分子層次上非小細胞肺癌子型差異的研究.pdf

1、近年來，非小細胞肺癌嚴重威脅著人類的健康。非小細胞肺癌可分為腺癌、鱗狀細胞癌、大細胞癌等多種子型，其中腺癌與鱗狀細胞癌占據(jù)所有非小細胞肺癌的一半以上。目前基于組織細胞形態(tài)學的方法難以區(qū)分非小細胞肺癌子型。已研制的治療非小細胞肺癌的靶向藥物僅對非鱗狀非小細胞肺癌患者療效顯著。分子層次上，設計非小細胞肺癌的早期診斷方法，研制有效治療非小細胞肺癌的靶向治療藥物，研究非小細胞肺癌發(fā)生發(fā)展機理等均是目前國內外活躍的研究領域。
　　基于分子層

2、次研究非小細胞肺癌子型間的差異，能夠幫助理解非小細胞肺癌子型的發(fā)生發(fā)展機理，同時能夠為有效地診斷、治療非小細胞肺癌提供幫助。本文主要圍繞以下三個內容研究非小細胞肺癌子型間的差異：與不同非小細胞肺癌子型相關的基因；非小細胞肺癌子型分類的特征選?。环切〖毎伟┎煌有烷g通路關系的異同。主要研究工作如下：
　　不同條件下功能差異較大的基因與其他基因間關系也有較大差異。據(jù)此，提出了一種基于網(wǎng)絡結構差異分析，尋找在不同表型中功能差異較大的基

3、因的新方法。首先建立了對應于不同表型的基因網(wǎng)絡集合。利用網(wǎng)絡拓撲指標度量不同表型網(wǎng)絡結構的差異程度，選擇能夠有效區(qū)分網(wǎng)絡結構的拓撲指標。利用所得指標，尋找對網(wǎng)絡差異有貢獻的基因。在非小細胞肺癌子型數(shù)據(jù)上，得到了區(qū)分網(wǎng)絡結構效果較好的有效指標，并且得到了在兩種表型中功能差異較大的基因。通過數(shù)值試驗，驗證了所得有效指標及基因的可靠性。該方法能夠用于挖掘癌癥子型間功能差異較大的基因，幫助區(qū)分癌癥子型。
　　為了識別與癌癥子型發(fā)生發(fā)展密切

4、相關的基因，我們提出了一種建立基因以及基因序對與表型間關系的新方法。該方法度量了探針或者探針序對與表型間的相關性，得到探針或者探針序對與表型間的關系。進而，利用探針與基因間的對應關系，基于探針或者探針序對與表型間關系尋找基因或者基因序對與表型間的關系。在非小細胞肺癌與正常數(shù)據(jù)集上，利用召回率以及分類準確率作為性能衡量標準，對算法性能進行評估，并與兩個具有代表性的算法進行比較。實驗結果表明新算法在召回率以及分類準確率上都表現(xiàn)出了良好的性能

5、，且優(yōu)于已有的兩個具有代表性的算法。在非小細胞肺癌子型數(shù)據(jù)集上，得到了多個與非小細胞肺癌子型具有緊密聯(lián)系的基因及基因序對。統(tǒng)計檢驗分析能夠說明所得關系的可靠性。另外，發(fā)現(xiàn)了非小細胞肺癌子型的標識基因以及具有重要作用的生物功能。新方法能夠幫助尋找區(qū)分癌癥子型的基因，幫助設計癌癥的靶向治療藥物，同時也可以揭示與癌癥關聯(lián)緊密的生物過程。
　　對于癌癥分類特征選擇問題，提出了一種基于基因以及基因序對的特征選擇方法。通過計算基因及基因序對與

6、類別變量間的相關性，選擇了與類別相關性較強的基因及基因序對；消除了所得基因及基因序對中的冗余特征；在所得特征子集的基礎上，分別利用常見的分類算法選擇了使得分類效果最優(yōu)的特征集合。該方法有別于已有研究中僅以基因或者基因序對為選擇對象，而是同時考慮基因和基因序對。在四個數(shù)據(jù)集上，證明了在選擇基因及基因序對過程中所提假設的合理性。利用平均分類誤差，在四個數(shù)據(jù)集上對算法進行有效性評估，并與三種已有的具有代表性的算法進行比較。實驗結果說明算法能夠

7、得到分類效果較的特征集合，且與已有的三種算法相比，在分類效果上有了較好的改善。該算法能夠有效地選擇特征，使得分類達到良好的效果。
　　為了研究癌癥不同子型間通路關系的異同，提出了一種挖掘通路間協(xié)同調控關系的方法。該方法尋找各通路所包含的基因；建立了基因間的協(xié)同調控關系；隨后將基因間的協(xié)同調控關系映射于通路上。將該方法應用于非小細胞肺癌子型數(shù)據(jù)上，利用統(tǒng)計檢驗方法說明所得通路間關聯(lián)關系的可靠性。重點研究幾個通路在不同子型中關聯(lián)關系的