达；Ｔａｎｃ１
ＰｒｅＩｉｍｉｎａｒｙ ｓｔｕｄｉｅｓ ｏｆ ｄｉｆｅｒｅｎｔｉａｌ ｅｘｐｒｅｓｓｉｏｎ ｏｆ Ｔａｎｃｌ ｇｅｎｅ ｉｎ ｂｒｅａｓｔ ｃａｎｃｅｒ ＦＥＩ Ｚｈｅｎｇｆａｎｇ，ＪＩＮ Ｔｉｎｇ，ＷＵ Ｘｉａｏｒｏｎｇ （Ｆｕｚｈｏｕ Ｆｉｒｓｔ Ｈｏｓｐｉｔａｌ，Ｆｕｊｉａｎ，Ｆｕｚｈｏｕ ３５０００９，Ｃｈｉｎａ）
【ＡＢＳＴＲＡＣ．ｒ】 Ｏｂｊｅｃｔｉｖｅ Ｔｏ ｉｎｖｅｓｔｉｇａｔｅ ｔｈｅ ａｓｓｏｃｉａｔｉｏｎ ｂｅｔｗｅｅｅｎ ｔｈｅ ｅｘｐｒｅｓｓｉｏｎ ｏｆ Ｔａｎｃ１ ｇｅｎｅ ａｎｄ ｂｒｅａｓｔ ｃａｎｃｅｒ． Ｍｅｔｈｏｄｓ Ｔａｎｃ １ ｇｅｎｅ ｗａｓ ｉｄｅｎｔｉｆｉｅｄ ｆｒｏｍ ｔｈｅ ｇｅｎｅｂａｎｋ ｏｆ ｂｒｅａｓｔ ｃａｎｃｅｒ ｂｙ ｂｉｏｉｎｆｏｒｍａｔｉｏｎ．Ｔｈｅ ｅｘｐｒｅｓｓｉｏｎｓ ｏｆ Ｔａｎｃ １ ｇｅｎｅ ｗｅｒｅ ｄｅｔｅｒｍｉｎｅｄ ｂｖ ｒ＿ＰＣＲ ｉｎ ２５ ｃａｓｅｓ ｏｆ ｂｒｅａｓｔ ｃａｎｃｅｒ，ｌ１ ｃａｓｅｓ ｏｆ ｎｏｒｍａｌ ｔｉｓｓｕｅ ａｎｄ ６ ｃａｓｅｓ ｏｆ ｉｎｎｏｃｅｎｔ ｔｕｍｏｒ． Ｒｅｓｕｌｔｓ Ｔｈｅ ｅｘｐｒｅｓｓｉｏｎ ｏｆ Ｔａｎｃ１ ｍＲＮＡ ｉｎ ５２％（１３／２５１ ｂｒｅａｓｔ ｃａｎｃｅｒ ｃａｓｅｓ ｗａｓ ｓｉｇｎｉｆｉｃａｎｔｌｙ ｈｉｇｈｅｒ ｔｈａｎ ｔｈａｔ ｉｎ ｎｏｒｍａｌ ｔｉｓｓｕｅ ｃａｓｅｓ ．一０．０ １ ６）．Ｔｈｅ ｅｘｐｒｅｓｓｉｏｎ ｏｆ Ｔａｎｃ Ｉ ｍＲＮＡ ｉｎ ６６．７％（４／６） ｉｎｎｏｃｅｎｔ ｔｕｌｎｏｒ ｃａｓｅｓ ｗａｓ ｓｉｇｎｉｆｉｃａｎｔｌｙ ｈｉｇｈｅｒ ｔｈａｎ ｔｈａｔ ｉｎ ｎｏｒｍａｌ ｔｉｓｓｕｅ ｃａｓｅｓ（Ｐ＝０．０２８）．Ｃｏｎｃｌｕｓｉｏｎ Ｔｈｅ ｆｉｎｄｉｎｇｓ ｓｕｇｇｅｓｔｅｄ ｔｈａｔ ｔｈｅ ｅｘｐｒｅｓｓｉｏｎ ｏｆ Ｔａｎｃ１ ｇｅｎｅ ｂｅ ａｓｓｏｃｉａｔｅｄ ｗｉｔｈ ｔｈｅ ｏｃｃｕｒｒｅｎｃｅ ｏｆ ｂｒｅａｓｔ ｃａｎｃｅｒ ａｎｄ ｉｔ ｍｉ曲ｔ ｂｅ ａ ｎｏｖａｌ ｍａｒｋｅｒ ｏｆｂｒｅａｓｔ ｃａｎｃｅｒ． 【ＫＥＹ ＷｏＲＤＳ】Ｂｒｅａｓｔ ｎｅｏｐｌａｓｍｓ；Ｄｉｆｆｅｒｅｎｔｉａｌ ｅｘｐｒｅｓｓｉｏｎ；Ｔａｎｃ１
乳腺癌高表达基因FAM83A的生物信息学分析
重庆医学２０１３年１月第４２卷第３期
・论 著・
乳腺癌高表达基因ＦＡＭ８３Ａ的生物信息学分析
刘 镭 ，黄 亮 ，车清海。，赵恩宏 ，黄 旭 ，程露阳 ，肖丽君
（１．承德医学院基础医学部免疫教研室，河北承德０６７０００；２．承德医学院附属医院肿瘤诊治中心，
