一、单个基因突变会引发肿瘤（论文文献综述）
王珏,张乐乐,张鹏[1]（2021）在《微小残留病灶在非小细胞肺癌中的研究进展与应用》文中研究表明部分非小细胞肺癌患者在早期治愈后会发生远期复发或转移,这可能与治疗后患者体内仍存在影像学或是实验室方法检测不到的肿瘤病灶,即微小残留病灶相关。这些肿瘤复发的潜在来源与患者较差的预后有着紧密的联系,因此,在非小细胞肺癌病程中对这些病灶的监测十分重要。目前,针对微小残留病灶的检测主要依靠于液体活检,包括了循环肿瘤DNA检测、循环肿瘤细胞检测等方法。通过无创的检测手段,残留的肿瘤病灶为我们提供了肿瘤的进展状况以及具体的分子信息,预测了患者的预后状况,并进一步指导后续治疗方案。在这篇综述中,我们将探讨微小残留病灶发生发展的机制与影响,并关注对其的监测在临床治疗过程中可能的应用前景。
王豪[2]（2021）在《SAM-RNA诱导的黑色素瘤耐药筛选及其机制探讨》文中提出目的:BRAF突变黑色素瘤的小分子靶向疗法虽然早已经广泛应用于临床,但是半数以上初期对药物敏感患者很快发生获得性耐药,且耐药机制尚不十分清楚。为了探究黑色素瘤靶向小分子耐药过程中的分子水平变化和潜在调控机制,以期寻找到可以用于早期预示耐药表型发生或疗效评估的分子标志。方法:1、运用分子克隆将以化学法合成、PCR扩增的含19个随机碱基的人工合成小调节RNA文库（short aritifical modulatory RNA,SAM-RNA）,又称N19文库插入携带逆转录病毒表达元件的质粒p SOK,并通过PCR、测序等手段对文库序列多样性和深度、广度进行评价。2、利用携带BRAF突变的黑色素瘤细胞Mel-888和Mel-624构建稳定表达N19文库的稳定细胞系,然后以浓度递增的维罗非尼进行获得性耐药细胞筛选,通过体内外实验、组织学染色等方法表征细胞的治疗反应性和恶性程度;通过Q-PCR、高通量测序、生物信息学等方法检测耐药文库细胞Mel-888 N19和Mel-624 N19内基因改变,构建基因SNV-mi RNA调控关系。3、提取N19文库中单个特征序列,并构建稳定细胞系进行耐药筛选;通过形态学、组织学染色鉴定表达不同特征序列的稳定细胞系对维罗非尼的治疗抵抗。结果:1、通过Gibson Assembly法一轮构建的N19文库可表达106数量级的短链随机序列,随机测序结果无重复,表明序列多样性跨度大,足以覆盖人类全基因组。2、两株黑色素瘤细胞Mel-888和Mel-624对维罗非尼的初始敏感浓度较为一致,二者半数致死浓度范围约5～10μM。3、Q-PCR检测到Mel-888 N19和Mel-624 N19文库耐药细胞内MAPK信号通路、上皮–间质转化（EMT）、耐药相关基因水平存在较大差异。MAPK信号通路相关分子NRAS、BRAF、RAF1在两细胞系中呈上调趋势,而MEK1、2略有下降。EMT标志分子VIM、SNAIL1、SNAIL2、TWIST1、MMP14表达增加,OCLN、FOXC2、CDH2等表达降低。4、序列比对结果显示,N19文库与人类基因组编码和非编码基因序列正、反义链不存在完全同源分布现象,超过60%的N19序列出现至少4个碱基错配。5、外源性引入N19加剧耐药筛选进程中的黑色素瘤细胞基因组不稳定性。外显子测序结果显示,获得性耐药过程中Mel-888 N19和Mel-624 N19组中携带新发现SNV的特异基因49个,对应SNV频次96个。差异基因KEGG通路分布与亲代显着不同,差异通路（P<0.05）中超过二分之一发生改变。6、生物信息学分析发现,耐药筛选过程中N19文库细胞内mi RNA-SNV结合关系发生改变。外显子区域单碱基变异促使mi RNA-SNV调节网络形成新的交互联结超过1000对。差异mi RNA表达谱Ontology分布由代表性的Hippo signaling pathway、Oocyte meiosis等向protein dephosphorylation、postsynaptic density等变异。7、体内实验结果表明,Mel-888 N19增殖速度、成瘤能力比亲代更强;Mel-624 N19增殖速度、成瘤能力与亲代相当。8、稳定表达单个VRT1-12、TOP1000片段的黑色素瘤细胞系可通过压力筛选获得耐药表型。细胞呈神经纤维细胞样伸长,胞浆相对减少。9、结晶紫、Hochest 33258染色结果表明,稳定表达单个VRT1-12、TOP1000片段的黑色素瘤细胞系获得耐药表型后可短期和长期存活。结论:我们成功构建出无基因组偏倚的短链非编码文库N19,并完成了对BRAF突变型黑色素瘤获得性维罗非尼靶向疗法耐药的前瞻性探索。于体外成功模拟了临床耐药的发生进程,阐明了获得性耐药与基因组SNV以及mi RNA调控网络之间潜在的作用机理。N19文库相关结构或碱基特征序列可能作为黑色素瘤获得性耐药的早期监测指标。
原凌燕[3]（2021）在《基于转录组数据挖掘分析免疫标志物与恶性黑色素瘤转移机制的研究》文中提出背景:恶性黑色素瘤（Malignant Melanoma,MM）是极具侵袭力的恶性肿瘤之一,具有发病隐匿,易转移,治疗反应差的特点,死亡病例占皮肤肿瘤总死亡病例的80%。多数患者确诊之前就已经发生远处转移,由于晚期有效的治疗方法和治疗药物有限,伴发转移患者总生存期仅为6-9个月,3年生存率不足15%。目前,即使包括最新获批用于转移性黑色素瘤的分子靶向治疗药物KRAS抑制剂和抗细胞毒性T淋巴细胞抗原（CTLA）-4抗体Ipilimumab在内的免疫治疗的受益群体也相当有限,而且几乎无法预测不同个体伴随治疗的严重副作用。因此,鉴定筛选与恶性黑色素瘤的预后高特异、高选择性相关的标志物,筛选出新治疗方法的获益群体,并据此预测预测筛选开发针对性的治疗方法,对改进MM的治疗至关重要,这也很可能有助于发现未来针对性研发MM新药的潜在靶点。目的:分析和筛选MM原发病例样本和转移病例样本中的差异表达基因,构建预后风险模型,并探索预后风险模型基因对肿瘤微环境的影响,分析基因标志物与MM恶性程度和免疫耐受复杂特性的关系,获取基因标志物影响黑色素瘤恶性表型相关的功能证据,为改善MM转移患者的临床治疗决策和相关新药研发提供参考依据。方法:（1）筛选基因标志物:1)以生物信息学方法,获取和清洗TCGA数据库的MM病例的基因组表达谱、生存数据,因为数据库中缺乏恶性黑色素瘤原发病例和转移病例的配对样本,所以根据数据库中恶性黑色素瘤病例的临床特征、治疗干预措施等,我们严格制定纳入和排除标准,保证原发病例样本和转移病例样本的一般资料具有可比性后,进行两组样本的差异表达基因分析;2)使用Imm Port（The Immunology Database and Analysis Portal）数据库的免疫相关基因数据集,取交集匹配出免疫相关基因标志物。3)为了保证预后时间的准确性,我们使用观察到的生存间隔时间（observed survival interval,OBS,即从TCGA采样到患者死亡或最后一次随访的时间间隔）代替总生存时间（overall survival,OS）;为了排除病例临床表型和治疗干预措施等因素的影响,我们纳入了年龄、性别、AJCC分期、Clark评分、Breslow厚度值进行单变量和多变量逐步Cox风险比例回归分析以构建预后基因标志物的预测模型,并通过R软件的“survminer”软件包构建,根据ROC曲线下面积验证模型的有效性。4)通过CIBERSORTx反卷积方法重构MM样本的免疫浸润淋巴细胞的相对含量丰度,“Spearman”相关性分析确定预后模型基因与免疫浸润淋巴细胞的相关性;5)本研究还收集MM单细胞测序数据,通过单细胞组学数据对转移预后基因标志物与肿瘤微环境的浸润淋巴细胞亚组进行相关性分析并比较计算结果,进一步对反卷积计算的结果加以验证。