一、基因芯片的研究进展（论文文献综述）
许晶[1]（2021）在《基于数据挖掘联合基因芯片的中医治疗晚期胃癌用药规律和作用机制》文中提出目的:首先,筛选出中西医结合治疗晚期胃癌的受益人群,利用数据挖掘技术探索晚期胃癌患者的中医处方用药规律,为晚期胃癌临床合理用药提供理论依据;其次,通过网络药理学联合基因芯片技术,预测核心药物治疗胃癌的作用机制,并进一步探寻关键靶点与胃癌预后的关联性,为胃癌新药研发开辟新途径。方法:收集整理2015年1月至2020年1月就诊于北京中医药大学东直门医院和北京市桓兴肿瘤医院的晚期胃癌患者,从中筛选出晚期胃癌中西医结合治疗受益人群。受益人群定义基于前期首都卫生发展科研专项（编号:2016-1-4171）晚期胃癌中西医结合治疗的受益人群,即Ⅳ期生存时间≥11.1个月的患者。病理诊断参照WHO（2019年）《消化系统肿瘤分类》胃癌定义标准,临床分期参考国际抗癌联盟（UICC）及美国肿瘤联合会（AJCC）胃癌TNM分期（第8版,2016）标准。最终纳入135例患者,收集性别、年龄、BMI、KPS评分、具体方药等信息,运用中医传承计算平台（V3.0）分析纳入处方药物频次、四气、五味、归经、功效、关联规则等,最终获得核心药物组合。根据上述结果得到的核心药物组合,检索TCMSP数据库和文献数据库得到药物有效成分,并通过Pubchem数据库和Swiss Target Prediction平台预测活性化合物的潜在靶点,同时联合TCMSP数据库中的有效成分靶点以获得最终药物靶点。通过GEO数据库中胃癌基因芯片获取疾病靶点,Venn在线数据库获取药物与疾病共同靶点。运用STRING数据库获得靶点PPI网络,Cytoscape3.8.1软件构建相关的可视化网络,并利用其MCODE和BisoGenent插件筛选出核心靶点。使用R软件对共同靶点进行GO和KEGG富集分析。最后,通过Oncomine和Kaplan-Meier Plotter数据库探究关键靶点在胃癌中的表达情况及其与胃癌生存期的关系。结果:在纳入的135例患者中,男性81例,占比60%,女性54例,占比40%,男女之比为3:2;最大年龄为85岁,最小年龄为26岁,平均年龄为59.33岁,中位年龄为59岁,超过85%患者的年龄在50岁以上;最小BMI为12.33kg/m2,最大BMI为33.23kg/m2,BMI平均值为21.13kg/m2,超过50%患者的BMI在正常范围内;135名患者中KPS评分在70分及以上者共有127人,累计占94.07%。药物统计结果显示,135首处方涉及251味中药,药物频次由高到低依次为黄芪、党参、半夏、陈皮、茯苓、鸡内金、白术、甘草、神曲、麦芽等;四气所占比例由高到低依次为温、平、寒、凉、热,其中温、平、寒占比94.38%;五味所占比例由高到低依次为甘、苦、辛、酸、咸,其中甘、苦、辛占比90.41%;归经中脾经（22.47%）占比最高,其次为肺（16.86%）、胃（15.78%）、肝（13.68%）、肾（10.46%）等;药物功效以补虚类为主,辅以理气类、清热类、消食类等;对药物组合进行分析,频次较高的药物组合为黄芪与半夏、黄芪与党参、党参与半夏、党参与陈皮等;对药物进行聚类分析,将135首处方分为三类,第一类以含有黄芪、党参、陈皮、半夏、茯苓为主处方有72首,第二类以含有黄芪、党参、陈皮、半夏、白术为主处方有33首,第三类以含有黄芪、鸡内金、甘草、麦芽、鸡血藤为主处方有30首。结合药物频次、关联规则和聚类分析结果发现,“黄芪-党参-陈皮-半夏-茯苓”为135首处方的核心药物组合。本研究共发现“黄芪-党参-陈皮-半夏-茯苓”有效活性成分77个,其中黄芪为23个、党参为20个、陈皮为6个、半夏为12个、茯苓为14个、党参半夏共同成分1个、黄芪茯苓共同成分1个,其中,黄芪中的槲皮素（quercetin）、异鼠李素（isorhamnetin）、山萘酚（kaempferol）和熊竹素（Jaranol）,党参中的木犀草素（luteolin）,半夏中的黄芩素（baicalein）,陈皮中的橙皮素（（Rac）-Hesperetin）和柚皮素（naringenin）,茯苓中的16 α-羟基脱氢甲基丙烯酸（16alpha-Hydroxydehydrotrametenolic acid）等成分为治疗胃癌的主要有效成分。以GEO数据库中GSE63089和GSE118916数据集的胃癌样本组织为研究对象,共得到520个胃癌的差异基因,其中涉及366个上调基因和154个下调基因。通过Venn数据库得到药物和胃癌的共同靶点58个,其中NTRK1、TP53、MCM2、CUL3、CDK2、FN1、ESR1、ITGA4、UBC、NPM1、CUL1 等为关键靶点。58 个共同靶点涉及的GO功能主要参与细胞外基质代谢、DNA信号转导、调控有丝分裂过程、金属内肽酶活性、氧化还原酶活性、染色体结构等生物学过程,KEGG通路主要与细胞周期、细胞衰老、p53信号通路、糖尿病并发症中的AGE-RAGE信号通路等有关。在Oncomine数据库数中,共有10项研究,涉及928个样本（胃癌和正常组织分别为500例和428例）,研究发现NTRK1在胃癌组织和正常组织中的表达差异有统计学意义（P<0.05）。7项研究,涉及291个样本（胃癌和正常组织分别为205例和86例）,研究发现TP53在胃癌组织和正常组织中的表达差异有统计学意义（P<0.05）。12项研究,涉及1274个样本（胃癌和正常组织分别为694例和580例）,研究发现MCM2在胃癌组织和正常组织中的表达差异有统计学意义（P<0.05）。