导读:本文包含了肿瘤异质性论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:肿瘤,异质,干细胞,乳腺癌,多发,通量,分子。
肿瘤异质性论文文献综述
胡嘉欣,覃朝,陶玉婷,赖智勇,李枝键[1]（2019）在《基于质谱流式技术的蛋白组学在肝癌肿瘤异质性的研究》一文中研究指出目的:利用质谱流式技术建立研究肝细胞癌(HCC)肿瘤异质性的方法。方法:收集肝癌患者样本并制备成单细胞悬液。通过质谱流式技术用15种肿瘤干细胞标志物和28种免疫细胞相关的标志物对肝癌组织及其癌旁组织进行蛋白组学检测。结果:质谱流式分析有效地分出肝癌干细胞样亚群,并将免疫细胞分为25个细胞亚群。肝癌组织与其癌旁组织在肿瘤干细胞表达及免疫微环境组成方面存在差异。结论:质谱流式技术可实现对肿瘤干细胞样细胞和免疫细胞的精细分群,是检测肿瘤异质性的有效方法。(本文来源于《广西医科大学学报》期刊2019年10期）
张健[2]（2019）在《基于转录组数据挖掘的肿瘤异质性与肿瘤免疫微环境研究》一文中研究指出肿瘤是威胁人类健康的主要疾病之一。全球每年有数千万人被诊断为恶性肿瘤。在中国,恶性肿瘤的发病率和死亡率一直居高不下。近些年来,随着中国人口老龄化的加剧以及自然环境的污染恶化,这两项指标更是呈现持续增长的趋势。肿瘤是机体在各种致癌因素,如自身遗传变异、肿瘤微环境以及外界环境等长期相互作用下导致的,它会使患者身体部分细胞出现结构、功能和代谢的异常以及不受控制的增殖。肿瘤是一种高度复杂、高度异质的疾病,它的致病机理、分子机制以及演化过程仍是亟待破解的科学问题。随着各种高通量组学技术,例如基因芯片、第二代测序、蛋白质组学技术等的不断发展和广泛应用,研究人员对于肿瘤的研究已经从传统的单分子单基因层面转向大规模多组学数据的整合研究。这些研究取得了很多重要的进展,例如,肿瘤的分子分型为深入研究肿瘤异质性提供了重要的参考;肿瘤诊断及预后分子标志物的发现成为了肿瘤早期诊断和精准治疗的重要基础。除此之外,这些研究也使得人们对于肿瘤的认知进入到了更深入、更广泛的分子层面。伴随着高通量技术的广泛应用以及数据共享机制的不断成熟,Gene Expression Omnibus(GEO)、The Cancer Genome Atlas(TCGA)、International Cancer Genome Consortium(ICGC)等国际公共数据库中积累了前所未有的大规模多组学肿瘤数据,肿瘤研究进入“大数据”时代。在肿瘤研究“大数据”时代背景下,数据驱动型(Data-driven)研究逐渐成为肿瘤生物信息学研究的重要模式之一。对于肿瘤“大数据”的重新挖掘、整合利用,从中发现更多有价值的信息,能够为破解肿瘤异质性的成因、开发新的诊断和治疗手段提供重要的线索和依据。在本文中,作者以大规模肿瘤公共数据和相应的生物信息学技术为基础,以特定的肿瘤生物学问题为导向,开展了以下叁个方面的研究工作:一、肿瘤内在异质性方面:基于TCGA转录组数据的肿瘤组织干性样细胞富集模式识别研究。肿瘤组织是由多种不同类型细胞组成的复杂整体。近些年的研究发现,肿瘤组织中存在着一部分特殊的细胞亚群——肿瘤干性样细胞,这群细胞具有自我更新、无限增殖和重建肿瘤的恶性生物学潜能。肿瘤干细胞是肿瘤内在异质性的重要表现,也被认为是肿瘤发生发展、侵袭转移以及复发的根源。因此,识别肿瘤组织中干性样细胞的富集模式、探索其潜在的调控机制有助于进一步揭示肿瘤内在异质性的成因、为开发针对性的治疗手段提供依据。在本研究中,为了探索肿瘤组织中干性样细胞对肿瘤患者的影响,我们首先构建了基于干性特征基因集合和肿瘤组织转录组数据的肿瘤干性样细胞含量评估模型。