（2）验证基因标志物:1)利用人类蛋白质图谱（The human protein atlas,HPA）数据库的人类肿瘤样本免疫组学数据验证基因标志物,包括目标蛋白在细胞内的定位、肿瘤组织中的表达水平及免疫组化的特征等;针对缺乏免疫组化数据的目标靶基因,使用TCGA泛癌数据验证该基因对多种肿瘤的预后作用;2)利用分子生物学方法,通过Cas9技术基于向导RNA（small guide RNA,sg RNA）敲除CXCR4,构建敲除目标基因的恶性黑色素瘤细胞系sg-A375细胞,通过划痕实验、Transwell实验、CCK-8实验获取CXCR4影响黑色素瘤细胞恶性生物学行为的功能证据,以实验研究验证CXCR4基因对A375细胞侵袭和转移的促进作用。结果:（1）通过一系列分析,构建了一个可以预测MM转移患者预后的由6个免疫相关基因（immune-related genes,IRGs）-SLPI,S100A7,LYZ,CCL19,CXCR4和CD79A-组成的基因标志物模型,该模型能够在训练集中区分转移MM患者的预后风险,（TCGA,n=226,log-rank test,P<0.001）;且6-IRGs是MM独立的预后危险因素,不受性别、年龄和病理分期等临床特征的影响（HR=20.84,95%CI:5.00-86.93,P<0.001）;在GEO独立数据集中的验证结果显示该模型对转移患者的预后也能做出有效预测（GSE19234,n=106,log-rank test P<0.001,GES53118,n=79,log-rank test,P<0.001）,并通过ROC曲线验证模型的有效性;通过CIBERSORTx重构免疫浸润细胞的含量丰度,6个IRGs与免疫浸润细胞及免疫检查点基因（immune-checkpoint genes,ICGs）均具有一定的相关性。（2）通过GEO（GSE72056）单细胞测序数据集,运用单细胞分析软件及方法分析了MM转移病例样本中的细胞特征和聚类分型。结果显示,样本细胞注释后分为18类,与免疫微环境有关的肿瘤细胞亚群包括B细胞、DC细胞、成纤维细胞、粒细胞集落刺激因子、CD34造血干细胞、神经上皮细胞、神经元细胞、嗜中性粒细胞、NK细胞、前体CD34B细胞、晚期CD34B细胞、早幼粒细胞、T细胞和组织干细胞。与原发病例样本的肿瘤微环境比较,上述细胞（除NK细胞和T细胞）在淋巴结转移病例样本的含量丰度有显着差异（P<0.001）;单细胞中检测到的3个基因标志物（CXCR4,LYZ和CD79A）与上述差异细胞具有显着的相关性（P<0.001）。其中,CXCR4和多种免疫浸润细胞具有较高的相关性,因此CXCR4作为后期的实验验证对象,进行生物实验验证其功能。（3）通过HPA数据库中102例MM样本的免疫组化数据验证分析了筛选出的5个IRGs（SLPI,S100A7,LYZ,CCL19和CD79A）的蛋白组化结果显示在恶性黑色素瘤中均可以看到5个基因的蛋白免疫组化的染色;CXCR4和免疫浸润细胞呈高度相关,但是CXCR4在HPA数据库缺少蛋白组化数据,因此,为深入探讨CXCR4在肿瘤中的功能,基于TCGA泛癌的数据,分析CXCR4出恶性黑色素瘤之外的多种肿瘤的预后风险比（hazard radio,HR）,将CXCR4对不同肿瘤患者预后的HR进行Meta分析。结果显示,CXCR4对胃癌、骨肉瘤、卵巢癌、肺腺癌、肾透明细胞癌、头颈部癌、食管腺癌和宫颈癌的OS有预测作用（P<0.001）,其中,在胃癌和肾透明细胞癌的预后是保护性因素（HR<1）,在其余肿瘤的预后为危险性因素（HR>1）。CXCR4对于多种肿瘤患者的无复发生存时间（Relapse-Free Survival,RFS）预后HR的Meta分析结果显示,CXCR4的高表达对胃癌、卵巢癌、肺腺癌、肾透明细胞癌和膀胱癌具有预后预测作用（P<0.001）,在胃癌、肺腺癌和肾透明细胞癌患者的RFS是保护性因素（HR>1）,而在卵巢癌还和膀胱癌中是高风险因素（HR>1）。（4）通过生物实验验证CXCR4与MM的增殖、转移功能关联:使用Cas9技术,利用sg-RNA转染敲除CXCR4后构建MM的CXCR4基因敲除细胞系A375细胞（sg-A375）,然后通过划痕实验和Transwell小室实验检测sg-A375细胞的迁移及穿透力,获取CXCR4与黑素瘤恶性行为相关功能的证据。与A375细胞比较,sg-A375细胞的划痕实验修复能力和迁移及侵袭能力显着下降。结果证实敲除CXCR4可抑制黑素瘤增殖、侵袭、迁移过程,表明MM中CXCR4高表达和患者预后不良相关。结论:（1）通过TCGA数据库筛选获得6个IRGs（SLPI,S100A7,LYZ,CCL19,CXCR4和CD79A）组成的可用于MM转移患者预后预测的免疫相关基因标志物（immune-related gene signature,IRGS）,经GEO不同维度的独立数据集验证该6个IRGs组成的IRGS模型具有很好的适用性。（2）转移MM病例的单细胞分析结果说明:转移病例样本中的B细胞、粒细胞集落刺激因子、中性粒细胞和成纤维细胞的浸润,与MM患者预后相关,同时上述浸润细胞含量丰度和免疫预后基因表达呈显着正相关。（3）HPA数据库验证基因标志物的结果显示,除CXCR4外,其余SLPI,S100A7,LYZ,CCL19和CD79A5个基因蛋白可以在数据库验证;基于泛癌数据的meta分析结果显示,CXCR4对多种肿瘤患者的OS和RFS均具有较好的预测作用。对不同的肿瘤,CXCR4具有不同的预后判断价值。（4）CXCR4不仅促进A375细胞的增殖和克隆,还与细胞的迁移和侵袭行为密切相关,说明CXCR4可能通过影响免疫微环境而改变患者的预后。
吴静成[4]（2021）在《基于深度学习的肿瘤新生抗原预测方法研究》文中研究指明癌症已经成为危害人类健康的重要疾病,近年来,以肿瘤免疫检验点抑制剂、抗体偶联药物、嵌合抗原受体T细胞免疫疗法和个体化肿瘤疫苗为代表的肿瘤免疫治疗表现出前所未有的抗肿瘤治疗效果,成为抗肿瘤研究和临床治疗的热点。而肿瘤抗原靶点的选择是肿瘤免疫治疗能否成功的关键因素。肿瘤新生抗原被认为是肿瘤免疫治疗的理想靶标,然而如何准确进行肿瘤新生抗原的鉴定仍是一个难题。本论文利用深度学习等新一代人工智能算法对肿瘤新生抗原形成过程中关键的生理过程,如多肽和主要组织相容性复合体（MHC）分子相互作用,多肽-MHC复合体（pMHC）与T细胞受体（TCR）相互作用进行了生物信息学预测方法研究,并通过肿瘤新生抗原预测软件构建、大规模肿瘤样本肿瘤新生抗原分析和肿瘤新生抗原数据库构建等方面开展了系统的肿瘤新生抗原预测研究。研究内容主要包括以下三部分:首先,本论文同时考虑了突变肽呈递的可能性和pMHC的潜在免疫原性,提出了一种基于循环神经网络（RNN）的新方法DeepHLApan用于高可信度新生抗原预测。我们证明了结合模型可以在未训练的MHC分型上获得良好的性能,并且在最新的IEDB基准数据集和独立的质谱数据集上具有与其他公认的工具相当的性能。在从Ko（?）alo（?）lu-Yal（?）（?）n等人收集的新生抗原数据集上使用免疫原性模型,我们证明了预测的免疫原性评分可以显着提高新生抗原的预测精度。最后,将DeepHLApan应用于能引起T细胞反应的突变上的结果表明,在每百万reads数中的转录本数（TPM）>2的情况下,其预测性能可与现有最佳的EDGE模型相媲美。其次,本论文对pMHC与TCR之间的相互作用进行了研究。针对四个结合TCR数量超过1000的pMHC复合体（A0301＿KLGGALQAK,B0801＿RAKFKQLL,A1101＿AVFDRKSDAK和A0201＿GILGFVFTL）的结合TCR进行序列特征分析发现,A0201＿GILGFVFTL结合TCR的序列特征最显着,以之为基础构建的pMHC限制性TCR预测模型具有较好的性能。该pMHC限制性模型随后被应用于指导TCR亲和力的改造。