|
摘要：
目的:生物标志物是标识系统、器官、组织等改变或可能发生改变的生化指标,具有非常广泛的临床应用.本文希望从高通量数据出发,提出一种新的研究复杂疾病标志物的方法.方法:以”组学”数据为研究对象,利用乒乓算法构建lncRNA-mRNA交互网络,通过随机游走算法计算选出复杂疾病的生物标志物,并将其与t检验结果比较.结果:将本文方法运用于食管癌标志物的识别,得出与食管癌发生和发展过程相关的14个lncRNA (CCAT1、MEG3、Snhgl、MALAT1、HOTAIR、UCA1、PVT1、CASC9、LOC100130476、TUG1、BC200、POU6F2-AS2、TP73-AS1和ZEBl-ASl)和12个mRNA(SPARC、CMTM7、SphK1、NANOG、LOXL2、HMGCS2、FZD7、PTOV1、CADM1、CTHRCl、MGMT和RECK).对比显示,识别出t检验未识别出的4个lncRNA(BC200、POU6F2-AS2、TP73-AS1和ZEB l-ASl)和3个mRNA(CADMl、SphK1和RECK).结论:该方法能够更有效的预测复杂疾病相关的标志物.
更多
|