蛋白質指紋圖譜和生物信息學在乳腺癌中的研究.pdf

1、目的:本課題旨在應用SELDI蛋白質指紋圖譜和生物信息學技術從血清中篩選乳腺癌蛋白質腫瘤標志物并構建檢測模型(pattern);建立組織蛋白質指紋圖譜的檢測方法從而尋找乳腺癌/正常乳腺組織間的差異表達蛋白質;并利用生物信息學方法對乳腺癌cDNA微陣列數據進行分析.結論:1.與H4、WCX2芯片相比,CM10芯片的變異系數更大,具有更好的穩(wěn)定性和可重復性.2.3932m/z和5635m/z兩個蛋白質峰組合所構建的模型能達到鑒別乳腺癌與健康

2、人的最佳檢測效果,總準確率87.2％.3.2489、2976、16356、2024、2597和3443m/z六個蛋白質峰組合所構建的模型能達到鑒別乳腺癌和乳腺良性疾病的最佳檢測效果,總準確率80.8％.4.2565、4073、40300、2160和2685m/z五個蛋白質峰組合所構建的模型能達到預測乳腺癌患者有無淋巴結轉移的最佳效果,總準確率87.3％.5.3932m/z和5635m/z這兩個蛋白質峰有望成為提示乳腺癌術后復發(fā)、轉移的候

3、選標志物,值得進一步研究.擴大樣本量和延長隨防時間將有助于明確結果.6.在組織蛋白質指紋圖譜檢測的方法學探索中發(fā)現:U<,7>SU<,2>裂解液具有較好的裂解效果;裂解液中加入蛋白酶抑制劑合劑能改善指紋圖譜檢測結果.7.批到乳腺癌/正常乳腺組織間19個差異表達蛋白,其中9109、17790、11730、12455、9974和11655m/z6個蛋白質峰的差異最顯著.8.15869m/z在組織、血清中同時存在,且具有相同的表達趨勢.9.從