我们分别预测了突变对TCR-pMHC亲和力的影响,预测结果表明,单点突变中有6个突变可提高复合物的亲和力,且其中一个突变得到了实验的验证。除了pMHC限制性模型外,我们进一步探讨了HLA-A02:01分型限制性TCR预测模型的构建及应用。HLA-A02:01分型结合TCR的TRAV和TRBV基因频率分布显示其序列特征不如A0201＿GILGFVFTL结合TCR显着,但以该数据构建的HLA-A02:01分型限制性模型,在VDJdb数据库中799条阳性数据集上的性能优于基于A0201＿GILGFVFTL的pMHC限制性模型。在具有T细胞单细胞转录组数据的肿瘤样本上的应用表明,HLA-A02:01分型限制性模型结合DeepHLApan软件可以对肿瘤样本的肿瘤新生抗原进行预测,并能得到可能与肿瘤新生抗原相结合的对应TCR。最后,本论文利用开发的肿瘤新生抗原预测算法,针对肿瘤样本基因组数据,进行了软件构建、肿瘤新生抗原分布分析、数据库开发等工作。首先,我们利用开发的肿瘤新生抗原预测方法DeepHLApan与一系列肿瘤体细胞突变鉴定软件构建了一站式肿瘤新生抗原预测软件TSNAD V2.0,其可提供从全外显子组或全基因组出发预测肿瘤新生抗原的功能,是第一个提供完整流程的一站式集成软件,为肿瘤新生抗原预测的广泛应用提供了重大帮助。除了提供点突变（SNV）和小片段插入缺失（INDEL）来源的肿瘤新生抗原预测外,TSNAD V2.0还可在提供转录组测序数据的前提下进行基因融合（Fusion）来源的肿瘤新生抗原预测。为了方便TSNAD V2.0软件的使用,我们同时提供了本地安装的软件包和网络在线工具。利用肿瘤新生抗原筛选联盟（TESLA）提供的临床验证数据,验证了TSNAD V2.0的实际预测效果。分析结果表明,在23个既被TSNAD V2.0预测为高可信度肿瘤新生抗原组合又由TESLA验证的多肽-MHC组合中,有5个（21.7%）被验证是具有免疫原性的,显着高于TESLA在综合了28个软件的结果后从608个组合中得到37个免疫原性的组合（6.1%）的比例,体现了TSNAD V2.0的预测可靠性。我们进一步利用TSNAD V2.0对TCGA数据库中的大规模肿瘤样本进行SNV,INDEL和Fusion来源的肿瘤新生抗原分析。基于大规模肿瘤样本的肿瘤新生抗原分析结果,我们构建了肿瘤新生抗原数据库TSNAdb,该数据库存储了TCGA 7748例样本SNV来源的肿瘤新生抗原预测结果,研究者们可以借用该数据库研究不同肿瘤类型中SNV来源肿瘤新生抗原的分布情况;数据库还提供了高频突变（所有样本中至少发生3次）和高频MHC分型对应的肿瘤新生抗原预测结果,用于共有新生抗原的分析。综上所述,本论文从肿瘤新生抗原发挥作用过程中的多肽-MHC相互作用,TCR-pMHC相互作用两个关键步骤出发,利用深度学习算法构建了肿瘤新生抗原预测模型,并探讨了其在临床中的应用,为基于肿瘤新生抗原的免疫治疗提供了坚实的基础。
唐娇[5]（2021）在《新型小分子TRK抑制剂研发及BTK抑制剂耐药克服策略》文中研究表明蛋白酪氨酸激酶（protein tyrosine kinase,PTK）是参与调节细胞增殖和死亡相关信号转导的关键激酶。根据其结构,可以分为受体酪氨酸激酶（receptor PTK,RTK）和非受体酪氨酸激酶（non-receptor PTK,NRTK）两类。RTK主要包括血小板源性生长因子受体（platelet-derived growth factor receptor,PDGFR）、表皮生长因子受体（epidermal growth factor receptor,EGFR）、成纤维生长因子受体（fibroblast growth factor receptor,FGFR）、原肌球蛋白受体激酶（tropomyosin receptor kinase,TRK）等;NRTK是传递胞内信号的胞质蛋白,可以与细胞膜结合或具有核特异性,主要包括脾酪氨酸激酶（spleen tyrosine kinase,Syk）、在肝癌中表达的酪氨酸激酶（tyrosine kinase expressed in hepatocellular carcinoma,TEC）和粘附斑激酶（focal adhesion kinase,FAK）等激酶家族。PTK的异常表达通常导致肿瘤的发生、发展,因此,PTK已经成为抗肿瘤治疗的重要靶点。酪氨酸激酶抑制剂（tyrosine kinase inhibitors,TKIs）与PTK的ATP结合位点竞争性结合,已在肿瘤治疗方面取得了很大进展,但获得性耐药的产生限制了其疗效。本论文主要开展了针对突变型TRK的第二代TRK小分子抑制剂ASD-098的抗肿瘤活性及机制研究。同时针对BTK抑制剂耐药的细胞,重点探索了其产生获得性耐药的分子机制和应对策略。TRK家族是典型的受体酪氨酸激酶,包括TRKA、TRKB和TRKC三个成员,分别由NTRK1、NTRK2、NTRK3基因编码。正常生理条件下,TRK充当神经营养蛋白的高亲和力受体,在神经元的生长和发育中起重要作用,但NTRK突变或重排而导致TRK异常激活是恶性肿瘤的驱动力之一。第二代TRK小分子抑制剂是对突变型NTRK亚型具有更高活性的新一代抑制剂,能够有效克服由激酶结构域突变介导的获得性耐药。目前国际上主要有LOXO-195和TPX-0005两个第二代TRK抑制剂成功上市,且仅有LOXO-195选择性抑制TRK活性。因此,为了研发具有我国自主知识产权的第二代选择性TRK抑制剂,我们评价了新型小分子TRK抑制剂ASD-098的药理学活性。激酶测试结果显示ASD-098是一个高效的TRK抑制剂,显着抑制非突变型及耐药突变型TRK活性;对耐药突变激酶的抑制活性比LOXO-195强1～4倍,比第一代抑制剂LOXO-101至少强10～40倍,并且其代谢产物ASD-097对TRK同样有明显抑制活性。细胞增殖抑制实验表明ASD-098选择性地抑制非突变型和突变型TRK融合蛋白阳性细胞的增殖,在高表达非突变型TRKA/B/C融合蛋白的Ba/F3细胞中,ASD-098抑制细胞增殖的IC50<0.3 n M,强于LOXO-101和Etrectinib;更重要的是,ASD-098同样显着抑制高表达突变型TRK融合蛋白阳性细胞增殖,如表达TPM3-TRKA G595R、LMNA-TRKA G667C和ETV6-TRKC G623R的Ba/F3细胞,活性比LOXO-195强3～4倍。此外,ASD-098抑制TRK及其介导的下游ERK1/2磷酸化、诱导细胞G0/G1期阻滞和细胞凋亡。体内抗肿瘤药效实验发现ASD-098通过抑制TRK-ERK1/2信号通路而显着抑制裸小鼠皮下移植瘤生长,对非突变型TRK融合蛋白阳性肿瘤如AFAP1-TRKB WT及突变型TRK融合蛋白阳性肿瘤如TPM3-TRKA G595R、ETV6-TRKC G623R均有显着疗效,而没有明显毒性;ASD-098同时具有良好的药代动力学特性,在肿瘤组织中,比LOXO-195有更高暴露水平和吸收速率,且消除更慢。以上结果说明ASD-098是一个高效的第二代TRK抑制剂,可用于克服临床上突变型NTRK融合基因产生的耐药。布鲁顿酪氨酸激酶（Bruton’s tyrosine kinase,BTK）属于非受体酪氨酸激酶TEC家族,是BCR信号通路中的关键成分,对许多B细胞来源恶性肿瘤细胞增殖和存活至关重要,因此,BTK是一个重要的抗肿瘤靶点。BTK抑制剂伊鲁替尼（ibrutinib）是一种ATP竞争性抑制剂,与BTK的ATP结合位点的Cys481共价结合,已经上市,用于治疗慢性淋巴细胞白血病（chronic lymphocytic leukemia,CLL）、套细胞淋巴瘤（mantle cell lymphoma,MCL）和华氏巨球蛋白血症（Waldenstroms macroglobulinemia,WM）等,但几乎有三分之一的患者对ibrutinib存在原发性固有耐药,而其他患者应用ibrutinib后出现获得性耐药。