河北承德０６７０００；３．吉林市龙潭区妇幼保健院妇产科１３２０００） ２４３
摘 要：目的 筛选乳腺癌高表达基因，用生物信息学方法预测ＦＡＭ８３Ａ生物学功能。方法 使用肿瘤基因组解剖计划数
据库的数字基因表达演示工具，在乳腺癌组织和乳腺良性肿瘤组织中筛选差异表达的基因。生物信息学方法预测ＦＡＭ８３Ａ基因
及其编码蛋白的序列同源性、理化性质、亚细胞定位、结构和表达谱。ＲＴ—ＰＣＲ方法测定ＦＡＭ８３Ａ在乳腺癌、乳腺纤维瘤和正常
乳腺组织中的表达。结果 筛选出差异表达基因ＦＡＭ８３Ａ。发现其有３个不同的剪接体，基因进化保守，亚细胞定位于线粒体
的可能性大。预测有ＰＫ，ＰＫＡ等磷酸化位点，ＭＡＰＫ作用识别位点，ＳＨ２、ＳＨ３，ＲＰＥＬ和ｗＨ２结合基序。二级结构主要是ｄ螺
旋和无规则卷曲。ＲＴ—ＰＣＲ证实ＦＡＭ８３Ａ在乳腺癌组织中高表达，而在乳腺良性肿瘤和正常乳腺组织中均无表达。结论
ＦＡＭ８３Ａ是一个乳腺癌高表达基因，可能作为乳腺癌分子机制研究的靶点。
关键词：乳腺肿瘤；生物信息学；ＳＡＧＥ库；ＦＡＭ８３Ａ
ｄｏｉ：１０．３９６９ ｉｓｓｎ．１６７１－８３４８．２０１３．０３．００２ 文献标识码：Ａ 文章编号：１６７１－８３４８（２０１３）０３—０２４３—０３
Ｂｉｏｉｎｆｏｒｍａｔｉｃｓ ａｎａｌｙｓｉｓ ｏｆ ｔｈｅ ｈｉｇｈｌｙ ｅｘｐｒｅｓｓｅｄ ＦＡＭ８３Ａ ｇｅｎｅ ｉｎ ｂｒｅａｓｔ ｃａｎｃｅｒ Ｌｉｕ Ｌｅｉ ，Ｈｕａｎｇ Ｌｉａｎｇ ，Ｃｈｅ Ｑｉｎｇｈａｉ。，Ｚｈａｏ Ｅｎｈｏｎｇ ， Ｈｕａｎｇ Ｘ“。・Ｃｈｅｎｇ Ｌｕｙａｎｇ ，Ｘｉａｏ Ｌｉｊｕｎ
生物信息学分析患有乳腺癌的乳腺球样本中与自我更新相关的关键基因
生物信息学分析患有乳腺癌的乳腺球样本中与自我更新相关的关键基因
摘要 目的： 通过生物信息学分析乳腺癌中具有自更新能力的乳腺球样本，挖掘与自更新能力有关的关键基因，为乳腺癌治疗提供基础和理论依据。方法：首先通过比较原位乳腺癌样本（breast cancer， BC）与乳腺癌的乳腺球样本（mammosphere samples， MS）的mRNA芯片表达数据，获得差异表达基因（differentially expressed genes，DEGs）。随后构建DEGs的蛋白与蛋白相互作用
（protein-protein interaction， PPI）网络，并从中筛选出一个高度关联的子网络，最后对子网络进行功能富集分析。结果：MS和BC两组样本间共有1 083个DEGs。从这些DEGs构建得到的PPI网络中，获得了一个包含49个DEGs的高度关联的子网络，其中tspo、igf1、fn1 和cdk1为子网络的核心基因。结论：这些核心基因可能是乳腺癌细胞中与自更新相关的基因。
