[发明专利]一种非小细胞肺癌相关癌基因筛选与功能分析方法

说明书

本发明公开了一种非小细胞肺癌相关癌基因筛选与功能分析方法，该方法包括以下步骤：从GEO数据库http://www.ncbi.nlm.nih.gov/geo/中寻找NSCLC相关的mRNA表达芯片结果，利用GEO2R数据库获得mRNA表达结果；利用Venn图寻找两个研究中结果相同mRNA基因表达结果；利用生物信息学技术进行基因富集功能分析。本发明利用多种在线数据库下载mRNA表达差异基因，寻找在不同研究系列中共同表达差异的基因，以及对共同表达差异基因进行生物信息学分析，为NSCLC的肿瘤标志物筛选、分子发病机制等提供有意义的探索和依据。

技术领域

本发明属于生物技术领域，涉及一种非小细胞肺癌相关癌基因筛选与功能分析方法，具体地说，涉及一种基于大数据的非小细胞肺癌相关癌基因筛选与功能分析方法。

背景技术

肺癌是中国，以及全球发病率及死亡率第一的恶性肿瘤。在过去的40年间，肺癌的5年生存率仅从12％上升至16％，最主要原因是诊断时已属晚期,相反，早期诊断的肺癌进行手术后生存率可提高到80％。可见，早发现、早期诊断对肺癌的治疗及预后具有重要的临床意义。当前广泛运用的检测手段包括无创检查(如X线、CT、钼靶摄片等)和有创检查(纤维支气管镜、支气管造影、B超或CT定位下穿刺活检等)，但缺乏依从性和普及运用的可能。找寻新的肺癌分子标志物，尤其是血清分子标志物，让肺癌患者能够及时有效的早查、早诊、早治，是提高肺癌患者生存率、降低死亡率的关键科学问题。

尽管目前有一些肿瘤标志物,如CA125(癌抗原125)、CA19-9(癌抗原19-9)、CEA(癌胚抗原)等可用于肺癌的检测，但敏感性和特异性均不高，所以目前为止，尚没有理想的可供临床使用的肺癌早期筛查和诊断标志物。不断地发现和鉴定新的肺癌相关癌基因/蛋白仍是一项重要的工作。基因的异常表达研究是进行肺癌早期诊断的一个重要环节。近年来，随着微阵列芯片技术尤其是基因芯片技术的广泛使用，产生了海量的数据，为基因研究提供了高通量的数据资料。基因芯片技术在肺癌发生机制研究中得到了广泛的应用，并为肺癌的早期诊断提供了有效的技术支持。然而另一方面，基因芯片获得的大量数据信息并未能得到充分利用，其中蕴含了大量未知的生物信息，并阻碍了疾病发生分子机制的研究进程。目前，基因芯片数据挖掘问题已引起国内外研究者的广泛关注，如何对这些数据进行有效挖掘已成为生物信息学研究中亟待解决的问题。

基因表达数据库(Gene Expression Omnibus，GEO)是当今最大、最全面的公共基因表达数据资源，包括高通量实验数据的广泛分类，有单通道和双通道以微阵列为基础的对mRNA丰度的测定；基因组DNA和蛋白质分子的实验数据。迄今为止，GEO数据库包含的数据含概10 000个杂交实验和来自30种不同生物体。数据库操作简单，数据全面，免费共享，并为后期数据挖掘和信息推广提供了良好的平台。GEO数据库在分子生物学领域中有着广泛的应用前景，为肿瘤相关基因的挖掘与筛选提供了最佳平台。

非小细胞肺癌(non-small cell lung cancer,LSCLC)是肺癌的主要病理类型，本发明通过对GEO数据库中NSCLC的数据进行收集，利用生物信息学的方法对收集到的在NSCLC表达异常(上调或下调)的mRNA高通量转录组数据进行整合分析，从而对NSCLC的发病机理进行探究，并为其诊断与治疗提供一定的研究基础。

发明内容

本发明的目的在于提供一种非小细胞肺癌相关癌基因筛选与功能分析方法，通过对现有数据库中所有涉及非小细胞肺癌的数据进行收集，利用生物信息学方法对收集到非小细胞肺癌的mRNA转录组数据进行差异表达分析，基于大样本大数据处理得到适用于临床应用的非小细胞肺癌诊断标志物，包括研究系列的筛选，利用GEO2R在线工具下载mRNA表达差异基因，寻找在不同研究系列中共同表达差异的基因，以及对共同表达差异基因进行生物信息学分析，为NSCLC的肿瘤标志物筛选、分子发病机制等提供有意义的探索和依据。

其具体技术方案为：

一种非小细胞肺癌相关癌基因筛选与功能分析方法，包括以下步骤：