因此,研究ibrutinib耐药机制并寻找有效策略克服ibrutinib耐药十分重要。弥漫性大B细胞淋巴瘤DOHH-2经过ibrutinib长期处理产生了对ibrutinib耐药,该耐药细胞株命名为DOHH2/Ibru-2。在DOHH2/Ibru-2细胞中,没有发现BTK缺失和突变,但m TOR和AKT高激活;进一步研究发现PI3K/m TOR抑制剂BKM120选择性抑制DOHH2/Ibru-2细胞中AKT和m TOR磷酸化,并且联用BKM120和ibrutinib能够克服m TOR和AKT高激活引起的耐药。另外,在稳定表达BTK C481S对ibrutinib耐药的32D细胞中也证实联用BTK抑制剂和PI3K/m TOR抑制剂可以克服点突变引起的获得性耐药。综上所述,ASD-098是一个新型高效的第二代TRK小分子抑制剂,在克服NTRK突变引起的获得性耐药治疗中具有广阔前景;另外,对于BTK抑制剂耐药患者,联合抑制BTK和PI3K/m TOR信号通路可能是克服ibrutinib耐药的有效策略。
陈云喆[6]（2020）在《AB中国公司核酸质谱仪市场营销策略研究》文中认为核酸质谱仪是对核酸DNA进行测序分析的基因检测仪器平台,是分子生物学研究的重要技术手段之一,目前已经在遗传病筛查、法医学个体识别、大众健康、药物基因组学、病原微生物检测等分子诊断应用领域发挥越来越大的作用。人类社会进入二十一世纪以来,健康问题将逐渐步入“3P”时代:预防（preventive）医学,预测（predictable）医学以及个体化（personal）医学。2015年美国和中国政府几乎同时宣布启动“精准医学计划（precision medicine initiative）”。精准医学的核心思想是在充分全面考虑每个个体在基因、环境和生活方式上的差异,以提高疾病防治和治疗的有效性。随着精准医学时代的来临,对于个体化基因检测的需求日益强烈。AB中国公司如何把握机遇,及时研究市场趋势,实施适合中国国情的产品营销策略,尽快占领新兴市场,在竞争中获得长期优势,是当下需要解决的重要问题。本文以AB公司核酸质谱仪产品作为研究对象,首先通过相关文献综述阐述该领域产品应用的市场现状,深度分析中国基因检测仪器的市场特点,并阐述国内外基因检测市场的现状趋势特点。其次,通过宏观环境分析、竞争环境分析及核酸质谱仪的用户群体分析,并借助SWOT分析工具总结出其营销组合战略。借助STP和4P营销组合梳理AB中国公司现存的营销策略问题及其原因,最终给出符合AB中国公司的市场营销改进策略。
彭福军[7]（2020）在《男性不育和前列腺癌系统医学信息化平台的建设与研究》文中进行了进一步梳理研究背景:系统医学是系统生物学与现代医学相互渗透的一门交叉学科。它通过对海量的、复杂的医学数据、资源和信息进行整合和分析,来阐述基因参与的表达调控机制,并达到指导个性化治疗的目的。系统医学平台的建设主要体现在知识库和数据库的构建。知识库一般以疾病为中心,以基因为桥梁,将相关遗传信息、组学信息、疾病临床信息等数据进行关联并整合。数据库以疾病为主线,对相关疾病多组学数据及注解进行分类提取,并建立基因和表型的关联网络,从而形成面向疾病的多组学库。本论文以两种常见的男性疾病:男性不育（maleinfertility,MI）和前列腺癌（prostate cancer,PCa）作为实例对知识库和数据库在系统医学中的研究进行阐述。男性不育指男性因素所造成的正常女性无法怀孕的现象。全世界约2亿不孕者,男性因素占30-55%,且大多数分布在发展中国家。男性不育的直接病因是精子发生缺陷,从而引起精液中精子异常和质量下降,并最终造成不孕,其中遗传因素约占30%。目前已有一些知识库（如SpermatogenesisOnline）已建立遗传因素与男性不育、精子发生之间的关联且被广泛认知,但它们并没有突出基因突变与男性不育表型的关系且有的已停止更新。近年来,随着高通量测序技术在男性不育研究中的广泛应用,已有大量基因和临床表型数据发表。但这些数据相对分散,且没有得到有效利用。因此,整合现有的数据并建立一个全面的基因与表型关联的男性不育知识库至关重要。前列腺癌是男性特有的、发生在前列腺的恶性上皮性肿瘤。在男性癌症中,它是发病率仅次于肺癌的第二大癌症,全球每年死亡人数30多万。目前,尽管前列腺癌的诊断和治疗已有较大改善,且基因组学研究也取得了快速进展,但产生于各种技术平台的组学数据数量巨大,同时,已经开发的一些帮助研究人员利用前列腺癌基因表达谱的数据集和相关的工具都比较分散和独立,缺少一种能够结合多组学数据和常规分析工具的前列腺癌整合平台。研究目的:本论文分别以男性不育和前列腺癌为实例进行知识库和数据库的构建,来阐述系统医学在现代医学中的应用。男性不育知识库（MIgene）将基因致病位点与表型信息进行关联,能够对疾病风险进行提前预警,并辅助临床医生及时做出诊断;前列腺癌数据库（PCIP）通过建立以基因为导向的多组学数据整合分析平台,有助于针对不同样本之间的肿瘤异质性进行前列腺癌个性化治疗措施的定制。研究方法:MIgene,通过公共文献库PubMed和Medline搜索与男性不育、精子发生相关的文献,然后采用生物信息学和人工方法对文献进行筛选、下载、阅读、抽提、校正、标准化、补充、确认等,最后获得的基因和表型数据进行关联分析和可视化。PCIP,抽提TCGA、GEO和cBioPortal等公共数据库中所包含的前列腺癌组学和临床数据,包括基因组、转录姐、拷贝数变异、microRNA、临床信息等并进行预处理、整理和分析。LAMP实现MIgene和PCIP的可视化,同时PCIP还用Galaxy和Docker进行工作流分析和环境配置等。研究结果:MIgene,一个基因和表型关联为主的知识库,包含989篇文献的664个基因（non-GWAS,515;GWAS,179）,3606个突变体,68个（标准化）表型（被分成37类表型）和7985条研究。MIgene提供4种检索方式和6大模块分析,涵盖基因、表型、变异、蛋白、功能、同源物和病例等信息。PCIP,一个以基因检索为导向,不同样本亚型中7大模块多组学分析的前列腺癌数据库,收集61个前列腺癌数据集,10,648例患者,和14,134个样本。研究结论:（1）成功构建了全球首个基因与表型关联的男性不育知识库MIgene（http://midb.geneworks.cn）。友好的用户界面和简洁的搜索方式,便于用户进行便捷浏览和随时下载。（2）成功构建了以基因为导向,能够对不同样本亚型进行多组学分析的前列腺癌数据库PCIP（http://pcip.bio-it.cn）,其中首次加入肿瘤浸润分析和ScRNA-Seq分析。（3）在对疾病进行知识库和数据库平台的建设与研究中,系统医学使精准医学成为可能。