ABSTRACT Objective： To explore the key genes related to self-renewal in
breast cancer by bioinformatics， which may provide a basic theoretical basis for the
treatment of breast cancer. Methods： The mRNA microarray data from breast cancer（BC） and mammosphere samples （MS） were compared. The protein-protein
interaction （PPI） network of differentially expressed genes （DEGs） was
乳腺癌相关基因环氧化酶2(COX-2)编码蛋白的主要特性与抗原表位生物信息学分析
・１７９４・ 葛晓丽，等 乳腺癌相关基因环氧化酶２（ＣＯＸ一２）编码蛋白的主要特性与抗原表位生物信息学分析
ＢＭＳＣｓ分别采用成脂、成骨和成心肌细胞诱导培养液进行体
外诱导培养，结果显示患乳腺癌大鼠来源的ＢＭＳＣｓ能够成
功诱导成脂肪细胞、成骨细胞和心肌细胞，说明患乳腺癌大
鼠的ＢＭＳＣｓ同健康大鼠来源的ＢＭＳＣｓ一样具有多向分化潜
能，并未受机体荷瘤状态的影响。乳腺癌具有骨髓转移的倾
向，荷瘤宿主的骨髓很有可能被转移癌细胞所污染，对ＢＭ— ＳＣｓ的体个分离培养产生不利影响。本实验采用全骨髓贴壁
法培养的荷瘤大鼠ＢＭＳＣｓ，经尾静脉注射于健康雌性ＳＤ大
鼠，持续饲养１２０ ｄ后，乳腺、肝脏等组织和器官均未见植入
性乳腺癌组织生长，说明来源于患乳腺癌大鼠、并经体外分
离培养的ＢＭＳＣｓ没有受到原宿主转移性乳腺癌细胞的污
染，用于细胞移植和过继应用时具有一定的安全性。尽管如
此，应用乳腺癌患者自身骨髓诱导培养ＢＭＳＣｓ仍应在确保
未受到肿瘤细胞侵袭的情况下进行。
综上所述，患乳腺癌大鼠骨髓来源的ＢＭＳＣｓ具有多向
分化能力，未受机体荷瘤状态影响，且体内应用较为安全，为 临床利用乳腺癌患者自体骨髓体外培养ＢＭＳＣｓ应用于自身
乳腺癌生物治疗、乳房再造、或乳腺癌患者所患其他疾病的
生物治疗提供了参考数据。
【参考文献】