此外,Kaplan-Meier Plotter数据库发现NTRK1、TP53、MCM2高表达组的总生存期（OS）和首次进展时间（FP）均低于低表达组,差异均有统计学意义（P<0.05）。结论:晚期胃癌的中医药处方治以健脾益气,理气化痰为主,辅以清热燥湿,健脾消食,活血化瘀等,核心处方为“黄芪-党参-陈皮-半夏-茯苓”,体现了晚期胃癌“脾胃虚弱”的重要病机。“黄芪-党参-陈皮-半夏-茯苓”通过槲皮素、异鼠李素、山奈酚、木犀草素、黄芩素、橙皮素、柚皮素等活性成分调控NTRK1、TP53、MCM2、CUL3、CDK2等关键靶点以参与调控肿瘤细胞周期、炎症反应等过程,调控细胞周期、p53信号通路、糖尿病并发症中的AGE-RAGE信号通路、TNF信号通路等发挥抗胃癌作用,其中NTRK1、TP53、MCM2在胃癌组织中均高表达,三者表达水平越高,胃癌患者生存期越短,反之,三者表达水平越低,患者生存期越长。
钟赟[2]（2021）在《基于芯片数据进行生物信息学分析以构建多发性骨髓瘤lncRNA相关的预后风险模型及验证》文中指出研究背景和目的:多发性骨髓瘤（Multiple myeloma,MM）是一种恶性程度高的血液系统肿瘤,复发率较高。研究表明异常表达的长链非编码RNA（lncRNAs）具有致癌和/或肿瘤抑制作用,然而基于表达谱的lncRNA特征对多发性骨髓瘤（MM）患者预后预测的意义研究较少。本研究基于GEO骨髓瘤芯片数据识别出预后特异性的lncRNA,采用Cox回归分析、Kaplan-Meier分析和接受者操作特性（ROC）分析构建并验证了预测模型,使用单样本基因集富集（ss GSEA）和京都基因和基因组百科全书（KEGG）分析来预测特定lncRNA的功能。数据集分析确定关键基因并用于构建骨髓瘤预后的风险评分系统,该系统用于将训练集中存活率不同的患者分层为高风险组和低风险组。测试集、整个测试集、外部验证集和骨髓瘤亚型对结果完成验证。本研究提供证据表明模型中关键基因可用作预测骨髓瘤预后的标志物并可成为临床诊断潜在靶标,细胞功能研究进一步表明模型中关键基因可能参与骨髓瘤的进展。本研究为剖析骨髓瘤发生发展的潜在机制提供了新的方向,并为多发性骨髓瘤的临床诊断和治疗提供了新的视角。方法:1、在GEO数据库中下载骨髓瘤患者体内高度纯化的骨髓浆细胞的基因表达数据集（GSE4581和GSE57317）及相应的探针序列,在Gencode数据库下载最新版的lncRNA参考序列和gtf文件,结合以上文件提取出探针的表达数据和基因表达数据以及样本的随访信息,随机将GSE4581按照1:1的比例分为训练集和内部验证集两组分别包含127例样本和128例样本,GSE57317作为外部验证集包含55例样本。2、通过R包生存Coxph函数（p<0.01为阈值）对训练集样本中重注释的lncRNA表达水平和生存数据执行了单变量Cox比例风险回归分析,排序后筛选出预后最为显着的一部分lncRNAs。3、从训练集样本中随机抽取的75%样本进行rbsurv分析,使用三倍较差验证,选择最大基因个数为30,以此进行1000次的rbsurv分析,最终汇总每次的降维结果,统计在1000次中每个探针出现的次数,并分别计算了这些lncRNA探针的标准差,筛选出标准差大于所有探针中位标准差且频次大于300的lncRNA。4、将选定的关键lncRNA进行Kaplan-Meier生存曲线分析筛选出与肿瘤患者生存相关的lncRNA,并将KM曲线p<0.05的lncRNA采用多因素Cox生存分析,并保留AIC值最低的lncRNA作为最终的模型。5、根据样本的表达水平分别计算每个样本的风险得分,并绘制样本的Risk Score,计算筛选出的关键lncRNAs随着风险值增加表达的变化情况;使用R软件包time ROC对Risk Score进行预后分类的ROC分析,分别分析一年、三年、五年的预后预测分类效率并对Riskscore进行零-均值规范化（z-score标准化）,将zscore化后Riskscore大于零的样本划分为高风险组,小于零的样本低风险组,并绘制KM曲线;对验证集样本和训练集及验证集所有样本采用与训练集相同的模型和相同的系数进行以上分析。6、使用R软件包GSVA来计算训练集每个样本在不同功能上的得分,计算这些功能与风险得分之间的相关性,选择相关性大于0.3的生物学功能并绘制样本的Risk Score分布图。7、根据PMID:28428277中描述的方法计算上述lncRNA预后模型的13种免疫得分,进一步分析免疫得分在训练集高低风险样本中的显着差异情况。8、根据临床信息中将样本分成7类亚型,分析上述关键lncRNAs的风险得分在不同亚型中预测效能。9、我们采用与训练集相同的模型和相同的系数,根据样本的表达水平分别计算外部数据集所有样本的风险得分,并绘制样本的Risk Score分布;对Riskscore进行zscore,将zscore化后Riskscore大于零的样本划分为高风险组,小于零的样本低风险组,并绘制KM曲线。10、选取2个已发表的相关风险模型,其中一个为16-gene signature（PMID:31612041）,另外一个为6-gene signature（PMID:31357080）与本研究构建的风险模型进行比较,根据本研究构建模型中对应的基因,使用多因素cox回归分析分别对训练集样本重新进行风险得分计算,并评估两个模型的ROC,根据最优阈值将样本分成高风险和低风险组,计算两组样本OS预后差异。11、通过q RT-PCR实验方法检测多发性骨髓瘤患者骨髓样本及健康对照样本中上述模型中对应的基因的表达,并在多发性骨髓瘤细胞中改变这些基因的表达采用CCK-8和平板克隆形成实验分析其表达对细胞增殖活动的影响。