肺癌常年高居癌症致死率首位,是世界上最常见的恶性肿瘤,在很高程度上威胁着人类的生命和健康。肺癌的主要病理类型之一是肺鳞状细胞癌,年生存率只有15%左右,恶性程度极高。但因其早期临床症状隐匿,约2/3的患者在临床发现时已经到晚期,从而错过手术治疗机会。早期诊断是降低肺癌患者死亡率的关键,便于早期的干预以及治疗。分子标志物是生物过程的指示物,根据分子标志物可以指示判断生物过程、发病过程以及治疗过程中药理反应。因此,需要找到与肺鳞状细胞癌发生密切相关的分子标志物,用于肺癌的早期诊断和预后预测。本研究是基于癌症基因组图谱数据库(TCGA)和基因表达组数据库(GEO)两个大型肿瘤基因组组学数据库而开展的,利用统计学方法并结合基因的生物学通路分析在早期肺鳞状细胞癌转录组数据中筛选分子标志物,并建立诊断预测模型。论文的主要工作包括两个部分:第一部分,早期肺鳞状细胞癌分子标志物的筛选。以TCGA中的基因表达数据作为研究对象,研究肺鳞状细胞癌癌症病人从正常到癌症I期的基因表达的变化,提出一种统计学和生物学通路分析相结合的基因识别方法,识别出肺鳞状细胞癌发生发展中起关键作用的分子标志物。采用支持向量机、随机森林以及人工神经网络多种机器学习建模方法进行建模,分子标志物对肺鳞状细胞癌早期癌症样本和正常组织样本的分类精度达到了98%以上;且分子标志物具有特异性,即区分肺鳞状细胞癌和其他癌症的能力,对肺鳞状细胞癌癌症样本的识别敏感性达到96%以上。该方法首先通过相关性、t检验、置信区间以及弹性网络等统计学方法筛选肺鳞状细胞癌癌症I期与正常肺组织中差异表达的基因,得到了两组肺鳞状细胞癌的差异基因子集;然后在此基础上通过对两组差异基因子集的通路富集分析,筛选得到3条共有通路和12个共有基因。其中,3条通路分别为细胞粘附分子通路、补体通路和吞噬体通路,12个共有基因作为分子标志物分别是CLDN18,CD34,ESAM,JAM2,CDH5,F11,F8,CFD,MRC1,MARCO,SFTPA2,SFTPA1。对其进行通路分析以及基因的功能分析,分析结果证明了通路与癌症的发生具有密切的联系,也表明识别的分子标志物在肺鳞状细胞癌的发生过程中具有关键性作用,这对于了解肺鳞状细胞癌的发病机理以及肺鳞状细胞癌的早期诊断至关重要。第二部分,早期肺鳞状细胞癌的诊断预测模型。根据筛选得到的与肺鳞状细胞癌发生密切相关的分子标志物,利用Fisher判别建立基于早期标志基因的诊断预测模型,并运用独立验证集进行验证。基于临床检测成本的考虑,尽可能检测最少的分子标志物达到最高的分类精度。对多个判别模型进行对比,最终得到由基因SFTPA1和ESAM建立的肺鳞状细胞癌早期诊断预测模型。当待测样本中SFTPA1和ESAM这两个分子标志物转录组数据已知的条件下,判别模型即可对样本的肺鳞状细胞癌的早期发生进行预测。研究结果表明,该模型对正常肺组织和肺鳞状细胞癌肿瘤Ⅰ期样本的分类敏感性和特异性分别为99.18%和100%,并且独立验证集的分类准确率也在90%以上。建立的诊断预测模型能够为早期肺鳞状细胞癌的诊断提供帮助,为科学研究和临床诊断提供了一种新途径。以癌症基因组图谱数据库中肺鳞状细胞癌的转录组数据作为研究对象,建立一种统计学和生物学通路分析相结合的方法,用于筛选肺鳞状细胞癌发生密切相关的分子标志物,并基于筛选出的分子标志物建立早期肺鳞状细胞癌的诊断预测模型。结果表明:筛选方法可有效筛选肺鳞状细胞癌发生的分子标志物,对肺鳞状细胞癌早期发生机理研究具有重要的价值;早期肺鳞状细胞癌的诊断预测模型具有极高的准确性,为肺鳞状细胞癌早期诊断提供了帮助。