通过将该模型应用到TCGA大规模数据上,我们得到了32种肿瘤类型的9854个肿瘤样本以及696个癌旁正常组织样本中肿瘤干性样细胞相对富集评分,并发现,1)干性基因在不同类型肿瘤中的富集模式存在显着差别;2)在大多数肿瘤类型中肿瘤样本的干性基因富集评分要显着高于正常组织;3)干性基因的富集模式与肿瘤患者的病理分级以及预后密切相关。除此之外,我们进一步从多组学层面分析了可能与肿瘤组织中干性样细胞富集相关的分子调控机制。二、肿瘤患者间异质性方面:基于基因芯片数据的非小细胞肺癌长链非编码RNA预后组合分子标志物识别研究。近些年对转录组的深度测序研究发现,人类基因组的转录物只有大约五分之一为蛋白编码基因,转录组中存在着复杂的层级和调控关系。长链非编码RNA是近几年来发现的一类长度在200nt以上的非编码RNA。研究表明,长链非编码RNA参与调控众多生物学过程,并且与肿瘤的发生发展、侵袭转移密切相关。在本研究工作中,我们利用传统mRNA基因芯片部分探针匹配不准确的特性,从mRNA芯片数据中识别出长链非编码RNA的表达信息。为了探索长链非编码RNA作为非小细胞肺癌预后标志物的可行性,我们利用机器学习方法构建了基于长链非编码RNA的非小细胞肺癌预后判断模型,该模型在训练集和测试集样本中都取得了很好的预测效果。此外,我们进一步收集了叁组独立验证集对该模型的可靠性进行了验证。COX多因素回归分析显示该模型的预测结果能够独立于各项临床指标对患者预后进行判断。这些结果揭示了长链非编码RNA作为非小细胞肺癌患者预后判断标志物的可行性以及该预后判断模型潜在的临床应用价值。叁、肿瘤免疫微环境方面:基于RNA测序数据的肿瘤免疫浸润T细胞、B细胞受体互补决定区3序列识别及组装研究。免疫浸润细胞在很多种肿瘤中,如皮肤黑色素瘤、非小细胞肺癌和结肠癌中占有很高的比例,它们是肿瘤免疫治疗的关键。T细胞和B细胞受体的抗原抗体互补决定区对于它们识别肿瘤特异性抗原起决定性作用,因此研究肿瘤免疫浸润T细胞、B细胞表面受体的序列特征有助于解析肿瘤细胞与T细胞和B细胞之间的相互作用关系,进而开发新的肿瘤诊断和治疗手段。术后肿瘤组织中通常包含有一定量的免疫浸润细胞,这也导致了肿瘤组织RNA测序数据中混杂有肿瘤免疫微环境的各种信息。在本研究工作中,我们开发了一套可以从肿瘤组织RNA测序数据中识别并组装其浸润T细胞和B细胞受体互补决定区序列的算法。通过模拟仿真实验,我们证实了该算法在不同测序深度、不同测序读长的RNA测序数据上具有高可靠性。通过将其应用到大规模肿瘤数据中,我们识别出了大量的肿瘤免疫浸润T细胞和B细胞受体序列信息,这些结果能够为肿瘤早期诊断标志物发现,肿瘤免疫治疗结果预测等研究工作提供重要的基础。从海量数据中发掘出具有重要价值的信息一直是数据科学研究的重要内容。但是,由于不同数据的特性以及不同研究问题的内在需求,研究人员通常需要针对不同类型的数据以及不同的研究问题设计相应的计算和分析方法。现阶段的肿瘤样本高通量数据,尤其是基于基因芯片以及第二代测序技术等产生的基因组、转录组、表观组等数据,由于技术本身的局限性以及组织学样本的复杂性,通常包含有大量待发掘的信息。在本文介绍的叁个研究工作中,作者正是基于肿瘤高通量数据的这些特性,通过开发相应的生物信息学算法以及整合分析方法,从大规模肿瘤样本中识别出了具有重要价值的信息。这些工作不仅仅通过数据量的提升增加了统计学效能,同时也实现了从“旧”数据到“新”价值的这一关键转换。此外,本研究中开发的相关工具能够为肿瘤转录组数据分析提供辅助和支撑。(本文来源于《军事科学院》期刊2019-05-27）