结果:1、GEO数据库中下载得到（GSE4581和GSE57317）芯片数据,经与Gencode数据库中最新版的lncRNA参考序列和gtf文件比对后将芯片中的表达数据重注释成4094个lncRNA;2、通过R包生存Coxph函数（p<0.01为阈值）对训练集样本中的4094重注释的lncRNA表达水平和生存数据进行单变量Cox比例风险回归分析后得出72个预后显着的lncRNA,且选取前20个预后最为显着的的lncRNA进行后续分析;3、从训练集样本中随机抽取的75%样本进行rbsurv分析,选择最大基因个数为30,以此进行1000次并使用三倍较差验证发现大部分探针出现频次在10%左右,计算这些lncRNA探针的标准差后选择标准差大于所有探针中位标准差且频次大于300的11个lncRNAs;4、rbsurv分析结果得出的11个lncRNAs经Kaplan-Meier生存曲线分析筛选得出肿瘤患者生存相关的8个lncRNA,并通过Cox生存分析进一步确定构建预后模型的7个lncRNA;5、通过芯片样本中基因表达水平计算出各样本的风险得分后绘制Risk Score分布图,并鉴定出C5orf17、AC092718.2、AC108002.2、AL033530.1、AL589765.7和TSPOAP1-AS1的高表达和高风险相关,MIR194-2HG的高表达和低风险相关,进一步进行预后分类的ROC分析发现我们所构建的预后模型具有很高的AUC线下面积,其中五年AUC值分别为0.71,然后对Riskscore进行zscore化后将样本划分为53个高风险组,74个为低风险组并绘制KM曲线后发现两组之间存在极显着的差异,验证集样本和训练集及验证集所有样本采用相同参数及模型分析得出基本一致的结果;6、单样本GSEA分析发现大部分生物学功能与样本风险得分呈现负相关,少部分生物学功能与风险得分呈现正相关,选取相关性大于0.3的18个KEGG Pathway;7、计算上述lncRNA预后模型的13种免疫得分发现仅有IFI和Cytolytic在高低风险组中呈现显着差异,进一步分析免疫得分在训练集高低风险样本中的显着差异情况发现结果发现IFI与riskscore呈现显着的负相关。8、7-lncRNA预后模型的风险得分与7类亚型的预后间存在显着差异,其中PR亚型的预后最差,CD1、CD2、HY和LB四类亚型的预后效果较为相似,预后较好,而MF和MS两类亚型预后效果介于中间9、外部数据集采用与训练集相同的模型和相同的系数分析结果显示模型风险得分高的样本的OS明显小于得分低的,ROC曲线分析得出五年AUC值为0.76,然后对Riskscore进行zscore化后将样本划分为高风险组和低风险组并绘制KM曲线得出与训练集一致的结果;10、7-lncRNA预后模型与2个已发表的相关风险模型16-gene signature（PMID:31612041）和6-gene signature（PMID:31357080）比较,16-gene signature的ROC和KM曲线结果显示3年AUC在0.83,p<0.0001;而6-gene signature分析OS预后结果显示1年AUC值在0.71,但预后并不显着p=0.211。11、q RT-PCR实验结果发现在多发性骨髓瘤患者骨髓样本中呈MIR194-2HG低表达,C5orf17呈高表达,且其表达与多发性骨髓瘤患者预后相关,采用CCK-8和平板克隆形成实验发现在多发性骨髓瘤细胞中下调C5orf17和MIR194-2HG的表达后细胞增殖能力显着受到影响。结论:7-lncRNA预后风险模型能够较好的预测骨髓瘤预后,且体外实验进一步表明这7-lncRNA可能参与了骨髓瘤的进展。
郑雅[3]（2021）在《基于网络药理学联合基因芯片数据探讨小柴胡汤治疗肝炎-肝硬化-肝癌的机制演变》文中研究说明研究目的:基于网络药理学联合基因芯片数据集探讨小柴胡汤治疗肝炎-肝硬化-肝癌的机制演变,为后续实验验证小柴胡汤治疗肝脏方面疾病的作用机理提供思路与线索。研究方法:1.在研究小柴胡汤治疗HB的网络药理学中,利用TCMSP数据库和Swiss Target Prediction数据预测平台对小柴胡汤活性成分的靶基因进行预测.利用GEO数据库下载HB相关的芯片数据集GSE114783,并使用GEO2R插件进行分析处理后筛选出DEGs;将小柴胡汤活性成分靶基因与HB的DEGs取交集。将小柴胡汤治疗HB的靶基因其输入STRING数据库中,构建小柴胡汤-HB组蛋白相互作用网络,再导入Cytoscape3.7.2软件中进行分析并筛选核心靶基因;利用DAVID 6.8和Omicshare平台对核心靶基因进行GO功能富集和KEGG通路富集。2.在研究小柴胡汤治疗LC的网络药理学中,利用TCMSP数据库和Swiss Target Prediction数据预测平台对小柴胡汤活性成分的靶基因进行预测。利用GEO数据库下载LC相关的芯片数据集GSE114783和GSE77627,并使用GEO2R插件进行分析处理后筛选出DEGs;将小柴胡汤活性成分靶基因与LC的DEGs取交集。将小柴胡汤治疗LC的靶基因其输入STRING数据库中,构建小柴胡汤-LC组蛋白相互作用网络,再导入Cytoscape3.7.2软件中进行分析并筛选核心靶基因;利用DAVID 6.8和Omicshare平台对核心靶基因进行GO功能富集和KEGG通路富集。3.在研究小柴胡汤治疗HCC的网络药理学中,利用TCMSP数据库和Swiss Target Prediction数据预测平台对小柴胡汤活性成分的靶基因进行预测。