［１］Ｄｅｚａｗａ Ｍ．Ｓｙｓｔｅｍａｔｉｃ ｎｅｕｒｏｎａｌ ａｎｄ ｍｕｓｃｌｅ ｉｎｄｕｃｔｉｏｎ ｓｙｓｔｅｍｓ ｉｎ ｂｏｎｅ ｍａｒｒｏｗ ｓｔｒｏｍａｌ ｃｅｌｌｓ：ｔｈｅ ｐｏｔｅｎｔｉａｌ ｆｏｒ ｔｉｓｓｕｅ ｒｅｃｏｎｓｔｒｕｃｔｉｏｎ ｉｎ ｎｅｕｒｏｄｅｇｅｎｅｒａｔｉｖｅ ａｎｄ ｍｕｓｃｌｅ ｄｅｇｅｎｅｒａｔｉｖｅ ｄｉｓｅａｓｅｓ［Ｊ］．Ｍｅｄ Ｍｏｌ Ｍｏｒｐｈｏｌ，２００８，４１（１）：１４—１９． ［２］Ｌａｄａｇｅ Ｄ，Ｂｒｉｘｉｕｓ Ｋ，Ｓｔｅｉｎｇｅｎ Ｃ，ｅｔ ａ１．Ｍｅｓｅｎｅｈｙｍａｌ ｓｔｅｍ ｃｅｌｌｓ ｉｎ— ｄｕｃｅ ｅｎｄｏｔｈｅｌｉａｌ ａｃｔｉｖａｔｉｏｎ ｖｉａ ｐａｒａｅｉｎｅ ｍｅｃｈａｎｉｓｍｓ［Ｊ］．Ｅｎｄｏｔｈｅｌｉ— ｕｍ，２００７，１４（２）：５３—６３． ［３］Ｓｔｕｄｅｎｙ Ｍ，Ｍａｒｉｎｉ ＦＣ，Ｃｈａｍｐｌｉｎ ＲＥ，ｅｔ ａ１．Ｂｏｎｅ ｍａｌＴＯＷ—ｄｅｒｉｖｅｄ ｍｅｓｅｎｅｈｙｍａｌ ｓｔｅｍ ｃｅｌｌｓ ａｓ ｖｅｈｉｃｌｅｓ ｆｏｒ ｉｎｔｅｒｆｅｒｏｎ—－ｂｅｔａ ｄｅｌｉｖｅｒｙ ｉｎ－ ｔｏ ｔｕｍｏｍ［Ｊ］．Ｃａｎｃｅｒ Ｒｅｓ，２００２，６２（１３）：３６０３—３６０８． ［４］ Ｂｅｃｋｅｒｍａｎｎ ＢＭ，Ｋａｌｌｉｆａｔｉｄｉｓ Ｇ，Ｇｒｏｔｈ Ａ，ｅｔ ａ１．ＶＥＧＦ ｅｘｐｒｅｓｓｉｏｎ ｂｙ ｍｅｓｅｎｃｈｙｍａｌ ｓｔｅｍ ｃｅｌｌｓ ｃｏｎｔｒｉｂｕｔｅｓ ｔｏ ａｎｇｉｏｇｅｎｅｓｉｓ ｉｎ ｐａｎｃｒｅａｔｉｃ ｃａｒｃｉｎｏｍａ［Ｊ］．Ｂｒ Ｊ Ｃａｎｃｅｒ，２００８，９９（４）：６２２—６３１． ［５］Ｃｏｆｆｅｈ ＳＢ，Ｍａｒｉｎｉ ＦＣ，Ｗａｔｓｏｎ Ｋ，ｅｔ ａ１．Ｔｈｅ ｐｒｏ—ｉｎｆｌａｍｍａｔｏｒｙ ｐｅｐ－ ｔｉｄｅ ＬＬ—－３７ ｐｒｏｍｏｔｅｓ ｏｖａｒｉａｎ ｔｕｍｏｒ ｐｒｏｇｒｅｓｓｉｏｎ ｔｈｒｏｕｇｈ ｒｅｃｒｕｉｔ－－ ｍｅｎｔ ｏｆ ｍｕｈｉｐｏｔｅｎｔ ｍｅｓｅｎｃｈｙｍａｌ ｓｔｒｏｍａｌ ｃｅｌｌｓ『Ｊ１．Ｐｒｏｃ Ｎａｔｌ Ａｃａｄ
基于GEO数据集探索乳腺癌他莫昔芬耐药基因
基于 GEO数据集探索乳腺癌他莫昔芬耐药基因
【摘要】目的：探索在雌激素受体阳性的乳腺癌患者中，影响他莫昔芬治疗效果的耐药基因。方法：从基因表达综合数据库（gene expression omnibus，GEO）下载GSE26459数据集，该数据集包含乳腺癌他莫昔芬敏感和耐药细胞系的mRNA 表达谱，样本数24个，其中敏感组与耐药组样本数分别12个。通过R语言Bioconductor生物信息学分析功能，利用limma包进行差异分析，筛选出两组样本的差异表达基因，并对基因进行功能注释。结果：通过差异分析发现上调基因有140个，下调基因有139个。通过对差异基因进行KEGG通路富集分析，发现他莫昔芬耐药基因参与了病毒性致癌作用，细胞粘附分子，PPAR信号通路等。结论：通过生物信息学分析方法可以为乳腺癌他莫昔芬耐药寻找相关基因和通路。
【关键词】乳腺癌；他莫昔芬；差异分析