吴志军[3]（2019）在《多发脑胶质瘤特征影像表现及肿瘤异质性的多模态MRI研究》一文中研究指出第一部分多发脑胶质瘤的特征MRI表现目的观察、总结脑多发胶质瘤的MRI表现,分析、归纳其影像学特征及诊断思路。材料和方法回顾我院2013年至2018年有术前MRI检查及术后病理的303例弥漫性胶质瘤,本研究中病理类型包括:胶质母细胞瘤、间变型星形细胞瘤、弥漫性星形细胞瘤,不包括局灶性胶质瘤,如毛细胞星形细胞瘤、毛细胞粘液型星形细胞瘤。根据MRI信息,挑选出多发胶质瘤63例。图像分别由两位从事放射诊断14年高级职称及10年中级职称的放射科医师分析。分析要点:(1)根据影像学诊断标准,对多中心/多灶性胶质瘤判断,并观察多灶性胶质瘤可能的播散方式。(2)病变影像学特征。(3)影像学鉴别诊断要点。结果在多发脑胶质病例中,WHO IV级(胶质母细胞瘤)43例,WHO III级(间变性星形细胞瘤)12例;WHO II级(弥漫性星形细胞瘤)8例。根据其生长模式分类:多灶性胶质瘤59例,多中心胶质瘤4例。脑皮层受累及高的病灶间异质性是其特征影像学表现;多灶性胶质瘤播散方式中:沿白质纤维束播散型(55.6%)、沿室管膜下及小血管间隙等膜性结构播散型(38.1%)、沿脑膜-蛛网膜下腔播散型(9.5%)、直接侵犯型(65.1%)。根据其影像特征及鉴别诊断要点可分为:类转移灶型(69.8%)、类肉芽肿型(4.8%)、类脓肿型(12.7%)、类脑炎型(6.3%)及类代谢性脑病型(6.3%)。结论多发胶质瘤MRI表现多样化,需要至少与5种脑内多发病变相鉴别;认识其影像学特征,并结合临床可提高诊断效能。第二部分多发胶质瘤高影像异质性表现的多模态MRI研究目的采用多模态MRI技术,并结合直方图分析方法,观察多发胶质瘤相比单发胶质瘤肿瘤异质性的差异,并分析其与Ki67的相关性。材料和方法回顾性纳入本院2013年1月-2018年4月有术前MRI检查及病理证实的多发脑胶质瘤48例,并从医院数据库随机挑选年龄、性别及采集时间段相匹配的单发脑胶质瘤48例。采用直方图分析方法,对T1WI平扫及增强、T2WI、DWI(ADC)多模态MRI数据进行分析,计算瘤体内直方图参数;采用两样本t检验进行组间比较,并选取多发胶质瘤中有统计学差异的参数与Ki-67进行相关分析。结果相比单发胶质瘤患者,多发胶质瘤在T2WI的峰度值及偏度值、ADC的平均值、25%分位数(Q1)、中位数及峰度值等指标间有统计学差异(p<0.05),余参数间无统计学差异(p>0.05);多发胶质瘤ADC直方图参数Q1与Ki67呈负相关。结论相比单发脑胶质瘤,多发脑胶质瘤有更高的肿瘤异质性,且异质性与肿瘤生物学行为相关。(本文来源于《南方医科大学》期刊2019-05-01）
李宏杰,袁利,胡新荣[4]（2019）在《乳腺癌侵袭进展过程中肿瘤异质性和克隆演变证据》一文中研究指出目的通过原发性乳腺癌与转移复发基因组学进行比较,寻找乳腺癌侵袭进展过程中肿瘤异质性和克隆演变证据,为临床个体化治疗提供参考依据。方法通过全基因组测序,在17例患者,3种临床情况中探索了基因组进化的模式。结果基于突变特征的推断(和治疗决定)延展到将到达未知的传播细胞。结论原发性乳腺癌病变的基因组测序可用来预测全身治疗方案。侵袭性细胞具有独立的肿瘤异质性和克隆的突变。(本文来源于《中国妇幼保健》期刊2019年07期）