利用GEO数据库下载HCC相关的芯片数据集GSE101685和GSE25097,并使用GEO2R插件进行分析处理后筛选出DEGs;将小柴胡汤活性成分靶基因与HCC的DEGs取交集,将小柴胡汤治疗HCC的靶基因其输入STRING数据库中,构建小柴胡汤-HCC组蛋白相互作用网络,再导入Cytoscape3.7.2软件中进行分析并筛选核心靶基因;利用DAVID 6.8和Omicshare平台对核心靶基因进行GO功能富集和KEGG通路富集;利用Kaplan-Meier Plotter和GEPIA数据库在线识别核心靶基因的预后信息及鉴定基因表达水平。结果:1.在小柴胡汤治疗HB的网络药理学研究中,小柴胡汤活性成分通过TNF、AKT1、MAPK3、F2、MTOR、CAV1等核心靶基因,参与血管生成、血小板激活、T细胞协同刺激、肝再生、蛋白丝氨酸/苏氨酸激酶活性等生物过程,调控乙型肝炎、丙型肝炎、肝细胞癌、非酒精性脂肪性肝病、TNF、T细胞受体、B细胞受体、NF-κB、PI3K-Akt、Jak/STAT等信号通路。2.在小柴胡汤治疗LC的网络药理学研究中,小柴胡汤活性成分通过VEGF A、AKT1、CYP2C9、PTGS1、CXCL2等核心靶基因,参与影响纤连蛋白结合、溶血磷脂酶活性、磷脂酶A2活性等分子功能;调节炎症反应、细胞增殖、血管内皮细胞迁移调控、磷脂酰胆碱酰基链重塑、葡萄糖代谢等生物过程。调控乙型肝炎、TNF、Toll样受体、IL-17、趋化因子、MAPK、RAS、NFκB、花生四烯酸代谢、亚油酸新陈代谢、脂肪细胞脂解信号通路、VEGF信号通路、血小板激活信号通路。3.在小柴胡汤治疗HCC的网络药理学研究中,小柴胡汤活性成分通过MYC、ESR1、CDKN2A、PTGS2、FOS、TLR4、CCL2等核心靶基因,参与炎症反应、雌二醇反应、氧化还原过程、脂质代谢过程、器官再生、肝再生、血管生成等生物过程,调控p53、癌症通路、乙型肝炎、肝细胞癌、TNF、T细胞受体、Toll样受体、MAPK、NFκB等信号通路。其中核心靶基因CDKN2A、CCNB1、CDK1、EZH2、CCNA2、G6PD、NQO1在肝癌组织中显着表达,且与患者预后不良相关。结论:本研究综合运用网络药理学结合生物信息学的分析方法,对小柴胡汤的活性成分、潜在靶基因及信号通路进行了系统分析,初步阐述了小柴胡汤可以抑制肝炎、肝硬化和肝癌中的炎症反应,在肝炎期,主要调控乙型肝炎信号通路、丙型肝炎信号通路、TNF等信号通路,具有较强抑制炎症和调控细胞增殖等作用;在肝硬化期,主要调控NFκB信号通路、花生四烯酸代谢、亚油酸新陈代谢、VEGF等信号通路,能够通过调节糖脂质代谢、免疫、血管新生起到治疗作用;在肝癌期,可以通过调节p53、肝细胞癌、肝再生等多条与癌症相关的通路来抑制肿瘤的进展;其中 CDKN2A、CCNB1、CDK1、EZH2、CCNA2、G6PD、NQO1在肝癌组织中显着表达,且与患者预后不良相关,可作为后续实验研究的着手点及药物开发的潜在靶点。为进一步开展小柴胡汤治疗肝脏方面疾病的实验研究提供了理论依据和方向。
赵金辉[4]（2021）在《NSD2沉默对三阴乳腺癌基因表达谱及生物学行为的影响》文中研究表明目的:本研究结合基因芯片、生物信息学方法及体外实验,在三阴乳腺癌（Triple negative breast cancer,TNBC）细胞系MDA-MB-231中沉默NSD2的表达,观察其对TNBC细胞生物学行为及药物敏感性的影响,探讨NSD2在TNBC中可能发挥的作用和机制。方法:构建沉默NSD2表达的稳定细胞株,应用基因芯片技术检测沉默NSD2表达后MDA-MB-231细胞基因表达谱的改变并筛选出改变具有明显差异的基因。使用KEGG、DAVID、STRING及Cytoscape等工具对差异基因进行分析并筛选相关的Hub基因,使用Kaplan-Meier Plotter对Hub基因进行预后分析。使用CCK-8细胞增殖实验、Hoechst（33258）细胞凋亡染色实验、流式细胞术及Western Blot免疫印迹实验检测沉默NSD2后TNBC细胞生物学行为及死亡受体相关蛋白表达的改变。结果:成功构建沉默NSD2表达的MDA-MB-231稳定株,沉默NSD2表达后,TNBC细胞的表达谱发生明显改变,共发现483个差异基因,其中上调基因324个,下调基因159个。对差异基因进行KEGG通路富集分析显示,与NSD2相关的差异基因涉及细胞因子-细胞因子受体相互作用（Cytokine-cytokine receptor interaction）、程序性细胞死亡（Necroptosis）、TNF信号通路（TNF signaling pathway）等30条信号通路。基因本体（Gene Ontology,GO）功能富集分析结果提示,上调基因一共富集到79个生物学过程（Biological process,BP）、14个分子功能（Molecular function,MF）、29个细胞成分（Cellular component,CC）,下调基因一共富集到166个BP、36个MF、56个CC（P<0.05）,其中差异基因富集指向了多个肿瘤GO过程。通过Cytoscape中的Cytohubba插件对显着性差异基因的蛋白蛋白相互作用网络（Protein protein interaction network,PPI）进行Hub基因筛选,我们共筛选出25个Hub基因。