关于肿瘤跟肿瘤相关生物学通路的研究探究跟技术发展现状.doc

肿瘤研究和研究技术发展现状 肿瘤是一类致死亡率非常高的严重影响人类身体健康的复杂的疾病。肿瘤的发生一般情况下是由于细胞增殖过程中的多种生物学通路发生紊乱而导致的正常增殖细胞发生异常，而克隆性的无限的恶性增殖导致肿瘤的发生。正常细胞多种生物学通路的紊乱原因不尽相同，有些是细胞本身的代谢紊乱引起的，有些是病毒的侵染而导致的等等。研究肿瘤的关键在于如何发现和研究肿瘤发生相关生物学通路，这是现在医学和生物学面临肿瘤治疗研究的一大挑战。 肿瘤的类型很多，一大类是对人类健康无害的，如一些肉瘤等。对威胁人类健康的肿瘤，可分为良性肿瘤和恶性肿瘤。良性和恶性肿瘤的主要区别在于其侵袭和扩散能力的不同。良性肿瘤是只局限于某一部位，如肾瘤，只发生在肾脏部位而不会扩展到其他的器官。而恶性肿瘤则不能保持其限性，能侵袭周围组织，进入循环系统并且快速的大量增殖，而对人体的健康造成极大的危害。对于无害的肿瘤发生，对其研究并无多大意义。肿瘤的发生会因为患者的年龄不同而不同，如有一类发生在儿童视网膜母细胞瘤，瘤细胞的一对13号染色体长臂缺失914带，同样的13914缺失发生在青少年的骨细胞，长骨肉瘤。由此可见，肿瘤发生的复杂性和对其研究的难度是非常大的。 肿瘤发生的的生物学通路是指在正常细胞发生癌变恶性增殖形成过程中起作用的信息表达途径和信号传递网络。肿瘤发生的生物学通路并不是千篇一律，很多肿瘤的生物学通路存在异常通路。因此，寻找肿瘤的发生生物学通路，并建立相关的通路模型对其进行研究深入理解关键通路机制的异同从而找到肿瘤的生物疗法，具有重要的理论指导意义。 目前，随着以基因芯片数据技术为主的大量动物实验数据的产生，很多研究人员提出了一系列的算法和模型通过分析整合实验数据，鉴定和模拟肿瘤相关的生物学通路，提出了许多重要的结论，对肿瘤生物疗法的研究作出了巨大贡献。对于肿瘤的研究，科学的研究技术和工具的发展，始终是其中关键的部分。还有就是对这方面的研究热点，是科研人员需要一个个击破的共同目标。 通过研究发现，p53是迄今为止研究最多的一种抑癌基因，p53基因编码一种分子质量为53 kDa的蛋白质，是一种抗癌基因。其表达产物为基因调节蛋白（P53蛋白），当DNA受到损伤时表达产物急剧增加，可抑制细胞周期进一步运转。当p53发生突变，它不仅仅只是失去了肿瘤的抑制功能，还能促进肿瘤的发生和发展，称为获得性新功能（GOF）。最新研究仍在不断的揭示p53基因在调控基体代谢，生殖方面的新功能，同时也揭示了不同p53突变蛋白的获得性新功能在肿瘤发生中的促进作用，一旦p53基因发生突变，P53蛋白失活，细胞分裂发生紊乱，导致癌变。研究发现50%的肿瘤患者Tp53发生突变，约70%—80%的肺癌患者有Tp53突变。 对于肿瘤的研究方法和技术手段方面，也有很大的进展和突破，有很多的常用算法，软件和数据资源库在这一方面起着至关重要的作用。为了更好地研究肿瘤发生发展机制, 下面总结了一些常用于肿瘤研究方法提供相关参考。 鉴定肿瘤相关的生物学通路：主要是利用芯片数据信息鉴定肿瘤基因和通路的算法。 聚类分析法 聚类就是将不同来源的有不同特征的数据分到不同的组，这样在同组的数据，有较高的相似性。把这些数据进行分类，整合，分析得到的一些数据和结论，有很大的医学和生物学意义。通过使用聚类方法, 可以鉴定出肿瘤细胞中某些基因或者蛋白组成的特殊功能模块, 提示潜在的新的肿瘤相关基因或者生物通路。 数据降维方法 实际上说，聚类分析也是一种降维方法。这里说的降维主要基于矩阵压缩的数学模型包括主成分分析、独立成分分析、奇异值分解和偏最小二乘法等算法。这种降维分析方法可以从多维空间中解析出主要的影响因素, 简化复杂的数据结构。使用降维分析方法分析肿瘤芯片数据, 可以降低数据分析的复杂度, 抽取原始芯片数据的主要特征, 发现潜在的新的肿瘤相关信号通路, 并且可以用得到的相关通路区分不同的肿瘤表型, 为肿瘤诊断提供候选基因和通路。 功能富集分析的统计检验方法 常用的基因富集分析可以分为3种: 单基因富集分析(Singular enrichment analysis, SEA)、基因集富集分析(Gene set enrichment analysis, GSEA)和模块富集方法(Modular enrichment analysis)。基于各种生物知识数据库如基因本体数据库(Gene Ontology, GO)、KEGG (Kyoto Encyclopedia of Genes and Genomes)通路数据库等, 利用不同的统计分析策略, 系统分析与这些基因所富集的生物过程及信号通路非常关键。 基于生物学网络的方法 大量基因组学实验得到的基因表达数据和蛋白质相互数据, 以及代谢组数据构成了相互关联