刘斌[5]（2019）在《乳腺肿瘤异质性区域影像特征与全基因组表达模式以及预后的关联性研究》一文中研究指出乳腺癌是严重危害女性健康的一种恶性肿瘤,目前在临床上,新辅助化疗已成为降低浸润性乳腺癌转移复发率的标准模式。有研究表明,预后较差的患者会从新辅助化疗中得到更多的益处,而低复发风险的患者由于新辅助化疗自身的副作用,并没有明显受益,因此,有必要找到一个可靠的预后标志物来鉴别出低复发风险的患者,以减少过度化疗带来的危害。以往的一些研究已经评估了分子特征对乳腺癌预后的预测效果,这种基于分子的评估方法需要侵入性手术或组织活检,且在取样时会受到肿瘤内异质性影响而产生偏差,相比之下,动态增强磁共振成像(dynamic contrast enhanced magnetic resonance imaging,DCE-MRI)有无创性、高分辨率以及丰富的图像信息等优点,有学者研究发现DCE-MRI影像特征与乳腺癌的局部复发和生存相关,但这些研究大多只对整个肿瘤进行分析,且缺少生物学的解释。本论文创新性的对肿瘤异质性区域的影像特征与预后的关联进行探究,并从分子功能方面对其进行解释。具体研究内容包括:(1)实验数据的准备:根据本研究的需要对数据进行筛选,主要包括影像信息、临床信息和分子信息,挑选了实际可用的影像数据,对临床信息进行了统计学分析,并对基因表达数据进行了预筛选。(2)影像和基因表达数据的预处理:对影像数据的预处理主要包括使用计算机半自动的方式对DCE-MRI影像中的病灶区域进行分割,并在整体病灶的基础上利用混合信息凸分析方法(CAM-CM)对异质性区域进行分割,分别提取了整体病灶和异质性区域的统计特征、形态特征和叁维纹理特征。对基因表达数据的预处理主要包括负值和缺失值的处理、离群样本的剔除以及候选基因的筛选。(3)影像特征与基因表达模块的关联研究:利用加权基因共表达网络对基因进行模块化分析,计算基因模块第一主成分与影像特征的皮尔逊相关系系数,对与影像特征有较高相关性的基因模块进行 KEGG(Kyoto Encyclopedia of Genes and Genomes)通路分析。(4)乳腺肿瘤异质性区域影像特征与预后的关联性研究:利用Cox比例风险回归模型评估影像特征与预后的关联,当Kaplan-Meier分析中的log-rank P值最小时,确定了影像特征的最优阈值,分别在整体病灶和异质性区域利用弹性网络回归模型建立影像特征的多基因标签,并在独立测试集中测试不同区域影像特征的多基因标签对预后的预测能力,最后分析比较异质性区域和整体病灶影像特征多基因标签预测预后能力的差异,同时对多基因标签进行KEGG通路分析和生物学注释。本文对乳腺肿瘤异质性区域影像特征与预后的关联进行研究,同时分析了影像特征与基因模块的关联性,并建立了影像特征的多基因标签。研究结果表明,DCE-MRI影像特征与预后存在关联,且异质性区域影像特征的多基因标签对预后的预测能力明显优于整体病灶。证明肿瘤异质性区域的定量影像特征对乳腺癌的预后预测有潜在的价值,也许可以作为一个临床标志为乳腺癌的治疗决策提供有用信息。(本文来源于《杭州电子科技大学》期刊2019-03-01）
梁杰,刘柱,杨盼盼,王彤敏[6]（2019）在《肿瘤异质性与分子靶向药物治疗效果不佳的相关性研究进展》一文中研究指出近年研究提示肿瘤并不是由相同的肿瘤细胞构成的瘤体,而是由肿瘤细胞亚群构成的多克隆性(或异质性)新生物。在疾病进程中,肿瘤在空间和时间上均处于不断变化的状态。许多研究已经提示肿瘤原发灶细胞之间及原发灶与转移灶之间有着明显的基因学、形态学及功能上的多样性。在肿瘤疾病的治疗过程中,虽然分子靶向治疗已被应用于临床实践中,但对于未经筛选的患者治疗效果仍不理想。肿瘤分子靶向治疗的选择依赖分子病理学的检查,但由于肿瘤具有异质性,导致病理学检查无法涵盖肿瘤的全部信息,因而通过病理学方法决定分子靶向治疗药物的应用不一定能取得预期效果。本篇综述将讨论肿瘤的异质性及肿瘤分子靶向治疗失败之间存在的关联性。(本文来源于《重庆医学》期刊2019年02期）