经过Kaplan-Meier Plotter进行预后分析,共发现CCL5、CXCL10、CXCL11、IFIT1、IFIT2、IFIT3、OAS1、OAS2、IRF1、ISG20、IFIH1、RSAD2、THBS1、DDX58、MX1、HERC6等16个NSD2相关的差异基因与TNBC预后显着相关（P<0.05）。CCK-8实验检测结果显示:紫杉醇（Paclitaxel,PTX）能够抑制细胞的增殖,且其作用具有药物剂量和时间的依赖性。沉默NSD2表达后,与sh NC组相比,sh NSD2-1组与sh NSD2-2组的细胞存活率下降。PTX作用转染细胞后,Hoechst（33258）染色与流式细胞术凋亡检测结果显示:与untreated组相比,PTX处理组细胞凋亡率增加;untreated组细胞中,sh NC组与sh NSD2-1组、sh NSD2-2组细胞凋亡率无差异;PTX处理组细胞中,与sh NC组相比,sh NSD2-1组、sh NSD2-2组细胞凋亡率增加,细胞数量减少。Western Blot结果提示:untreated组中,与sh NC组相比,sh NSD2-1组中TNFAIP3、DR5、Fas蛋白表达量明显升高（P<0.05）,CASP-1表达量略微升高,PARP1表达量下降（P<0.05）,TRAIL表达量略微下降,Cleaved PARP1变化不明显;sh NSD2-2组中各蛋白表达量均升高,差异具有统计学意义（P<0.05）。PTX组中,与untreated组相比,各蛋白表达量均明显升高（P<0.05）;与sh NC+PTX组相比,sh NSD2-1+PTX组中TNFAIP3、DR5、CASP-1、Fas蛋白表达量明显升高（P<0.05）,Cleaved PARP1、TRAIL表达升高,PARP1表达量略微下降;sh NSD2-2+PTX组中各蛋白表达量均升高（P<0.05）。对上述蛋白进行预后分析发现,除PARP1外（P<0.05;HR>1）,其余5个蛋白高表达均提示预后良好（P<0.05,HR<1）。结论:1.沉默NSD2可显着改变TNBC细胞的基因表达谱,与NSD2相关的差异基因涉及多条肿瘤相关信号通路。2.筛选出CCL5、CXCL10、CXCL11、IFIT1、IFIT2、IFIT3、OAS1、OAS2、IRF1、ISG20、IFIH1、RSAD2、THBS1、DDX58、MX1、HERC6等16个NSD2相关的差异基因可能成为TNBC预测预后的潜在生物标志物。3.沉默NSD2可以抑制TNBC细胞的增殖能力,增强其对PTX的药物敏感性,NSD2可能介导TNBC患者的PTX耐药,沉默NSD2联合PTX治疗可能改变患者预后结局。4.沉默NSD2与PTX之间具有协同效应,可以诱导TNBC细胞发生死亡。NSD2可能通过抑制死亡受体介导的细胞凋亡通路、CASP-1介导的经典细胞焦亡通路等增强TNBC细胞增殖能力、抑制其发生死亡。5.TRAIL/DR5、Fas、CASP-1、TNFAIP3等可能与乳腺癌关系密切,其表达升高与患者预后之间呈正相关,可能是用于预测乳腺癌预后结局的分子靶标。
冯梦龙[5]（2021）在《广西地区非综合征性聋家系耳聋基因全外显子组测序研究》文中指出目的:通过对耳聋基因芯片检测结果为隐性遗传基因杂合突变或阴性的广西地区非综合征性聋家系成员进行全外显子组测序分析,寻找罕见致聋基因或突变位点,甚至发现新的致聋基因或突变位点,为针对性地设计广西地区耳聋基因筛查方案提供更为详实的数据,提高耳聋基因检测效率,达到精准医疗的目的。方法:对2019年5月-2020年12月在我院就诊的广西地区耳聋患者行病史分析、听力学检查、影像学检查和十五项遗传性耳聋基因芯片检测,收集10个耳聋患者基因芯片检测结果为隐性遗传基因杂合突变或阴性的广西地区非综合征性聋家系,对家系成员的DNA样本行全外显子组测序,并对所检测出的突变位点在家系成员中进行Sanger测序验证。结果:1.家系1,耳聋患者均为极重度感音神经性耳聋,父母双方听力正常,家系成员耳聋基因芯片检测均为阴性,进一步行全外显子组测序发现,家系父母分别携带MYO15A基因c.4143-1G>A和c.7396-1G>A杂合突变,先证者和其弟弟均为MYO15A基因c.4143-1G>A/c.7396-1G>A复合杂合突变,根据美国医学遗传学与基因组学学会（the Amercian College of Medical Genetics and Genomics,ACMG）制定的变异解读标准,上述突变均为致病突变,经查数据库和文献未见致病性报道。2.家系2,先证者为双耳极重度感音神经性耳聋,其弟弟为双耳重度感音神经性耳聋,患儿父母听力正常。家系成员耳聋基因芯片检测均为阴性,对家系成员行全外显子组测序研究,发现先证者父母分别携带TRIOBP基因c.5185-2A>G和c.3299C>A杂合突变,先证者和其弟弟均为TRIOBP基因c.5185-2A>G/c.3299C>A复合杂合突变,根据ACMG变异解读标准,TRIOBP基因c.5185-2A>G和c.3299C>A,分别为致病突变和可能致病突变,上述突变经查数据库和文献未见致病性报道。3.家系3,耳聋患者均为极重度感音神经性耳聋,父母双方听力正常。家系成员耳聋基因芯片检测均为阴性,对家系成员行全外显子组测序研究,发现先证者父母分别携带MYO15A基因c.5638G>A和c.6733G>A杂合突变,先证者和其妹妹、弟弟均为MYO15A基因c.5638G>A/c.6733G>A复合杂合突变,根据ACMG变异解读标准,MYO15A基因c.5638G>A和c.6733G>A均为可能致病突变,上述突变经查数据库和文献未见致病性报道。4.