黄伟清[8]（2020）在《基于概率统计方法的癌症基因组研究》文中研究指明癌症是一种由体细胞突变引起的复杂疾病。识别驱动癌症形成的突变是癌症基因组研究的重要目标,驱动突变的识别有利于癌症精准医学的发展。高通量测序技术和体细胞突变检测工具的飞速发展产生了大规模的癌症体细胞突变数据,然而,在体细胞突变数据中,大量随机产生的乘客突变掩盖了与癌症有因果关系的驱动突变,区分乘客突变和驱动突变是癌症基因组研究的一个重要挑战。目前,研究者们开发了多种识别驱动突变的计算方法,其主要原理是识别非沉默突变频率显着高于背景突变频率的基因组区域,但已有方法难以兼容体细胞突变的异质性,导致没有足够的检验功效区分乘客突变与驱动突变。同时,我们比较缺乏将体细胞突变数据与临床数据关联在一起的综合性工具,而这些综合性工具对癌症患者个体化治疗策略的开发是必不可少的。有效识别驱动突变的关键在于建立一个准确的背景突变模型。为此,本文提出Pro BMR模型对背景突变进行建模,Pro BMR模型是一种利用基因协变量估计背景突变速率的泊松线性混合效应模型。相比于一些经典的背景突变速率模型,如Mut Sig CV,Pro BMR模型以数据自适应方式在癌症基因组之间借用信息,更细致地解释了肿瘤突变频率的异质性。显着突变基因和互斥基因对的分析是癌症基因组研究的两大热门话题,其中背景突变的干扰导致许多方法无法成功识别驱动突变或产生假阳性结果。针对目前存在的问题,基于Pro BMR模型,本文分别提出SMGCT算法和MEHAT算法。一方面,SMGCT算法是一种采用卷积检验识别驱动基因的统计方法,在更准确的背景突变速率下,SMGCT算法比Mut Sig CV算法具有更高的检验功效,并且检测出了一些低频突变的驱动基因。另一方面,MEHAT算法是一种基于泊松多项分布识别互斥基因对的统计方法,该算法考虑了互斥特征的不对称分布,成功地避免了许多由高频突变基因主导的假阳性结果。除了一些复发性突变,目前我们比较缺乏方法系统研究癌症体细胞突变与患者生存期之间的关系。为此,我们提出SPA-Cancer算法,该算法基于Pro BMR模型将体细胞突变的影响效应累积在信号通路中,成功识别出与患者生存期显着相关的信号通路,确定了具有癌症生物学意义的稳定关联通路。
李昂[9]（2019）在《致癌、抑癌，还是别的什么？ 认识p53基因的40年》文中研究指明回顾1979年前后发现P53蛋白的历史过程,以及此后对该基因研究中的一些标志性的成果和应用。结合不同时期的社会背景和分子生物学的整体发展状况,对P53研究中的工作方法、思维范式及其影响给出了一定解释。
杨金晶[10]（2019）在《基于混合测序的基因组变异检测方法研究》文中提出基因组变异在人类基因组中普遍存在,导致了人与人之间截然不同的各类性状差异,也是引发部分疾病的重要因素。在基因组变异中,稀有变异（Rare Variants）是指单核苷酸变异中次等位基因频率（Minor Allele Frequency）小于0.5%的基因组变异;结构变异是指长度在50bp以上的DNA大片段的变异。随着测序技术的不断发展,基因组测序已经成为检测稀有变异与结构变异的主流方法。但由于稀有变异低等位基因频率的特性,稀有变异的检测往往需要对大规模样本进行测序,但传统测序方法需要对大量样本单独制备文库,在文库制备上需要耗费大量成本。为了解决大样本测序成本过高的问题,混合测序技术应运而生。而利用混合测序也可以解决结构变异检测问题。区别于传统结构变异检测方法通过获取长测序片段检测结构变异,重叠混合克隆测序通过获取个体的单倍型信息检测结构变异,为结构变异的检测提供了新的方法。本论文主要围绕重叠混合测序检测稀有变异与结构变异的方法设计和性能检验展开研究。论文首先改进了重叠混合测序检测稀有变异方法。在现有重叠混合测序模型的基础上,建立了准确率更高的识别稀有变异携带者的解码方法,并在千人基因组数据集上评价了重叠混合测序检测稀有变异的性能,比较了传统测序方法与重叠混合测序方法的优劣。结果证明重叠混合测序方法可以在保证99%以上准确率的情况下,将测序成本降低到普通测序方法的50%以下,在大样本全基因组外显子规模的稀有变异检测方面具有明显优势。其次,本论文建立了基于重叠混合克隆测序的基因组结构变异检测方法,通过分组重叠混合测序检测克隆从而获得个体的单倍型信息,并使用序列拼接方法与参考基因组进行对比寻找结构变异。我们在模拟数据集上验证了该模型的准确性,实验结果证明该方法不仅可以将测序成本降低到普通测序成本10%以下,更可以100%检测出模拟数据集中的结构变异,在全基因组结构变异的检测方面具有高准确率低成本的优势。论文改进并设计了重叠混合测序检测稀有变异与结构变异的新方法,验证了方法的准确性,拓展了重叠混合测序的应用,并为稀有变异与结构变异的检测提供了新策略。
二、单个基因突变会引发肿瘤（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：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（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。
三、单个基因突变会引发肿瘤（论文提纲范文）
（1）微小残留病灶在非小细胞肺癌中的研究进展与应用（论文提纲范文）
| 1 MRD的来源与形成 |
| 2 MRD的检测 |
| 2.1 循环肿瘤DNA检测 |
| 2.1.1 第二代测序技术 |
| 2.1.2 安全测序系统技术 |
| 2.1.3 肿瘤特征性深度测序技术 |
| 2.1.4 数字化聚合酶链式反应技术 |
| 2.2 循环肿瘤细胞检测 |
| 2.2.1 循环肿瘤细胞的富集 |
| 2.2.2 循环肿瘤细胞的检验 |
| 2.2.3 循环肿瘤细胞的特征定性 |
| 2.3 T细胞受体检测 |
| 3 MRD与NSCLC患者的预后相关性 |
| 3.1 早期NSCLC |
| 3.2 晚期NSCLC |
| 4 MRD在NSCLC中的临床应用 |
| 4.1 通过MRD监测疾病进展及评估治疗效果 |
| 4.2 MRD在NSCLC靶向治疗中的应用 |
| 4.3 MRD在NSCLC免疫治疗中的应用 |
| 4.4 MRD在NSCLC临床试验中的应用 |
| 5 总结 |
（2）SAM-RNA诱导的黑色素瘤耐药筛选及其机制探讨（论文提纲范文）
| 英汉缩略词对照 |
| 摘要 |
| ABSTRACT |
| 前言 |
| 第一部分 短链随机非编码RNA文库构建 |
| 1 材料和方法 |
| 2 结果 |
| 3 讨论 |
| 第二部分 短链非编码RNA文库N19参与的黑色素瘤维罗非尼获得性耐药筛选和机制探讨 |
| 1 材料和方法 |
| 2 结果 |
| 3 讨论 |
| 第三部分 单个片段介导的黑色素瘤维罗非尼获得性耐药筛选 |
| 1 材料和方法 |
| 2 结果 |
| 3 讨论 |
| 参考文献 |
| 文献综述 黑色素瘤突变驱动机制和治疗进展 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间主要研究成果 |
（3）基于转录组数据挖掘分析免疫标志物与恶性黑色素瘤转移机制的研究（论文提纲范文）
| 中文摘要 |
| Abstract |
| 第一章 前言 |
| 1.1 研究背景 |
| 1.1.1 恶性黑色素瘤的流行病学特点及治疗现状 |
| 1.1.2 恶性黑色素瘤分子缺陷的研究进展 |
| 1.1.3 恶性黑色素瘤生物标志物的研究进展 |
| 1.1.4 肿瘤微环境的研究进展 |
| 1.2 研究目的 |
| 1.3 研究内容 |
| 1.4 研究方法 |
| 1.4.1 生物信息学方法 |
| 1.4.2 计算结果的独立数据集验证 |
| 1.4.3 分子生物学实验功能验证 |
| 1.5 技术路线图 |
| 参考文献 |
| 第二章 恶性黑色素瘤Bulk转录组测序数据分析 |
| 2.1 研究背景 |
| 2.1.1 生物信息学与肿瘤治疗研究 |
| 2.1.2 技术路线图 |
| 2.2 材料与方法 |
| 2.2.1 数据来源和分类 |
| 2.2.2 数据预处理和数据质量标准化 |
| 2.2.3 差异基因分析 |
| 2.2.4 基因标志物的Cox风险比例回归分析 |
| 2.2.5 构建基因标志物预后风险模型 |
| 2.2.6 基因标志物通路和功能分析 |
| 2.2.7 反卷积网络重构恶性黑色素瘤的免疫微环境 |
| 2.2.8 预后基因标志物与肿瘤免疫浸润细胞的相关性分析 |
| 2.2.9 恶性黑色素瘤中突变基因分布统计 |
| 2.2.10 肿瘤突变负荷分数的计算和预后分析 |
| 2.3 结果 |
| 2.3.1 患者人口统计学和临床因素 |
| 2.3.2 差异基因与免疫相关基因的识别 |