陈悦,张盼,刘淑真[7]（2018）在《肿瘤异质性及局部治疗远隔效应个案报告》一文中研究指出肿瘤异质性(Intratumor heterogeneity)是指同一种恶性肿瘤不同患者个体之间或者同一患者体内不同部位肿瘤细胞间从基因型到表型上存在的差异,其差异可表现在对化学药物敏感性、浸润和转移、组织学、生长速度等多方面,体现了恶性肿瘤在演进过程中的高度复杂性和多样性,肿瘤异质性给肿瘤的临床治疗工作带来极大的困难。远隔效应(Abscopal effect)是指针对肿瘤局部病灶照射时,照射靶区之外的病灶亦缩小。本文为肿瘤异质性及局部治疗远隔效应典型病例1例,希望对广大医务工作者的实际临床工作有所帮助。(本文来源于《世界最新医学信息文摘》期刊2018年A2期）
耿彧,白涛[8]（2019）在《基于肿瘤异质性的读段仿真工具设计方法研究》一文中研究指出高通量基因测序因具有费用更低、通量更高、速度更快的技术特点得以迅猛发展,不同测序平台高质量仿真数据的产生有利于生物学研究。设计了一种适用于肿瘤异质性的读段仿真工具,能够真实反映肿瘤内复杂克隆结构,并可实现各种结构类型及不同测序平台数据,研究者可根据自身研究环境以及测序数据类型的特异性,产生合适的仿真数据,为肿瘤研究奠定实验基础。(本文来源于《现代商贸工业》期刊2019年03期）
卞修武[9]（2018）在《肿瘤干细胞:肿瘤异质性的来源与精准医学的挑战》一文中研究指出成体干细胞的变异可形成肿瘤干细胞(cancer stem cells, CSCs)。目前认为,肿瘤的产生、发展、转移、复发的关键"种子"是CSCs。CSCs通过自我更新、趋异性分化、高度成瘤和抵抗治疗等能力,不断演变、发展形成异质性肿瘤成分。肿瘤异质性(tumor heterogeneity)是指肿瘤在生长过程中,肿瘤细胞经过多次分裂增殖,呈现出基因改变、分子生物学等方面发生变化,从而使肿瘤的生长速度、侵袭转移能力、对药物治疗和放疗的敏感性、预后等各方面产生差异性。这种异质性既包括肿瘤细胞异质性,也包括肿瘤间质成分(如血管)异质性;体现于同一原发瘤的不同区域之(本文来源于《中国生物化学与分子生物学会第十二届全国会员代表大会暨2018年全国学术会议摘要集》期刊2018-10-25）
钟睿,李慧,张爽,柳菁菁,程颖[10]（2018）在《如何认识和处理肿瘤异质性》一文中研究指出肿瘤异质性是恶性肿瘤的特征之一,可使肿瘤的生长速度、侵袭与转移、药物敏感性、预后等各方面产生差异。肿瘤驱动基因和靶向药物的发现发展开启了战胜肿瘤的希望之门,然而异质性的存在又让肿瘤治疗陷入了难以攻克的困境。在肿瘤复发、进展演化的过程中肿瘤异质性如影随形,纷繁复杂。凭借不断进步的检测技术认识和理解肿瘤异质性,针对肿瘤异质性的原因和表型,定制治疗方案已成为当今精准医疗领域的重点范畴。本综述对肿瘤异质性进行了分析和探讨,从而更好的帮助我们了解肿瘤异质性,有利于我们通过多种手段对抗肿瘤异质性。(本文来源于《中国肺癌杂志》期刊2018年09期）
肿瘤异质性论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