家系8/9/10,父母双方听力均正常,耳聋患者均为极重度感音神经性耳聋,家系成员耳聋基因芯片检测结果均为阴性,进一步对家系成员行全外显子组测序研究,均未发现任何可疑致病突变位点。5.在8个耳聋基因芯片初筛结果为阴性的家系（共17名耳聋患者）中发现遗传性耳聋患者11名（64.7%,11/17）,其中,遗传性耳聋患者中携带新发致病突变有7人（63.6%,7/11）;3个家系（共6名耳聋患者）携带SLC26A4基因致病突变,其中,携带SLC26A4基因c.919-2A>G突变的患者4人（66.7%,4/6）。结论:1.MYO15A基因c.4143-1G>A、7396-1G>A、c.5638G>A和c.6733G>A均为新发致病突变位点,其突变是导致非综合征性聋的重要遗传病因。2.TRIOBP基因是罕见致聋基因,本研究新发现的c.5185-2A>G和c.3299C>A致病突变位点丰富了该基因的突变谱。3.在广西地区常见耳聋基因芯片初筛为阴性的非综合征性聋患者中,可能存在罕见基因或突变位点,甚至新的致病基因或突变位点。
王蒙蒙[6]（2021）在《小麦N0883抗病基因与斑点基因遗传分析及TaGeBPL基因克隆与表达分析》文中提出条锈病和白粉病在我国频繁发生,对小麦生产造成严重影响,挖掘小麦新的抗病基因,培育抗病品种是应对这一难题最有效的措施。研究发现植物中存在的斑点突变体叶片表面会产生与抗病基因HR反应表型类似的坏死或枯死斑,斑点基因能够激活植物免疫系统,提高植株对病原菌的抵抗力,增强植物抗病性。小麦抗条锈病基因、抗白粉病基因和斑点基因调控植物防御反应都属于细胞程序化死亡,为了研究小麦中这三种基因,本文以N0883（兼抗条锈病和白粉病;有斑）、丰1718（感条锈病;无斑）、ST34（感条锈病;无斑）、远丰175（感白粉病;无斑）、N0658（感白粉病;无斑）为亲本,利用五个亲本构建的后代群体对这三个基因进行遗传分析以测验抗病基因和斑点基因等位性,同时通过分子标记和SNP基因芯片分析基因位置;基于自发斑点细胞坏死RILs（N13039H/N）转录组数据,本文以小麦“西农N13039H”为供试材料,通过RT-PCR克隆得到TaGeBPL基因,并对其进行表达模式分析、亚细胞定位、自激活检测。本研究所得主要结果如下:1、通过亲本N0883、丰1718、ST34构建了两个F2群体（N0883/丰1718、N0883/ST34）,两个F2群体中均分离出四种不同表型:抗条锈病无斑、抗条锈病有斑、感条锈病无斑、感条锈病有斑,F2群体中出现性状分离,由此说明抗条锈病基因和斑点基因位于染色体的不同位点。2、利用卡方测验对N0883/丰1718杂交后代F2群体、N0883/丰1718//丰1718回交后代BC1F1群体进行抗条锈病遗传分析,结果表明N0883抗性由单个显性基因控制;55K SNP基因芯片和SSR分子标记筛选结果表明抗条锈病基因位于小麦第二同源群;用卡方测验对N0883/远丰175杂交F2代群体进行抗白粉病遗传分析,结果表明材料N0883中的抗白粉病基因为单个隐性基因;660K SNP基因芯片分析表明,抗白粉病混池和感白粉病混池间的差异SNP共2286个,主要分布在1B、2A、5A、5B、6A染色体上,其中2A染色体上有1240个差异SNP,6A染色体上有238个差异SNP,分别占差异SNP总数的51.6%、9.9%,初步推测抗白粉病基因可能位于2A或者6A染色体上。3、基于自发斑点细胞坏死RILs（N13039H/N）转录组测序数据,本文以“西农N13039H”为供试材料,在小麦中克隆得到一个GeBP（GLABROUS1 enhancer-binding protein）类似基因,该基因CDS编码区长度为1527bp,编码508个氨基酸,含有一个DUF573结构域和3个核定位信号,Inter Pro比对表明编码蛋白属于GeBP转录因子家族,因此将该基因命名为TaGeBPL。白粉病菌E09侵染条件下的定量q RT-PCR结果表明TaGeBPL基因可能参与了病原菌响应的相关途径;亚细胞定位证实TaGeBPL位于细胞核上;酵母转录激活试验表明TaGeBPL转录因子无转录自激活活性。
张欢[7]（2021）在《SAHA通过调控TGFβ/Smad信号通路在结晶肾损伤模型EMT中的作用及机制研究》文中研究表明慢性肾脏病已经成为一个全球的公共卫生问题,随着终末期肾衰患者的逐年增长,对我国的医疗和经济形成了巨大的负担。梗阻性肾病是引起肾功能衰竭的重要病因,最常见的病因为泌尿系结石,其中主要的成分为草酸钙结石。随着病程迁延反复,结石所导致的梗阻性肾病已成为慢性肾脏病进展的主要病因之一。草酸钙是泌尿系结石的主要组成成分,草酸钙结石占泌尿系结石的80%以上。然而关于肾脏草酸钙结石形成的机制目前仍不十分明确,可能有多种因素参与结石形成,涉及免疫、氧化应激、肾乳头钙斑、多因素等,这些机制研究认为多种因素参与导致的肾小管损伤可能进一步促进结晶的成核、沉积。因此,肾小管损伤可能成为研究肾结石形成一个新的方向。我们结石团队前期的研究结果提示早在草酸钙结晶形成期,既有氧化应激、细胞凋亡、自噬的参与,亦发现有肾小管上皮细胞间质转分化（epithelial mesenchymal transition EMT）的发生,这些因素相互影响可进一步导致肾间质纤维化,加重肾脏病的进展。在此基础上,本课题拟进一步研究在草酸钙结晶形成期,在肾小管上皮细胞损伤发生改变的进程中TGFβ/Smad信号通路的作用,是否可通过乙酰化/去乙酰化的调控通过TGFβ/Smad信号通路抑制结晶肾损伤EMT的发生,延缓肾纤维化的进程,为临床治疗提供新的思路和理论基础。