| 2.3.3 建立免疫相关基因的风险模型 |
| 2.3.4 评估预后模型的预测效果 |
| 2.3.5 基因本体分析与KEGG通路分析 |
| 2.3.6 原发和转移病例样本中肿瘤浸润免疫细胞的差异 |
| 2.3.7 基因标志物与肿瘤免疫微环境的相关性分析 |
| 2.3.8 GEO队列独立数据集验证模型的预后 |
| 2.3.9 GEO队列中恶性黑色素瘤验证集的免疫分析 |
| 2.3.10 评估低危和高危人群之间的免疫情况 |
| 2.3.11 评估基于CD274/PDCD1 转移亚组肿瘤微环境的差异 |
| 2.3.12 MM中的突变图谱 |
| 2.3.13 TMB对恶性黑色素瘤预后的影响 |
| 2.4 讨论 |
| 2.5 结论 |
| 参考文献 |
| 第三章 恶性黑色素瘤单细胞转录组测序数据验证 |
| 3.1 研究背景 |
| 3.2 材料与方法 |
| 3.2.1 数据来源 |
| 3.2.2 关键软件及数据库资源 |
| 3.2.3 质控:细胞的选择和过滤 |
| 3.2.4 数据标准化 |
| 3.2.5 识别高变异基因 |
| 3.2.6 中心化(Scaling)分析 |
| 3.2.7 主成分(PCA)分析 |
| 3.2.8 非线性降维(t-SNE) |
| 3.2.9 寻找差异表达的特征(聚类生物标志物) |
| 3.2.10 注释cluster中细胞类型 |
| 3.3 结果 |
| 3.3.1 质控和细胞群分类 |
| 3.3.2 数据标准化 |
| 3.3.3 质控和细胞群分类 |
| 3.3.4 PCA降维并提取主成分分析 |
| 3.3.5 T-SNE聚类分析和marker基因 |
| 3.3.6 寻找差异表达的特征 |
| 3.3.7 细胞类型鉴定 |
| 3.3.8 基因标志物与肿瘤浸润免疫细胞的相关性 |
| 3.4 讨论 |
| 3.5 结论 |
| 参考文献 |
| 第四章 HPA数据库基因标志物的免疫组化分析 |
| 4.1 研究背景 |
| 4.1.1 人类蛋白质图谱网站数据对基因标志物的验证 |
| 4.2 材料和方法 |
| 4.2.1 数据来源与下载 |
| 4.3 结果 |
| 4.3.1 蛋白SLPI的免疫组化特征 |
| 4.3.2 蛋白LYZ的免疫组化特征 |
| 4.3.3 蛋白CD79A的免疫组化特征 |
| 4.3.4 蛋白CCL19 的免疫组化特征 |
| 4.3.5 蛋白S100A7 的免疫组化特征 |
| 4.3.6 蛋白CXCR4 对泛癌的预后的meta分析 |
| 4.4 讨论 |
| 4.5 结论 |
| 参考文献 |
| 第五章 CXCR4促进 A375细胞的侵袭和转移的实验研究 |
| 5.1 研究背景 |
| 5.2 材料和方法 |
| 5.2.1 实验试剂与实验仪器 |
| 5.2.2 仪器和设备 |
| 5.2.3 细胞株选择 |
| 5.3 实验方法 |
| 5.3.1 细胞培养 |
| 5.3.2 Cas9敲除实验 |
| 5.4 结果 |
| 5.4.1 构建CXCR4 敲除细胞系模型 |
| 5.4.2 实时荧光定量PCR检测A375细胞CXCR4 mRNA表达 |
| 5.4.3 CXCR4 能够促进A375 细胞克隆集落形成 |
| 5.4.4 CXCR4对A375细胞划痕实验的影响 |
| 5.4.5 CXCR4增强A375细胞转移和侵袭能力 |
| 5.5 讨论 |
| 5.6 结论 |
| 参考文献 |
| 第六章 结论与展望 |
| 附录一 CIBERSORTx计算结果(TCGA) |
| 附录二 CIBERSORTx计算结果(GSE19234,GSE53118) |
| 附录三 28 个差异基因的筛选结果 |
| 附录四 相关性分析结果(Primary Samples) |
| 附录五 相关性分析结果(Metastasis Samples) |
| 附录六 相关性分析结果(GSE19234) |
| 附录七 相关性分析结果(GSE72056) |
| 附录八 缩略语表(Abbreviation) |
| 在学期间的研究成果 |
| 致谢 |
（4）基于深度学习的肿瘤新生抗原预测方法研究（论文提纲范文）
| 致谢 |
| 中文摘要 |
| Abstract |
| 缩写、符号清单、术语表 |
| 第一章 绪论 |
| 第二章 多肽与MHC分子相互作用及其复合物pMHC免疫原性的预测方法研究 |
| 2.1 前言 |
| 2.2 实验材料与方法 |
| 2.2.1 数据收集 |
| 2.2.2 模型训练 |
| 2.3 实验结果 |
| 2.3.1 氨基酸表征方式和深度学习模型的选择 |
| 2.3.2 模型的框架 |
| 2.3.3 不平衡数据的处理 |
| 2.3.4 模型性能的评估 |
| 2.3.5 模型在临床样本中的预测效果 |
| 2.4 讨论与小结 |
| 第三章 TCR与pMHC相互作用的预测方法研究 |
| 3.1 前言 |
| 3.2 实验材料与方法 |
| 3.2.1 数据收集 |
| 3.2.2 模型训练 |
| 3.2.3 TCR-pMHC相互作用的亲和力鉴定 |
| 3.3 实验结果 |
| 3.3.1 pMHC结合TCR的序列特征分析 |
| 3.3.2 A0201_GILGFVFTL限制性模型指导TCR亲和力优化 |
| 3.3.3 MHC分型限制性pMHC结合TCR的序列分析 |
| 3.3.4 HLA-A02:01分型限制性模型应用 |
| 3.4 讨论与小结 |
| 第四章 肿瘤新生抗原预测方法的应用 |
| 4.1 前言 |
| 4.2 实验材料与方法 |
| 4.2.1 数据收集 |
| 4.2.2 软件工具 |
| 4.2.3 网络在线工具和数据库的的构建方法 |
| 4.3 实验结果 |
| 4.3.1 一站式肿瘤新生抗原预测软件TSNAD V2.0的构建 |
| 4.3.2 TCGA大规模样本肿瘤新生抗原预测分析 |
| 4.3.3 肿瘤新生抗原数据库的构建 |
| 4.4 讨论与小结 |
| 总结与展望 |
| 主要创新点及不足之处 |
| 参考文献 |
| 附录 |
| 文献综述 肿瘤新生抗原研究进展 |
| 肿瘤新生抗原在肿瘤免疫治疗的应用 |
| 肿瘤新生抗原的鉴定方法 |
| 肿瘤新生抗原体内生理过程的研究 |
| 肿瘤新生抗原研究相关资源 |
| 小结 |
| 参考文献 |
| 作者简历及在读期间主要研究成果 |
（5）新型小分子TRK抑制剂研发及BTK抑制剂耐药克服策略（论文提纲范文）
| 摘要 |
| abstract |
| 第一部分 新型第二代TRK小分子抑制剂ASD-098 的抗肿瘤作用及作用机制研究 |
| 第1章 引言 |
| 1.1 原肌球蛋白受体激酶TRK概述 |
| 1.2 TRK与肿瘤 |
| 1.3 TRK抑制剂研究现状 |
| 1.4 本论文研究策略及技术路线 |
| 第2章 ASD-098 体外抗肿瘤活性及作用机制 |
| 2.1 实验材料 |
| 2.2 实验方法 |
| 2.3 实验结果 |
| 2.4 小结与讨论 |
| 第3章 ASD-098 体内抗肿瘤药效评价 |
| 3.1 实验材料 |
| 3.2 实验方法 |
| 3.3 实验结果 |
| 3.4 小结与讨论 |
| 第4章 总结与讨论 |
| 第二部分 BTK抑制剂耐药机制研究及克服策略 |
| 第1章 引言 |
| 1.1 Bruton’s酪氨酸激酶BTK概述 |
| 1.2 BTK与肿瘤 |
| 1.3 BTK抑制剂的研究现状 |
| 1.4 BTK抑制剂耐药机制研究现状 |
| 1.5 mTOR概述 |
| 1.6 本论文研究策略及技术路线 |
| 第2章 BTK抑制剂耐药机制研究及克服策略 |
| 2.1 实验材料 |
| 2.2 实验方法 |
