基于统计学习方法的癌症潜在标志物研究.pdf

摘要

结肠癌是一种非常常见的危害人类身心健康的恶性肿瘤,在我国发病率及

致死率更是居高不下,导致了许多人的死亡.结肠癌的潜在生物标志物的挖掘对

于推进结肠癌的确诊及治疗有十分重要的意义.我们利用GEO数据库下载

GSE74602;GSE9348;GSE10950;GSE25070这四个数据集,利用统计学习方法,

对其基因进行筛选,并进行有关潜在生物标志物的认定.

我们进行数据清洗然后进行去批次效应,将其整合成一个数据集.利用

limma包进行差异基因表达分析,分析在癌症组和正常组之间的差异表达的基因,

一共得到129个上调基因,和196个下调基因共325个差异表达基因.之后利用

GO和KEGG数据库,进行功能富集分析,观察这325个差异表达的基因富集到

哪些功能条目.基于STRING数据库进行PPI蛋白互作网络分析,得到MYC,

TOP2A,FOXM1,AURKB等是连接度较高的基因.

利用三种不同算法,对325个基因进行更进一步的筛选.LASSO算法的得到

FOXQ1,ABI3BP,CDCA5,CELSR3等9个基因,Boruta算法得到151个核心基

因,XGBoost算法得到11个核心基因,我们对这几种方法得到的基因取交集,得

到FOXQ1,PPAP2A等6个交集基因.

对得到的6个核心基因,进行ROC分析,发现6个基因的AUC均在0.9以

上,认定其为潜在的生物标志物.基因PPAP2A生存分析结果显著,这证明其可

能与患者的预后情况密切相关.6个基因的免疫浸润结果表明Bcellsnaive在正

常结肠组织中的浸润比例较高,在结肠癌肿瘤组织中浸润比例较低,Mastcells

activitied在正常结肠组织中的浸润比例较低,在结肠癌肿瘤组织中浸润比例较高.

利用CellMiner数据库找到与基因相关的药物,再对能搜索到蛋白质分子结构的

基因与相关药物进行分子对接,FOXQ1基因,S100A11基因和SCARA5与

Ribavirin,Masoprocol,Mitomycin的结合能均低于-5kcal/mol,可能对癌症的治疗

发挥作用.

关键词:

结肠癌;生物标志物;特征选择;生存分析;LASSO;Boruta;XGBoost

ABSTRACT

Coloncancerisaverycommonmalignanttumorthatendangershumanphysical

andmentalhealth.ItsincidenceandmortalityarehighinChina,leadingtothedeathof

manypeople.Theminingofpotentialbiomarkersofcoloncancerisofgreat

significanceforpromotingthediagnosisandtreatmentofcoloncancer.GSE74602was

downloadedfromtheGEOdatabase.GSE9348;GSE10950;Statisticallearning

methodswereusedtoscreengenesfromthefourdatasetsofGSE25070andidentify

potentialbiomarkers.

Wecleanedthedataandthenperformedadebatchingeffecttoconsolidateitinto

onedataset.Utilizingthelimmapackage,wecond