第一部分:基因芯片技术分析TGF-β对于肾小管上皮细胞的作用目的:通过基因芯片技术分析TGF-β刺激HK2细胞,筛选出差异表达基因,然后进一步进行下游的生物信息学分析,筛选和分析TGF-β1对于肾小管上皮细胞的作用和影响。方法:1.运用GEO自带的GEO2R工具对HK-2细胞的48小时对照组和TGF-β1处理组（每组各三个独立重复样本）进行差异基因分析,并且下载R语句在R4.0.3环境中进行进一步整理分析,筛选DEGs。2.使用Benjamini and Hochberg（BH）法将p值调整为错误发现率（false discovery rate,FDR）,并选取FDR<0.05而且log fold change绝对值（|log FC|）>2作为阈值,得到该数据集的DEGs。3.用STRING11.0（https://string-db.org/）进行DEG编码蛋白的相互作用网络分析。结果:1.使用基因芯片技术,从TGFβ刺激的HK2细胞GSE20247数据集中筛选出269个DEGs,其中TGF-β1处理组上调表达基因112个,下调表达基因157个。2.从TGFβ刺激的HK2细胞基因表达谱芯片分析,DEGs分析与GSEA分析发现与TGFβ1/SMAD通路以及EMT相关的24条功能信号通路在TGF-β1处理以后的HK-2细胞中富集。结论:通过对两组基因表达数据的基因芯片分析,与TGFβ1/SMAD通路以及EMT相关的功能信号通路在TGF-β1处理以后的HK-2细胞中富集,所以TGFβ1是肾小管上皮细胞HK2发生EMT现象的重要刺激因素,TGFβ1/Smad通路是其关键通路。第二部分:草酸钙结晶肾损伤模型的构建目的:研究构建合适的草酸结晶肾体外模型,观察TGFβ1/Smad如何参与肾小管上皮细胞损伤的进程,是否可通过调控TGFβ1/SMAD通路从而抑制结晶肾损伤EMT的发生,延缓慢性肾纤维化的进程。方法:1.使用流式细胞技术检测不同浓度草酸钠刺激HK2细胞,HK-2细胞凋亡、线粒体膜电位、胞内ROS的影响;2.不同作用时间条件下,草酸钠对HK2细胞凋亡的影响;3.检测时间梯度、浓度梯度下,HK-2细胞EMT通路相关蛋白表达变化。4.检测草酸钠结晶肾损伤细胞模型中TGFβ/Smad通路蛋白的表达情况。结果:1.流式细胞检测结果显示,随着不同草酸钠浓度（0m M、0.5m M、1m M、2m M、4m M）逐渐增加,细胞凋亡逐渐增加,与空白对照组比较p<0.05。2.当设定草酸钠浓度为1m M时,随着草酸钠作用时间的延长,HK2细胞凋亡明显增加,与对照组相比差异有统计学意义（p<0.05）。3.Smad2、Smad3、Smad7、HDAC1、TGFβ1、TGFBR等基因表达的差异。与空白对照组HK-2细胞相比,Smad2呈现上调,Smad3呈现上调,Smad7自0.5m M浓度草酸钠处理后细胞上升后,后出现浓度梯度依赖的下调。HDAC1、TGFβ、TGFBR均出现草酸钠浓度依赖的上调。4.经过不同时间1m M草酸钠培养液培养后,与空白对照组相比,Smad7呈现下调,作用至12h后,出现上调,但对比空白组仍是下调（p<0.05）。HDAC1呈现上调,TGFβ、TGFBR均出现时间依赖的上调（p<0.05）。上皮细胞标志物E-cadherin呈现时间依赖的下调。间质标志物Vimentin呈现时间依赖的上调。4.1m M草酸作用HK2细胞24小时条件下,Smad2/3、TGFβ的蛋白水平随着草酸刺激时间延长而逐渐上调,上皮细胞标志物ZO-1随着草酸作用时间延长而逐渐下调。结论:中等浓度的草酸（1m M）刺激24小时HK-2细胞可能是比较适宜的结晶肾损伤模型的条件,在这个过程中,出现了TGFβ/Smads信号通路相关蛋白的表达增加,以及EMT的发生。在模型中,随着草酸作用时间的增加,HDAC1表达随之增加。第三部分:SAHA调控TGFβ/Smad信号通路影响草酸钙结晶肾损伤模型中EMT表达目的:探讨通过SAHA对其调控,抑制TGF-β/Smad信号传导,减少EMT,保护肾纤维化。方法:流式细胞学检测去乙酰化酶抑制剂SAHA对结晶肾损伤模型细胞凋亡的影响。westernblot检测SAHA对结晶肾损伤模型TGFβ/Smad通路的影响。Westernblot及免疫荧光检测SAHA对结晶肾损伤模型EMT的影响。结果:1.在草酸刺激HK2细胞结晶肾损伤模型中,相对空白对照组,TGFβ/Smads信号通路蛋白出现了明显的上调,并且导致肾小管细胞失去了上皮细胞形态,出现了上皮标志物下调,间质标志物上调的EMT现象。2.去乙酰化酶抑制剂SAHA通过下调TGFβ/Smads信号通路,改善了模型组出现的EMT现象。结论:SAHA可以通过下调TGFβ/Smads信号通路,改善草酸刺激HK2结晶肾损伤模型的EMT现象,改善肾纤维化。
