论文部分内容阅读
癌症异质性一直是研究人员在分子表达分析过程中尝试解决的问题。本课题使用4组公开的microRNA芯片数据来评价考虑癌症异质性的芯片算法，分别是LSOSS,COPA, MOST, ORT, OS以及传统的t-test，得出结论要发现那些只在部分样本中表达发生变化的microRNA，只能通过使用更适合的考虑癌症异质性的算法，而不是传统的方法。这里，为了方便实验人员把这些算法运用到自己的实际实验中去，我们还构建了一个整合以上六种算法的具有良好图形用户界面的Java程序。通过比较不同层次上数据间一致性的差异，我们发现在系统和功能层次上能较好的找到不同实验组数据之间的共同点。分析上述4组数据后，最终得到了富集的38个GeneOntology条目，16个KEGG通路和99个GeneGo通路。在最显著的15个GeneGo通路中，4个被之前的研究报道过，剩下的我们也通过分析通路中的组成基因来证实和前列腺癌相关。另外，本课题还收集了近年PubMed上报导的与前列腺癌相关的通路，将它们与近期研究的比较热门的癌症Hallmarks关联，初步建立了一个针对前列腺癌相关通路的详尽的数据库。