| 2.3 实验结果 |
| 2.4 小结与讨论 |
| 第3章 总结与讨论 |
| 参考文献 |
| 附录1 缩略词表 |
| 附录2 图表目录 |
| 致谢 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
（6）AB中国公司核酸质谱仪市场营销策略研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与研究意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 文献综述 |
| 1.2.1 文献综述 |
| 1.2.2 理论基础 |
| 1.3 研究方法与内容 |
| 1.3.1 研究方法 |
| 1.3.2 论文内容 |
| 第二章 AB中国公司核酸质谱仪营销现状 |
| 2.1 AB公司发展历程概述 |
| 2.2 AB中国公司组织架构 |
| 2.3 核酸质谱仪及消耗品产品介绍 |
| 2.3.1 核酸质谱仪器产品介绍 |
| 2.3.2 消耗品介绍 |
| 2.4 核酸质谱仪营销现状 |
| 2.4.1 STP营销战略现状 |
| 2.4.2 4P营销组合策略现状 |
| 2.5 本章小结 |
| 第三章 AB中国公司营销环境分析 |
| 3.1 PEST宏观环境分析 |
| 3.1.1 政治与法律环境分析 |
| 3.1.2 经济环境分析 |
| 3.1.3 社会文化环境分析 |
| 3.1.4 技术环境分析 |
| 3.2 AB中国公司内部环境分析 |
| 3.2.1 资源条件 |
| 3.2.2 AB中国公司业务内部能力 |
| 3.3 行业环境分析 |
| 3.3.1 潜在进入核酸质谱仪行业的企业 |
| 3.3.2 现有企业的竞争力 |
| 3.3.3 核酸质谱仪替代品的威胁 |
| 3.3.4 原料供应商的议价能力 |
| 3.3.5 用户的议价能力 |
| 3.3.6 行业发展趋势 |
| 3.4 中国市场主要竞争对手分析 |
| 3.5 AB中国公司SWOT分析 |
| 3.5.1 优势分析(S) |
| 3.5.2 劣势分析(W) |
| 3.5.3 机会分析(O) |
| 3.5.4 威胁分析(T) |
| 3.6 本章小结 |
| 第四章 AB中国公司现行营销战略和营销组合策略分析 |
| 4.1 营销战略分析 |
| 4.1.1 市场细分 |
| 4.1.2 目标市场选择 |
| 4.1.3 市场定位 |
| 4.2 产品策略问题分析 |
| 4.3 价格策略问题分析 |
| 4.4 渠道策略问题分析 |
| 4.5 促销策略问题分析 |
| 4.6 本章小结 |
| 第五章 AB中国公司营销战略和营销组合策略优化建议 |
| 5.1 AB中国公司市场营销战略优化建议 |
| 5.1.1 市场细分增加单一专业应用领域 |
| 5.1.2 目标市场的选择扩大到农业分子育种应用领域 |
| 5.1.3 重新进行市场定位 |
| 5.2 AB中国公司的4P营销组合策略优化 |
| 5.2.1 产品策略优化 |
| 5.2.2 价格策略优化 |
| 5.2.3 渠道策略优化 |
| 5.2.4 促销策略优化 |
| 5.3 本章小结 |
| 结论 |
| 参考文献 |
| 附录 |
| 攻读硕士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
（7）男性不育和前列腺癌系统医学信息化平台的建设与研究（论文提纲范文）
| 中文摘要 |
| Abstract |
| 第一部分 引言 |
| 1 知识库 |
| 1.1 知识库的构建思路 |
| 1.2 知识库的数据来源 |
| 1.3 知识库的功能 |
| 1.4 常见知识库 |
| 2 数据库 |
| 2.1 数据库数据来源 |
| 2.2 数据库的功能 |
| 2.3 常见数据库 |
| 3 本论文研究的内容及意义 |
| 第二部分 系统医学平台建设的技术概要 |
| 1 Galaxy |
| 1.1 基于Galaxy的自动化识别分析流程 |
| 1.2 基于Galaxy的任务调度 |
| 1.3 基于galaxy的结果管理 |
| 2 基于Docker技术的环境配置和脚本对接 |
| 3 MySQL数据库服服务器 |
| 第三部分 男性不育数据库的开发与应用 |
| 1 男性不育 |
| 1.1 男性不育的定义和分类 |
| 1.2 精子发生过程 |
| 1.3 男性不育的病因 |
| 1.4 遗传学因素与男性不育 |
| 1.4.1 核型畸形 |
| 1.4.2 Y染色体微缺失 |
| 1.4.3 表观遗传学及转录后修饰 |
| 1.4.4 线粒体DNA |
| 1.4.4.1 精子mtDNA基因突变与男性不育的关系 |
| 1.4.4.2 精子mtDNA大片段缺失与男性不育的关系 |
| 1.4.4.3 精子mtDNA拷贝数与男性不育的关系 |
| 1.4.5 基因突变 |
| 1.4.5.1 X染色体基因突变 |
| 1.4.5.2 Y染色体基因突变 |
| 1.4.5.3 常染色体基因突变 |
| 1.4.6 基因拷贝数变异 |
| 1.4.7 DNA损伤和氧化应激 |
| 1.5 精子 |
| 1.5.1 精子的结构 |
| 1.5.2 精子的生命周期 |
| 1.5.3 精子缺陷 |
| 1.6 国内外研究现状 |
| 1.7 本论文研究内容及意义 |
| 2 材料,方法和技术 |
| 2.1 文献的查询 |
| 2.2 数据的抽提,整合和管理 |
| 2.2.1 患者信息的抽提 |
| 2.2.2 患者信息的标准化和补充 |
| 2.2.3 表型的标准化,分类和定义 |
| 2.3 统计方法 |
| 2.4 功能注释 |
| 2.5 基因和表型的富集分析 |
| 2.5.1 表型→基因富集分析 |
| 2.5.2 基因→表型富集分析 |
| 2.6 网页构建所需技术 |
| 2.7 相关数据库 |
| 3 实验结果 |
| 3.1 数据的收集和整理 |
| 3.2 男性不育相关的主要表型分类 |
| 3.3 在不同表型中基因的分布 |
| 3.4 基因及突变的多样性 |
| 3.5 基因对男性不育的专一性 |
| 3.6 非外显子对男性不育的作用不容忽视 |
| 3.7 基因在染色体上分布可能存在一定的偏向性 |
| 3.8 基因和表型的富集分析 |
| 3.9 MIgene数据库可视化 |
| 3.9.1 MIgene数据库的界面 |
| 3.9.2 MIgene数据库的功能 |
| 3.9.3 MIgene数据库的使用 |
| 3.9.3.1 Gene symbol的使用 |
| 3.9.3.2 Phenotype的使用 |
| 3.9.3.3 rs_ID的使用 |
| 3.9.3.4 Mutant的使用 |
| 4 讨论 |
| 4.1 基因和突变体功能的多样性 |
| 4.2 非外显子对男性不育的关系 |
| 4.3 基因在染色体的差异分布 |
| 4.4 种族对男性不育的影响 |
| 5 总结 |
| 第四部分 前列腺癌数据库的开发与应用 |
| 1 前列腺癌 |
| 1.1 前列腺癌的关联因素 |
| 1.1.1 前列腺癌与Gleason评分系统 |
| 1.1.2 前列腺癌与前列腺特异性抗原 |
| 1.1.3 前列腺癌与年龄 |
| 1.1.4 前列腺癌与种族 |
| 1.1.5 前列腺癌与遗传性 |
| 1.1.6 前列腺癌与饮食 |
| 1.1.7 前列腺癌与其它关联因素 |
| 1.2 前列腺癌与转移性前列腺癌 |
| 1.3 前列腺癌与分期 |
| 1.4 前列腺癌与基因异常 |
| 1.5 前列腺癌与miRNA |
| 1.6 国内外研究现状 |
| 1.7 研究内容及意义 |
| 2 PCIP设计思路 |
