论文部分内容阅读
大多数癌症芯片数据研究关注的是识别特异组织癌细胞的分子特性。最近,科研工作者开始利用基因芯片数据,研究特异组织癌细胞的预后特性,但关于普遍的肿瘤预后的分子生物学机制仍待研究。本文在现有研究成果之上,使用元分析(meta-analysis)手段研究多种肿瘤数据源的信号共发生的几率。本文首先通过研究特异组织肿瘤亚型间的共同表达调控信号,研究多源数据元分析方法。论文修正现有的元分析方法:基于不同数据源的有序基因列表秩打分(RS)算法。利用实际表达芯片数据,发现RS与“一对多”(OVA)或“一对一”(OVO)比对结合,是分析多源数据的有效方法。论文还通过有效聚类说明,6个独立实验的白血病亚型间的信号差异强于芯片系统间信号德差异。论文探讨了跨临床表征的癌症共同分子机制的存在性,并研究发现这一共性的方法。论文工作创造性地设立了模式匹配(Meta-Analysis Pattern Matches)元分析概念。在分析了白血病、恶性间皮瘤和两个独立乳腺癌共四个基因芯片数据后,发现42个基因在不同癌症病人的治疗结果分组比对中都显示了一致的差异表达。这些基因不但证实了跨临床表征的癌症共同分子机制的存在性,而且是已公布的候选通用预后标志(universal prognostic markers)基因的补充。为了定量地测定与治疗结果相关的不同表型癌症间的共同分子机制,论文进一步研究并提出了新的更成熟的统计算法----排序的基因列表的相似性打分算法(Similarities of Ordered Gene List - SOGL)。SOGL算法的核心思想是不依赖于某个单一数据集中显著的差异表达的效应量,而是关注多实验中一致的差异表达的效应量。该算法基于有序基因列表的排序,赋予越位于排序列表两端的基因越高的权重,累加权重的打分揭示了有序基因列表间的相似性。与其它元分析算法比较,它尤其敏感于差异表达排序相似但有序基因列表本身的差异表达不明显的情况。在分析了五个独立的临床数据源后(恶性间皮瘤、神经胶质瘤、前列腺癌和两个独立乳腺癌),我们从10对可能的成双比对中检测到5对显著相似的有序基因列表。为了说明算法的敏感性,以上5个被分析的数据集中包括无显著差异表达基因的数据集。研究目标是从大规模芯片数据中统计保守的癌症预后标志基因。不包含显著差异表达基因的数据集产生的有序基因列表间的相似结果往往令人质疑:这样找到的标志基因是否能提高预后效果?因此,在SOGL的基础上,论文将现有的两两比对算法扩展为多列表比对。结果发现前列腺癌存活、恶性间皮瘤复发和神经胶质瘤存活所对应的3条有序基因列表之间显著相似。随后,作者选用排序列表相似性打分为支持向量机(SVM)算法的变量提取算法,发现导致3条有序基因列表相似的13个标志基因能够提高原始数据集的预后判别准确率。有临床意义的是,这组标志基因中的12个基因与血管增生调控(regulation of angiogenesis)有关,并且能够准确地预测成人T细胞白血病人的治疗后效果。13个标志基因中的12个涉及血管增生及其调控的基因是MDK、CPE、POSTN、COL4A1、COL11A1、COL1A2、COL5A2、IGFBP3、FN1、ANXA2、BGN和PTGDS。该结果提示细胞外的基质蛋白的破坏是血管新生相关的癌症入侵和转移的重