乳腺癌是导致女性癌症相关死亡的首要原因，也是最常见的肿瘤。在我国，乳腺癌的发病率逐年上升，每年有超过160万女性被诊断出乳腺癌[1]，乳腺癌中约有70%至80%表达雌激素受体（estrogen receptor，ER）[2-3]。内分泌治疗是ER
阳性乳腺癌的一线治疗方案，能够降低ER 阳性乳腺癌患者的死亡率及复发转移风险[4]。然而，临床上发现约50%的ER阳性乳腺癌对内分泌治疗表现出耐药，而对他莫昔芬治疗耐药的机制与许多因素有关，如原癌基因的激活，抑癌基因的失活以及生长因子信号通路的影响等[5]。因此，他莫昔芬耐药的现象依然是临床诊疗中的难题。
1材料与方法
1.1材料
本研究使用的数据来自GEO数据库，编号GSE26459，该数据由Affymetrix
Human Genome U133 Plus 2.0 Array 实验平台GPL570产生，样本号为GSM649484—GSM649507。样本含有乳腺癌他莫昔芬敏感和耐药细胞系的mRNA 表达谱数据，样本数24个，其中敏感组与耐药组样本数分别12个。
生物信息学方法筛选乳腺癌关键基因初探
２２ Ｇｕａｎｇｘｉ Ｍｅｄｉｃａｆ ＪｏｕｒｎａＺ，Ｊａｎ．２０１３， ｆ．３５．Ｎｏ．１
生物信息学方法筛选乳腺癌关键基因初探▲
朱非白 朱 萧 韦长元 覃庆洪 练 斌
（广西医科大学１研究生学院，２附属肿瘤医院，南宁市５３００２１；Ｅ．ｍａｉｌ：ｌｉｔｔｌｅｂｌａｃｋ３５３３４＠ｓｉｎａ．ＣＯＢ）
【摘要】 目的寻找具有诊断或靶向治疗作用的乳腺癌关键基因。方法通过美国国立生物技术信息
中心（ＮＣＢＩ）中已明确的乳腺癌相关数据集，运用生物信息学中的基因组富集分析（ＧＳＥＡ）初步筛选，并富集出
相应的通路；在此基础上继续用Ｍｅｔａ分析方法筛选出乳腺癌的关键基因。结果根据ＧＳＥＡ和Ｍｅｔａ分析出
差异基因２２个，再与ＮＣＢＩ数据中与乳腺癌相关的基因的结构、功能比较，得出ＴＧＦＢＲ２、ＣＤＫＮ１Ａ、ＧＡＤＤ４５ｏＬ、
ＣＸＣＬ１２为关键基因。结论ＴＧＦＢＲ２、ＣＤＫＮ１Ａ、ＧＡＤＤ４５ ｏｌ、ＣＸＣＬ１２等基因与乳腺癌细胞周期、分化和凋亡有 密切关系，可进一步研究以期作为乳腺癌诊断和靶向治疗的基因。 【关键词】 乳腺癌；生物信息学；基因组富集；Ｍｅｔａ分析；关键基因
【中图分类号】 Ｒ ７３７．９；Ｑ ７８１ 【文献标识码】 Ａ 【文章编号】０２５３－４３０４（２０１３）０１．００２２．０３
ＤｏＩ：１０．１１６７５／ｉ．ｉｓｓｎ．０２５３—４３０４．２０１３．０１．０７