肿瘤是威胁人类健康的主要疾病之一。全球每年有数千万人被诊断为恶性肿瘤。在中国,恶性肿瘤的发病率和死亡率一直居高不下。近些年来,随着中国人口老龄化的加剧以及自然环境的污染恶化,这两项指标更是呈现持续增长的趋势。肿瘤是机体在各种致癌因素,如自身遗传变异、肿瘤微环境以及外界环境等长期相互作用下导致的,它会使患者身体部分细胞出现结构、功能和代谢的异常以及不受控制的增殖。肿瘤是一种高度复杂、高度异质的疾病,它的致病机理、分子机制以及演化过程仍是亟待破解的科学问题。随着各种高通量组学技术,例如基因芯片、第二代测序、蛋白质组学技术等的不断发展和广泛应用,研究人员对于肿瘤的研究已经从传统的单分子单基因层面转向大规模多组学数据的整合研究。这些研究取得了很多重要的进展,例如,肿瘤的分子分型为深入研究肿瘤异质性提供了重要的参考;肿瘤诊断及预后分子标志物的发现成为了肿瘤早期诊断和精准治疗的重要基础。除此之外,这些研究也使得人们对于肿瘤的认知进入到了更深入、更广泛的分子层面。伴随着高通量技术的广泛应用以及数据共享机制的不断成熟,Gene Expression Omnibus(GEO)、The Cancer Genome Atlas(TCGA)、International Cancer Genome Consortium(ICGC)等国际公共数据库中积累了前所未有的大规模多组学肿瘤数据,肿瘤研究进入“大数据”时代。在肿瘤研究“大数据”时代背景下,数据驱动型(Data-driven)研究逐渐成为肿瘤生物信息学研究的重要模式之一。对于肿瘤“大数据”的重新挖掘、整合利用,从中发现更多有价值的信息,能够为破解肿瘤异质性的成因、开发新的诊断和治疗手段提供重要的线索和依据。在本文中,作者以大规模肿瘤公共数据和相应的生物信息学技术为基础,以特定的肿瘤生物学问题为导向,开展了以下叁个方面的研究工作:一、肿瘤内在异质性方面:基于TCGA转录组数据的肿瘤组织干性样细胞富集模式识别研究。肿瘤组织是由多种不同类型细胞组成的复杂整体。近些年的研究发现,肿瘤组织中存在着一部分特殊的细胞亚群——肿瘤干性样细胞,这群细胞具有自我更新、无限增殖和重建肿瘤的恶性生物学潜能。肿瘤干细胞是肿瘤内在异质性的重要表现,也被认为是肿瘤发生发展、侵袭转移以及复发的根源。因此,识别肿瘤组织中干性样细胞的富集模式、探索其潜在的调控机制有助于进一步揭示肿瘤内在异质性的成因、为开发针对性的治疗手段提供依据。在本研究中,为了探索肿瘤组织中干性样细胞对肿瘤患者的影响,我们首先构建了基于干性特征基因集合和肿瘤组织转录组数据的肿瘤干性样细胞含量评估模型。通过将该模型应用到TCGA大规模数据上,我们得到了32种肿瘤类型的9854个肿瘤样本以及696个癌旁正常组织样本中肿瘤干性样细胞相对富集评分,并发现,1)干性基因在不同类型肿瘤中的富集模式存在显着差别;2)在大多数肿瘤类型中肿瘤样本的干性基因富集评分要显着高于正常组织;3)干性基因的富集模式与肿瘤患者的病理分级以及预后密切相关。除此之外,我们进一步从多组学层面分析了可能与肿瘤组织中干性样细胞富集相关的分子调控机制。二、肿瘤患者间异质性方面:基于基因芯片数据的非小细胞肺癌长链非编码RNA预后组合分子标志物识别研究。近些年对转录组的深度测序研究发现,人类基因组的转录物只有大约五分之一为蛋白编码基因,转录组中存在着复杂的层级和调控关系。长链非编码RNA是近几年来发现的一类长度在200nt以上的非编码RNA。研究表明,长链非编码RNA参与调控众多生物学过程,并且与肿瘤的发生发展、侵袭转移密切相关。在本研究工作中,我们利用传统mRNA基因芯片部分探针匹配不准确的特性,从mRNA芯片数据中识别出长链非编码RNA的表达信息。为了探索长链非编码RNA作为非小细胞肺癌预后标志物的可行性,我们利用机器学习方法构建了基于长链非编码RNA的非小细胞肺癌预后判断模型,该模型在训练集和测试集样本中都取得了很好的预测效果。此外,我们进一步收集了叁组独立验证集对该模型的可靠性进行了验证。