【摘 要】
：
目的:探讨60例乳腺癌肝转移患者的临床病理特点并利用GEO数据库探索相关基因。方法:本研究回顾性分析了2000年至2020年浙江大学医学院附属第二医院（浙大二院）乳腺外科收治的60例乳腺癌肝转移患者的资料。应用SPSS 25进行统计学分析。分布情况采用Kolmogorov-Smirnov正态性检验法,生存分析采用Kaplan-Meier法,非参数检验采用Kruskal-Wallis法及Mann-W
论文部分内容阅读
目的:探讨60例乳腺癌肝转移患者的临床病理特点并利用GEO数据库探索相关基因。方法:本研究回顾性分析了2000年至2020年浙江大学医学院附属第二医院（浙大二院）乳腺外科收治的60例乳腺癌肝转移患者的资料。应用SPSS 25进行统计学分析。分布情况采用Kolmogorov-Smirnov正态性检验法,生存分析采用Kaplan-Meier法,非参数检验采用Kruskal-Wallis法及Mann-Whitney法。本研究也利用GEO数据库筛选与乳腺癌肝转移相关的基因。芯片分析采用GEO2R,基因分析采用DAVID软件。结果:我院乳腺癌肝转移患者占所有乳腺癌患者的1.65%（112/6800）。在本研究中,60例患者的中位总生存时间为70个月（SD:5.4,95%CI:59.4-80.6）。HR+/HER2-患者生存较长,中位总生存时间为72个月,而三阴性乳腺癌最短,中位总生存时间为21个月。年龄大于50岁、既往患乙肝病史、原发灶未行手术治疗、组织学III级、已发生转移等情况均提示预后不佳。肝功能情况、转移灶数目及最大灶直径、是否接受手术治疗等对肝转移后生存时间具有一定影响,对总生存时间无明显影响。在发现肝转移时,病灶仅存在于肝脏的占37%。约42%的肝转移病灶位于肝V-VIII段。对于局部治疗,肝脏手术（射频消融、肝脏病损切除术、介入治疗）等可能使患者获益。在整个过程中,乳腺癌肝转移表现出一定的异质性。有11例（40%）原发灶为三阴性而转移灶表现为激素受体阳性（8例）或HER2+（3例）。另外,有6例（10%）原发灶为HER2-而转移灶表现为HER2+。此外,本研究通过分析GEO数据库的乳腺癌肝转移样本后发现ALB、PLAU、GRP、DPYSL3、FGFR4、FGF13可作为乳腺癌肝转移研究的潜在靶点。结论:本研究提示我院乳腺癌肝转移的发生率为1.65%。影响乳腺癌肝转移预后的相关因素包括年龄、乙肝病史、原发灶手术情况、组织学分级、分子分型、肝转移灶情况等。在发生肝转移后,肝脏局部治疗可能使乳腺癌肝转移患者获益。另外,基于GEO数据库的分析发现ALB、PLAU、GRP、DPYSL3、FGFR4、FGF13可作为BCLM研究的潜在靶点。
其他文献
航空意外险是民航旅客最熟悉的商业险种,负面新闻和争议事件在近年时有发生。为了避免可能出现的“假保单”等问题,航空意外险的销售过程迫切需要可回溯管理。区块链技术作为国家重点提倡的新型基础设施,在金融、智慧医疗、信息化政务、产品溯源等领域具有重要的研究价值和应用前景。区块链已经成为推动公共服务智能化和社会治理精细化的重要技术手段。全国各个地区的多种领域都在积极推动区块链与智能技术的融合应用。首先,本文
时序数据预测是时序数据挖掘研究中的一类重要问题。多维时间序列数据不仅包含时序依赖特征,也包含变量间的空间依赖特征。图神经网络可以捕获节点向量的空间依赖关系,已被引入到多维时间序列（Mutivariate Time Series,MTS）方法的建模中。现有的MTS预测方法选择使用图神经网络中最具代表性的图卷积网络捕获变量间的关联关系,然而这些方法关注时空依赖关系,没有考虑MTS各变量上的局部上下文特