Ｋｅｙ Ｇｅｎｅｓ ｉｎ Ｂｒｅａｓｔ Ｃａｎｃｅｒ Ｂａｓｅｄ ｏｎ Ｂｉｏｉｎｆｏｒｍａｔｉｃｓ Ｐｉｐｅｌｉｎｅ ＺＨＵ Ｆｅｉ—ｂａｉ ，ＺＨＵ Ｘｉａｏ ，ＷＥＩ Ｃｈａｎｇ—ｙｕａｎ。，Ｑ，ⅣＱｉｎｇ—ｈｏｎｇ ，ＬＩＡＮ Ｂｉｎ （１ Ｇｒａｄｕａｔｅ Ｓｃｈｏｏｌ，２ Ａｆｆｉｌｉａｔｅｄ Ｃａｎｃｅｒ Ｈｏｓｐｉｔａｌ，Ｇｕａｎｇｘｉ Ｍｅｄｉｃａｌ Ｕｎｉｖｅｒｓｉｔｙ，Ｎａｎｎｉｎｇ ５３００２１，Ｃｈｉｎａ）
PR(+)／PR(-)乳腺癌差异表达microRNAs潜在作用通路的生物信息学分析
热带医学杂志２０１３年１月第１３卷第１期Ｊ Ｔｒｏｐ Ｍｅｄ，Ｊａｎ．２０１３，Ｖｏ１．１３，Ｎｏ．１ ・ ８ ・ ・硕博专栏论著・ ＰＲ（＋）／ＰＲ（一）乳腺癌差异表达ｍｉｃｒｏＲＮＡｓ潜在作
用通路的生物信息学分析
麦仲伦，姜茂竹，曾融，吴钢，郑燕芳，张积仁 （南方医科大学附属珠江医院肿瘤中心，广东广州５１０２８２）
摘要：目的通过对乳腺癌中与孕激素受体（ＰＲ）状态相关的ｍｉｃｒｏＲＮＡｓ差异表达谱进行生物信息学分析，探讨 ｍｉｃｒｏＲＮＡｓ在ＰＲ表达状态中可能参与的调控机制，为深入研究乳腺癌不同分子亚型的分化提供新思路。方法利 用文献挖掘方法找到与ＰＲ状态相关的ｍｉｃｒｏＲＮＡｓ差异表达数据集，然后利用生物信息学方法（Ｔａｒｇｅｔｓｃａｎ软件和 ＤＡＶＩＤ数据库）预测ｍｉｃｒｏＲＮＡｓ的靶基因，再对靶基因进行基因本体论（ＧＯ）富集和通路分析。结果通过文献挖掘 找到３个差异表达ｍｉｃｒｏＲＮＡｓ数据集，生物信息学分析获得３个相应靶基因集和１个靶基因合集。靶基因的ＧＯ分 类主要涉及细胞内的信号级联、蛋白氨基酸磷酸化、蛋白质甲基转移酶活性及转录因子活性等生物学过程及分子功 能。通路分析发现３条ＫＥＧＧ信号通路和３条ＢＩＯＣＡＲＴＡ代谢通路可能参与不同ＰＲ表达状态的调节。结论通过 生物信息学方法，初步分析了ｍｉｃｒｏＲＮＡｓ在不同ＰＲ表达状态中可能参与调控的信号和代谢通路，为进一步探索 ｍｌ‘ｃｒｏＲＮＡｓ在乳腺癌不同分子亚型分化的调控机制奠定基础。 关键词：乳腺癌；孕激素受体；ｍｉｃｒｏＲＮＡｓ；生物信息学 中图分类号：Ｒ７３７．９ 文献标识码：Ａ 文章编号：１６７２—３６１９（２０１３）Ｏ１．０００８—０５
Ｂｉｏｉｎｆｏｒｍａｔｉｃｓ ａｎａｌｙｓｉｓ ｏｆ ｍｉｃｒｏＲＮＡｓ ｒｅｇｕｌａｔｅｄ ｐｏｔｅｎｔｉａｌ ｓｉｇｎａｌｉｎｇ ｐａｔｈｗａｙｓ ｉｎ ｂｒｅａｓｔ ｃａｎｃｅｒｓ ｗｉｔｈ ｄｉｆｆｅｒｅｎｔ ＰＲ ｓｔａｔｕｓ ＭＡＩ Ｚｈｏｎｇ—ｌｕｎ，ＪＩＡＮＧ Ｍａｏ－ｚｈｕ，ＺＥＮＧ Ｒｏｎｇ，ＷＵ Ｇａｎｇ，ＺＨＥＮＧ Ｙａｎ・ｆａｎｇ，ＺＨＡＮＧ Ｊｉ・ｒｅｎ （Ｏｎｃｏｌｏｇｙ Ｃｅｎｔｅｒ ｏｆ Ｚｈｕｊｉａｎｇ Ｈｏｓｐｉｔａｌ，Ｓｏｕｔｈｅｒｎ Ｍｅｄｉｃａｌ Ｕｎｉｖｅｒｓｉｔｙ，Ｇｕａｎｇｄｏｎｇ，Ｇｕａｎｇｚｈｏｕ ５１０２８２，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ： Ｏｂｊｅｃｔｉｖｅ Ｔｏ ｐｅｒｆｏｒｍ ｂｉｏｉｎｆｏｒｍａｔｉｃ ａｎａｌｙｓｉｓ ｏｎ ｔｈｅ ａｂｅｒｒａｎｔ ｅｘｐｒｅｓｓｉｏｎ ｏｆ ｍｉｃｒｏＲＮＡｓ ｉｎ ＰＲ（＋）／ＰＲ（一） ｂｒｅａｓｔ ｃａｎｃｅｒｓ，ＳＯ ａｓ ｔｏ ｅｘｐｌｏｒｅ ｔｈｅ ｐｏｓｓｉｂｌｅ ｒｅｇｕｌａｔｏｒｙ ｓｉｇｎａｌｉｎｇ ｐａｔｈｗａｙｓ ｏｆ ｄｉｆｆｅｒｅｎｔ ｐｒｏｇｅｓｔｅｒｏｎｅ ｒｅｃｅｐｔｏｒ ｓｔａｔｕｓ． Ｍｅｔｈｏｄｓ ＰＲ ｇｅｎｅｓ ｒｅｌａｔｅｄ ｍｉｃｒｏＲＮＡｓ ｗｅｒｅ ｒｅｔｒｉｅｖｅｄ ｔｈｒｏｕｇｈ ＴａｒｇｅｔＳｃａｎ ａｎｄ ｌｉｔｅｒａｔｕｒｅ ｍｉｎｉｎｇ．Ｔｈｅｎ，ａｎ ａｎａｌｙｓｉｓ ｏｎ ｇｅｎｅ ｓｅｔｓ ｗａｓ ｃａｒｒｉｅｄ ｏｕｔ ｂｙ ＧＯ ｏｖｅｒｒｅｐｒｅｓｅｎｔａｔｉｏｎ ａｎｄ ｐａｔｈｗａｙ ａｎａｌｙｓｉｓ ｕｓｉｎｇ ＤＡＶＩＤ ｄａｔａｂａｓｅ．Ｒｅｓｕｌｔｓ Ｔｈｒｅｅ ｓｅｔｓ ｏｆ ａｂｅｒｒａｎｔｌｙ ｅｘｐｒｅｓｓｅｄ ｍｉｃｒｏＲＮＡｓ ｗｅｒｅ ｏｂｔａｉｎｅｄ． Ｒｅｓｕｌｔｓ ｆｒｏｍ ｔｈｅ ｇｅｎｅ ｏｎｔｏｌｏｇｙ ｃａｔｅｇｏｒｙ ｉｎｄｉｃａｔｅｄ ｔｈａｔ ｔｈｅｓｅ ｔａｒｇｅｔ ｃａｎｄｉｄａｔｅｓ ｍａｉｎｌｙ ｐａｒｔｉｃｉｐａｔｅ ｉｎ ｉｎｔｒａｃｅｌｌｕｌａｒ ｓｉｇｎａｌｉｎｇ ｃａｓｃａｄｅ，ｐｒｏｔｅｉｎ ａｍｉｎｏ ａｃｉｄ ｐｈｏｓｐｈｏｒｙｌａｔｉｏｎ，ｐｒｏｔｅｉｎ ｍｅｔｈｙｌｔｒａｎｓｆｅｒａｓｅ ａｃｔｉｖｉｔｙ，ａｎｄ ｔｒａｎｓｃｒｉｐｔｉｏｎ ａｃｔｉｖｉｔｙ．Ｐａｔｈｗａｙ ａｎａｌｙｓｉｓ ｓｈｏｗｅｄ ｔｈａｔ ｔｈｅｓｅ ｔａｒｇｅｔ ｇｅｎｅｓ ｗｅｒｅ ｍａｉｎｌｙ ｉｎｖｏｌｖｅｄ ｉｎ ３ ＫＥＧＧ ｓｉｇｎａｌｉｎｇ ｐａｔｈｗａｙｓ ａｎｄ ３ ＢＩＯＣＡＲＴＡ ｐａｔｈｗａｙｓ． Ｃｏｎｃｌｕｓｉｏｎｓ Ｔｈｉｓ ｓｔｕｄｙ ａｎａｌｙｚｅｄ ｔｈｅ ｉｎｆｌｕｅｎｃｅ ｏｆ ｍｉｃｒｏＲＮＡｓ ｉｎ ｔｈｅ ｃｅｌｌｕｌａｒ ｆｕｎｃｔｉｏｎｓ ａｎｄ ｐａｔｈｗａｙｓ ｉｎ ｂｒｅａｓｔ ｃａｎｃｅｒ ｃｅｌｌｓ ｏｆ ｄｉｆｆｅｒｅｎｔ ＰＲ ｓｔａｔｕｓ．Ｔｈｅ ｒｅｓｕｌｔ／ｎａｙ ｂｅ ｕｓｅｄ ｆｏｒ ｔｈｅ ｂｉｏｌｏｇｉｃａｌ ｉｎｔｅｒｐｒｅｔａｔｉｏｎ ｏｆ ｍｉｃｒｏＲＮＡｓ ｐｒｏｆｉｌｉｎｇ ｄａｔａ ｉｎ ｐａｔｉｅｎｔｓ ｗｉｔｈ ｄｉｆｆｅｒｅｎｔ ｓｕｂ—ｔｙｐｅ ｏｆ ｂｒｅａｓｔ ｃａｎｃｅｒｓ． Ｋｅｙ ｗｏｒｄｓ：ｂｒｅａｓｔ ｃａｎｃｅｒ；ｐｒｏｇｅｓｔｅｒｏｎｅ ｒｅｃｅｐｔｏｒ；ｍｉｃｒｏＲＮＡｓ；ｂｉｏｉｎｆｏｒｍａｔｉｃｓ