COX多因素回归分析显示该模型的预测结果能够独立于各项临床指标对患者预后进行判断。这些结果揭示了长链非编码RNA作为非小细胞肺癌患者预后判断标志物的可行性以及该预后判断模型潜在的临床应用价值。叁、肿瘤免疫微环境方面:基于RNA测序数据的肿瘤免疫浸润T细胞、B细胞受体互补决定区3序列识别及组装研究。免疫浸润细胞在很多种肿瘤中,如皮肤黑色素瘤、非小细胞肺癌和结肠癌中占有很高的比例,它们是肿瘤免疫治疗的关键。T细胞和B细胞受体的抗原抗体互补决定区对于它们识别肿瘤特异性抗原起决定性作用,因此研究肿瘤免疫浸润T细胞、B细胞表面受体的序列特征有助于解析肿瘤细胞与T细胞和B细胞之间的相互作用关系,进而开发新的肿瘤诊断和治疗手段。术后肿瘤组织中通常包含有一定量的免疫浸润细胞,这也导致了肿瘤组织RNA测序数据中混杂有肿瘤免疫微环境的各种信息。在本研究工作中,我们开发了一套可以从肿瘤组织RNA测序数据中识别并组装其浸润T细胞和B细胞受体互补决定区序列的算法。通过模拟仿真实验,我们证实了该算法在不同测序深度、不同测序读长的RNA测序数据上具有高可靠性。通过将其应用到大规模肿瘤数据中,我们识别出了大量的肿瘤免疫浸润T细胞和B细胞受体序列信息,这些结果能够为肿瘤早期诊断标志物发现,肿瘤免疫治疗结果预测等研究工作提供重要的基础。从海量数据中发掘出具有重要价值的信息一直是数据科学研究的重要内容。但是,由于不同数据的特性以及不同研究问题的内在需求,研究人员通常需要针对不同类型的数据以及不同的研究问题设计相应的计算和分析方法。现阶段的肿瘤样本高通量数据,尤其是基于基因芯片以及第二代测序技术等产生的基因组、转录组、表观组等数据,由于技术本身的局限性以及组织学样本的复杂性,通常包含有大量待发掘的信息。在本文介绍的叁个研究工作中,作者正是基于肿瘤高通量数据的这些特性,通过开发相应的生物信息学算法以及整合分析方法,从大规模肿瘤样本中识别出了具有重要价值的信息。这些工作不仅仅通过数据量的提升增加了统计学效能,同时也实现了从“旧”数据到“新”价值的这一关键转换。此外,本研究中开发的相关工具能够为肿瘤转录组数据分析提供辅助和支撑。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
肿瘤异质性论文参考文献
[1].胡嘉欣,覃朝,陶玉婷,赖智勇,李枝键.基于质谱流式技术的蛋白组学在肝癌肿瘤异质性的研究[J].广西医科大学学报.2019
[2].张健.基于转录组数据挖掘的肿瘤异质性与肿瘤免疫微环境研究[D].军事科学院.2019
[3].吴志军.多发脑胶质瘤特征影像表现及肿瘤异质性的多模态MRI研究[D].南方医科大学.2019
[4].李宏杰,袁利,胡新荣.乳腺癌侵袭进展过程中肿瘤异质性和克隆演变证据[J].中国妇幼保健.2019
[5].刘斌.乳腺肿瘤异质性区域影像特征与全基因组表达模式以及预后的关联性研究[D].杭州电子科技大学.2019
[6].梁杰,刘柱,杨盼盼,王彤敏.肿瘤异质性与分子靶向药物治疗效果不佳的相关性研究进展[J].重庆医学.2019
[7].陈悦,张盼,刘淑真.肿瘤异质性及局部治疗远隔效应个案报告[J].世界最新医学信息文摘.2018
[8].耿彧,白涛.基于肿瘤异质性的读段仿真工具设计方法研究[J].现代商贸工业.2019
[9].卞修武.肿瘤干细胞:肿瘤异质性的来源与精准医学的挑战[C].中国生物化学与分子生物学会第十二届全国会员代表大会暨2018年全国学术会议摘要集.2018
[10].钟睿,李慧,张爽,柳菁菁,程颖.如何认识和处理肿瘤异质性[J].中国肺癌杂志.2018
论文知识图
