肿瘤的多组学研究一直广受关注，大量的科研工作投入到了肿瘤标志物的筛选中。前人也提出了包括差异表达分析、基因集富集分析GSEA(gene-set enrichment analysis)等一大批的生物信息学分析方法来处理肿瘤组学数据。我们尝试运用生物信号通路水平的特征来描述肿瘤的进展等特征，先筛选出与肿瘤患者预后等结局变量存在显著关系的信号通路，探索发现基于这些信号通路特征构建的肿瘤风险预测模型比基于深度学习方法筛选出的基因标志物的模型有着更准确的预测能力，并且基于发现的信号通路可以进一步找到在相关信号通路中起关键作用的基因。另一方面，我们运用肿瘤表达与突变数据开发了一套对基因进行打分来筛选肿瘤标志物的方法，目前top基因与已知的数据库的数据吻合度显著优于其他方法。
肿瘤标志物探索
肿瘤标志物探索
作者 :
来源 :
日期 : 2020-05-20