FISH检测：助力精准医疗发展
FISH检测：助力精准医疗发展
FISH检测，即荧光原位杂交技术，是一种分子生物学检测方法。它通过使用特定的荧光探针，检测基因、染色体异常以及基因表达水平。在精准医疗领域，FISH检测为医生提供了强大的工具，帮助他们做出更准确的诊断和治疗决策。
在肿瘤精准医疗中，FISH检测发挥着重要作用。例如，在非小细胞肺癌中，ALK基因重排是一种常见的分子遗传学改变。通过FISH检测，医生可以准确地判断ALK基因是否存在重排，从而选择合适的靶向药物治疗。一项研究表明，使用FISH检测筛选出ALK阳性的非小细胞肺癌患者，接受靶向药物治疗后的无进展生存期显著延长。
另一个例子是乳腺癌患者中的HER2基因扩增。FISH检测可以帮助医生判断HER2基因是否扩增，从而选择是否使用HER2靶向药物治疗。研究显示，HER2阳性的乳腺癌患者使用HER2靶向药物治疗后，无进展生存期和总生存期均显著改善。
除了在肿瘤精准医疗中的应用，FISH检测还在遗传性疾病诊断中发挥重要作用。例如，囊性纤维化是一种常见的遗传性疾病，其发病机制与CFTR基因突变有关。通过FISH检测，医生可以准确地判断CFTR基因是否存在突变，从而为患者提供合适的治疗方案。
然而，FISH检测在精准医疗中的应用也面临一些挑战。例如，检测成本较高、操作复杂，且需要专业的技术人员。FISH检测的标准化和质量控制也是亟待解决的问题。尽管如此，随着技术的不断发展，FISH检测在精准医疗中的应用将越来越广泛。 FISH检测作为一项重要的分子生物学检测技术，在精准医疗中发挥着重要作用。通过实际案例可以看出，FISH检测为医生提供了准确的诊断和治疗信息，从而提高了患者的生存率和生活质量。面对挑战，我们期待未来能有更多的研究和创新，以推动FISH检测在精准医疗中的应用。
重点和难点解析：
FISH检测技术在精准医疗中的应用及其价值。FISH检测作为一种分子生物学检测方法，可以提供关于基因、染色体异常以及基因表达水平的精确信息。在精准医疗中，这些信息对于医生制定诊断和治疗方案至关重要。例如，在非小细胞肺癌中，ALK基因重排是一种常见的分子遗传学改变。通过FISH检测，医生可以准确地判断ALK基因是否存在重排，从而选择合适的靶向药物治疗。同样，在乳腺癌患者中，HER2基因扩增也是一个重要的分子标记。FISH检测可以帮助医生判断HER2基因是否扩增，从而决定是否使用HER2靶向药物治疗。这些案例表明，FISH检测在精准医疗中具有很高的应用价值。