时间序列聚类是时间序列数据挖掘研究中的一类重要任务。由于深度神经网络能够通过对原始时序数据进行特征的提取,在降低时序数据维数、提高算法的效率同时,滤除一些不相关的信息,对噪声具有也具有较好的鲁棒性,已被引入到时间序列聚类任务之中。但现有基于深度学习的时间序列聚类算法模型无法较好地捕获时间序列的多尺度特征以及面向聚类的具有不变性的时序特征。异常航班检测是民航安全领域的一项重要任务。时间序列聚类算法在
工业控制系统异常检测中存在数据类不平衡现象,传统的检测模型通常会倾向于牺牲少量异常类数据来提高模型对数据的拟合能力,导致分类器检测精度下降、漏报率、误报率升高。针对上述问题,目前有两种常见的解决思路。在算法层面,常用基于机器学习的方法,通过优化分类器的损失函数,调整分类器在少数异常类上的注意力,进而提高检测率。但该方法对于权重矩阵的精确度要求较高,因此计算成本较大,检测性能不稳定;在数据层面,常用
目的:男性乳腺癌发病率低,病例数少,对其诊治可遵循的指南不多,多参照女性乳腺癌。本研究通过小样本的单中心回顾性研究,结合美国监测、流行病学和最终结果（the Surveillance,Epidemiology,and End Results,SEER）数据库男性乳腺癌病例资料,探讨男性乳腺癌患者的临床病理特征、治疗方式和预后相关因素,旨在为其临床诊治决策提供参考。方法:收集2006年6月至2019
背景TNM分期被广泛用于结直肠癌的临床/病理分期。其中,T分期往往直接影响患者治疗方式的选择和预后;因此,对其精准判断显得尤为重要。研究发现,临床上常出现c T4（clinical T4,c T4）诊断与pT4（pathological T4,pT4）诊断不符的情况,但这种差异是否影响了患者的预后未被阐明。基于此,本研究拟对本中心接受根治性手术的结直肠癌病人进行回顾性分析,研究c T4与pT4的符
随着人工智能技术的不断发展,感知智能为机器提供了视觉、听觉等感知事物的能力,以事理图谱和知识图谱为代表的认知智能让机器拥有了对事物的理解和推理能力。对于民航领域来说,安全是永恒不变的主题,若能通过历史数据发现航空安全事故中的事理演化逻辑并加以应用,有助于提升航空安全事故应急处置能力,保障飞行安全。因此,本文针对事理知识的抽取和应用方法进行了研究。在事理知识抽取方面,本文设计了模式匹配和神经网络相结
研究目的:乳腺癌（Breast Cancer,BC）是全球最常见的癌症,发病率逐年增高,位居女性恶性肿瘤首位,也是癌症相关死亡的病因之一。雄激素受体（Androgen Receptor,AR）在多种乳腺癌分子亚型中广泛表达,大量研究显示,AR与乳腺癌患者预后有一定的相关性,提示其有望成为乳腺癌治疗的新靶点。本研究拟探究新型雄激素受体拮抗剂（AR-10）对不同类型乳腺癌细胞的作用及其机制,并探讨AR
图像语义分割的目的是对图像的每个像素进行分类并将其划分到对应的语义区域。与图像分类和目标检测不同的是,图像语义分割任务中的训练标签为像素级标签而非区域级标签,其获取过程既昂贵又耗时。为了降低语义分割任务对像素级标签的需求,利用少量标记数据训练模型的半监督图像语义分割方法已成为图像领域的研究热点。通过研究分析现有的半监督学习方法和基于深度学习的语义分割模型,本文针对语义分割数据集标注困难和标注成本高
知识图谱以图的方法巧妙地把现实世界的实体与实体之间的关联组织起来,是一个拥有大量语义信息的知识表示工具。民航突发事件知识图谱作为领域知识图谱的一种,其强大的知识表示、推理和检索能力对于民航突发事件的应急管理和决策有着重大意义。知识图谱的最小单位是由实体与关系所组成的三元组,故实体识别和关系抽取成为构建高质量知识图谱的两大关键任务。为了避免将实体和关系的抽取视为串联的两个任务任务所造成的冗余信息、错