| 3 材料和方法 |
| 3.1 数据来源 |
| 3.1.1 TCGA数据库 |
| 3.1.2 GEO数据库 |
| 3.1.3 cBioPortal数据库 |
| 3.2 数据的收集 |
| 3.3 数据的解析 |
| 3.4 数据的清洗和整合 |
| 3.5 前列腺癌亚类型的确定 |
| 3.6 统计分析方法 |
| 3.7 技术支持 |
| 4 结果 |
| 4.1 数据库的结构 |
| 4.2 基因功能注释 |
| 4.3 突变体分析 |
| 4.3.1 Oncoprint |
| 4.3.2 突变体注释 |
| 4.3.3 生存分析 |
| 4.4 转录表达分析 |
| 4.4.1 差异表达分析 |
| 4.4.2 生存分析 |
| 4.4.3 共表达分析 |
| 4.4.4 单细胞RNA测序分析 |
| 4.5 免疫浸润沉淀分析 |
| 4.6 miRNA-靶基因关联分析 |
| 5 讨论 |
| 6 总结 |
| 结论 |
| 参考文献 |
| 附录 |
| 附录1 搜索时用到的关键词组合列表 |
| 附录2 表型的标准化,分类,同义词和定义 |
| 附录3 基因对男性不育专一性在不同表型的分布 |
| 附录4 PCIP数据集 |
| 附录5 缩写词汇 |
| 文献综述 男性不育的病因及遗传因素的研究进展 |
| 参考文献 |
| 致谢 |
| 个人简历 |
（8）基于概率统计方法的癌症基因组研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 引言 |
| 1.1 研究背景及意义 |
| 1.1.1 癌症统计数据 |
| 1.1.2 癌症病因与死因 |
| 1.1.3 癌症标志性特征 |
| 1.1.4 体细胞突变检测 |
| 1.1.5 癌症驱动突变 |
| 1.1.6 癌症基因组研究 |
| 1.2 研究现状与趋势 |
| 1.2.1 基于频率的方法 |
| 1.2.2 基于功能影响的方法 |
| 1.2.3 基于突变互斥的方法 |
| 1.2.4 研究趋势 |
| 1.3 本文主要内容 |
| 第2章 背景突变速率模型 |
| 2.1 体细胞突变数据 |
| 2.2 突变频率的异质性 |
| 2.2.1 基因特征 |
| 2.2.2 突变类型 |
| 2.2.3 癌症患者 |
| 2.3 ProBMR模型 |
| 2.3.1 数据预处理 |
| 2.3.2 泊松线性混合效应模型 |
| 2.3.3 乘法效应模型 |
| 2.4 参数估计结果 |
| 2.5 SMGCT算法概述 |
| 2.6 SMGCT算法细节 |
| 2.6.1 数据预处理 |
| 2.6.2 卷积检验 |
| 2.6.3 动态规划算法 |
| 2.7 模拟数据分析 |
| 2.8 实际数据分析 |
| 2.9 本章小结 |
| 第3章 互斥基因对分析 |
| 3.1 MEHAT算法概述 |
| 3.2 MEHAT算法细节 |
| 3.2.1 数据预处理 |
| 3.2.2 互斥性检验 |
| 3.2.3 突变概率估计 |
| 3.2.4 泊松近似算法 |
| 3.3 模拟数据分析 |
| 3.4 实际数据分析 |
| 3.5 本章小结 |
| 第4章 通路关联分析 |
| 4.1 SPA-Cancer算法概述 |
| 4.2 SPA-Cancer算法细节 |
| 4.2.1 数据预处理 |
| 4.2.2 突变强度 |
| 4.2.3 单变量Cox回归分析 |
| 4.2.4 稳定性筛选 |
| 4.3 实际数据分析 |
| 4.3.1 癌症标志性特征 |
| 4.3.2 通路突变强度与肿瘤微环境的关系 |
| 4.3.3 通路突变强度与肿瘤突变负荷无显着关联 |
| 4.4 本章小结 |
| 第5章 工作总结与未来展望 |
| 5.1 ?作总结 |
| 5.2 未来展望 |
| 参考文献 |
| 致谢 |
| 附录A 相关图表 |
| 个人简历、在学期间发表的学术论文与研究成果 |
（9）致癌、抑癌，还是别的什么？ 认识p53基因的40年（论文提纲范文）
| 一前史 |
| 二发现 |
| 三反转 |
| 四大热门 |
| 五基于P53的癌症治疗 |
| 六结语 |
（10）基于混合测序的基因组变异检测方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 基因组变异 |
| 1.1.1 基因组变异类型 |
| 1.1.2 基因组变异影响 |
| 1.2 基因组变异研究技术 |
| 1.2.1 传统测序技术发展 |
| 1.2.2 基因组分析前沿技术 |
| 1.2.3 基因组变异检测前沿研究进展 |
| 1.3 混合测序 |
| 1.3.1 群试理论 |
| 1.3.2 重叠混合测序 |
| 1.3.3 重叠混合测序的编码与解码 |
| 1.4 混合测序与基因组变异分析 |
| 1.5 文章的主要工作 |
| 1.5.1 课题目的和研究内容 |
| 1.5.2 研究意义 |
| 1.5.3 论文组织 |
| 第二章 基于重叠混合测序的稀有变异检测方法 |
| 2.1 绪论 |
| 2.2 实验方法 |
| 2.2.1 成本模型 |
| 2.2.2 最优深度模型 |
| 2.2.3 矩阵设计STD方法 |
| 2.2.4 基于感知压缩稀疏信号重构的解码方法 |
| 2.3 实验设计与结果 |
| 2.3.1 实验设计思路 |
| 2.3.2 重叠混合测序最优深度 |
| 2.3.3 STD矩阵设计与成本计算 |
| 2.3.4 成本对比 |
| 2.3.5 重叠混合测序解码准确度 |
| 2.4 本章小结 |
| 第三章 基于重叠混合克隆测序的结构变异检测方法 |
| 3.1 绪论 |
| 3.2 基于重叠混合克隆测序的结构变异检测策略 |
| 3.3 基于重叠混合克隆测序的结构变异检测方法 |
| 3.3.1 分组重叠混合设计 |
| 3.3.2 矩阵设计random-k方法 |
| 3.3.3 矩阵解码与等位基因分配 |
| 3.3.4 克隆重构与结构变异检测 |
| 3.4 实验设计与结果 |
| 3.4.1 实验设计思路 |
| 3.4.2 分组重叠混合测序成本 |
| 3.4.3 结构变异检测结果 |
| 3.5 本章小结 |
| 第四章 总结与展望 |
| 4.1 论文总结 |
| 4.2 不足与展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
四、单个基因突变会引发肿瘤（论文参考文献）
- [1]微小残留病灶在非小细胞肺癌中的研究进展与应用[J]. 王珏,张乐乐,张鹏. 生物医学转化, 2021(04)
- [2]SAM-RNA诱导的黑色素瘤耐药筛选及其机制探讨[D]. 王豪. 重庆医科大学, 2021
- [3]基于转录组数据挖掘分析免疫标志物与恶性黑色素瘤转移机制的研究[D]. 原凌燕. 兰州大学, 2021(09)
- [4]基于深度学习的肿瘤新生抗原预测方法研究[D]. 吴静成. 浙江大学, 2021(01)
- [5]新型小分子TRK抑制剂研发及BTK抑制剂耐药克服策略[D]. 唐娇. 中国科学院大学(中国科学院上海药物研究所), 2021(08)
- [6]AB中国公司核酸质谱仪市场营销策略研究[D]. 陈云喆. 华南理工大学, 2020(02)
- [7]男性不育和前列腺癌系统医学信息化平台的建设与研究[D]. 彭福军. 北京协和医学院, 2020(05)
- [8]基于概率统计方法的癌症基因组研究[D]. 黄伟清. 清华大学, 2020(01)
- [9]致癌、抑癌，还是别的什么？ 认识p53基因的40年[J]. 李昂. 科学文化评论, 2019(05)
- [10]基于混合测序的基因组变异检测方法研究[D]. 杨金晶. 东南大学, 2019(06)