[目的]旨在通过生物信息学方法,寻找浆液性卵巢癌(Ovarian serous carcinoma-OV)甲基化驱动基因、参与的分子通路以及与患者预后的关系。[方法]通过整合肿瘤基因组图谱数据库(The Cancer Genome Atlas,TCGA)中卵巢癌转录组数据、甲基化...[目的]旨在通过生物信息学方法,寻找浆液性卵巢癌(Ovarian serous carcinoma-OV)甲基化驱动基因、参与的分子通路以及与患者预后的关系。[方法]通过整合肿瘤基因组图谱数据库(The Cancer Genome Atlas,TCGA)中卵巢癌转录组数据、甲基化组数据以及临床数据,采用生物信息学方法筛选甲基化驱动基因,探寻调控通路,并进行预后风险模型的构建和生存分析。[结果]分析找到了199个甲基化驱动基因;通过GO(Gene ontology)和KEGG(Kyoto Encyclopedia of Genes and Genomes)富集分析发现甲基化驱动基因参与代谢调节及RIG-Ⅰ样受体(RIG-Ⅰreceptors,RLRs)相关信号通路;通过建立的预后风险模型,找到了与卵巢癌发生具有预测功能的6个甲基化驱动基因,并结合转录组数据进行了生存分析。[结论]找到了与OV发生相关的甲基化驱动基因,构建了甲基化预后风险模型,分析了可能参与的分子机制,甲基化与转录组数据结合进行了生存分析,为卵巢癌的研究提供了新的思路。展开更多
文摘[目的]旨在通过生物信息学方法,寻找浆液性卵巢癌(Ovarian serous carcinoma-OV)甲基化驱动基因、参与的分子通路以及与患者预后的关系。[方法]通过整合肿瘤基因组图谱数据库(The Cancer Genome Atlas,TCGA)中卵巢癌转录组数据、甲基化组数据以及临床数据,采用生物信息学方法筛选甲基化驱动基因,探寻调控通路,并进行预后风险模型的构建和生存分析。[结果]分析找到了199个甲基化驱动基因;通过GO(Gene ontology)和KEGG(Kyoto Encyclopedia of Genes and Genomes)富集分析发现甲基化驱动基因参与代谢调节及RIG-Ⅰ样受体(RIG-Ⅰreceptors,RLRs)相关信号通路;通过建立的预后风险模型,找到了与卵巢癌发生具有预测功能的6个甲基化驱动基因,并结合转录组数据进行了生存分析。[结论]找到了与OV发生相关的甲基化驱动基因,构建了甲基化预后风险模型,分析了可能参与的分子机制,甲基化与转录组数据结合进行了生存分析,为卵巢癌的研究提供了新的思路。