伍明称[8]（2021）在《基于随机森林算法的肺结节病差异基因筛选及生物信息学分析》文中研究表明目的:本研究旨在利用GEO数据库中收集到的肺结节病基因表达谱数据,应用SAM算法和随机森林算法相结合的方法进行差异基因筛选,通过对肺结节病基因表达谱数据进行一系列的生物信息学分析,研究与肺结节病相关的基因并鉴定其关键调控基因,为肺结节病病因及发病机制的研究提供新的视角,促进人群健康。方法:本研究对肺结节病基因表达谱数据的生物信息学分析可粗略分为数据预处理、差异表达基因筛选和基因功能富集分析及PPI分析三个部分。首先,利用线上GEO数据库,从数据库找到并下载得到肺结节病原始数据,使用稳健多阵列平均算法（RMA）对肺结节病原始数据进行数据进行标准化等预处理,获得利于后续分析的基因表达矩阵。然后,使用SAM算法对处理好的矩阵数据进行初步的差异筛选。随后,对SAM算法初筛得到的差异表达矩阵数据建立随机森林分类模型后,根据随机森林算法给出基因重要性评分,筛选得到最后的差异表达基因。此外,本研究还对所使用的筛选方法与常见的差异基因筛选方法稳健t检验法等进行了稳定性的比较。在获得有意义的肺结节病差异基因后,我们利用在线数据库对肺结节病差异基因进行GO及KEGG富集分析。最后利用STRING数据库对差异表达基因构建蛋白相互相互作用网络,经Cytoscape软件可视化后,使用相关算法找到与肺结节病相关的关键基因。结果:经过SAM算法初筛,得到了9268个差异表达基因。随后建立随机森林分类模型,获得差异表达基因重要性排序,筛选得466个重要差异表达基因。对随机森林算法筛选获得差异表达基因,我们进行了GO功能富集分析和KEGG通路富集分析。通过GO富集分析发现,肺结节病差异表达基因在生物过程上,主要参与了血糖稳态、RNA剪接的调控、氧化还原反应、支气管软骨发育、组织稳态等生物过程;在参与生成的细胞成分上,差异表达基因主要富集在线粒体膜间隙上;在参与的分子功能上,差异表达基因主要参与了水解酶活性等分子功能。通过KEGG通路富集分析,发现差异表达基因主要与嘧啶代谢等代谢途径、ABC转运蛋白通路、趋化因子信号通路、Jak-STAT信号通路、c GMP-PKG信号通路、耐EGFR酪氨酸激酶抑制剂通路、耶尔森菌感染途径、人巨细胞病毒感染以及RNA转运等通路有关。通过STRING数据库,我们构建了466个差异表达基因的蛋白-蛋白相互作用网络图,获得了376个节点,390条边。经过Cytoscape软件可视化后,在cyto Hubba程序中按照四种算法排序的前20个基因进行重叠,一共得到了6个核心基因,分别是AKT1、STAT3、ALYREF、PA2G4、CTGF以及IL13。结论:与常见的稳健t检验筛选方法相比,微阵列显着性分析（SAM）和随机森林算法相结合的方法筛选差异表达基因精确性更好,共获得466个差异表达基因。对筛选得到的差异表达基因进行GO和KEGG富集分析,结果与已有研究基本一致。对肺结节病差异表达基因构建PPI网络及hub基因筛选,得到调控肺结节病发生的关键基因为AKT1、STAT3、ALYREF、PA2G4、CTGF以及IL13。其中STAT3、IL13基因对肺结节病发生的重要性已在相关研究中得到证实。
李元曦[9]（2020）在《可视化猪瘟、非洲猪瘟及猪非典型瘟基因芯片鉴别诊断方法的建立》文中进行了进一步梳理CSF和ASF是由CSFV及ASFV所引起的接触性高、致死率高的传染病。APPV可引起A-II型仔猪先天性震颤,该病具有传染性,严重时可导致仔猪死亡。CSFV、ASFV及APPV对养猪业的危害巨大,所以对其进行流行病学检测及临床快速诊断具有重要意义。目前检测这三种疾病的方法主要是依靠分子生物学方法及血清学方法,而且检测CSFV时还存在难以区分野毒和疫苗弱毒这一临床诊断难题。这些方法往往指标单一、且操作费时费力,难以适用于高通量样本的快速检测。本研究建立了一种针对这3种疫病病原进行鉴别诊断的可视化基因芯片检测方法。研究内容如下:1.引物探针的设计:根据Gen Bank中登录的ASFV的保守序列P72基因、CSFV的保守序列5’UTR端和NS5B蛋白基因、APPV的5’UTR序列,设计各病毒特异性的检测引物及基因探针。同时利用设计好的引物扩增各病原核酸的基因片段,并克隆合成阳性质粒作为标准品。2.可视化猪瘟野毒与疫苗弱毒基因芯片鉴别检测方法的建立:设计高特异性的引物与探针,利用生物素标记克隆出的靶位基因片段后与探针特异性杂交,在与辣根过氧化物酶标记的链霉素结合放大杂交信号后,通过TMB化学沉淀反应显色后凭肉眼观察判定结果。优化反应条件,并对芯片的特异性、灵敏度、稳定性、符合率等进行试验评价。试验结果显示:该芯片具特异性强且稳定性高。对于CSFV野毒和疫苗的质粒标准品单一检测灵敏度可达6.98拷贝/μL和6.92×101拷贝/μL,对于同一阳性质标准品,芯片重复性达100%。检测177份临床样本,结果与国标猪瘟病毒RT-n PCR检测方法（GB/T 26875-2018）相比较,总体符合率为99.43%。3.可视化CSFV、ASFV及APPV基因芯片鉴别检测方法的建立:在CSF野毒与疫苗鉴别诊断基因芯片的基础上,通过优化各引物用量和反应条件,建立了上述病原可视化的基因芯片鉴别检测方法。结果显示,该方法只检测CSFV、ASFV及APPV,对其它10种猪源病毒均不检测,特异性强;对于ASFV质粒标准品单一检测时灵敏度为1.92拷贝/μL;APPV质粒标准品的单一检测灵敏度为1.86×101拷贝/μL;混合联检时灵敏度达到了2.43×102拷贝/μL。对于同一样品,相同批次和不同批次的芯片均检测结果重复性达99.56%。保存期试验结果表明该芯片可在4℃条件下保存240 d。对219份临床样本进行检测,并且与标准检测方法相比较,总体符合率达到了99.08%。本研究建立的可视化基因芯片检测方法,其特异性强、灵敏度高且检测结果直观,判定简便,可在2小时内完成对3种猪重要疫病的鉴别检测。在基层开展猪传染病的流行病学监测乃至我国猪病的防控和净化方面具有良好的应用前景。
杨星哲,李峰,吴凤芝,李杰,徐一菲,王雪娇,王若冲,何青鋆,谭丽博[10]（2021）在《疲劳基因学研究进展》文中研究表明疲劳是指开展或维持随意活动过程中出现障碍的表现,既可作为独立的疾病,又可作为多种疾病中出现的症状。疲劳发生率高,严重影响人们的身心健康,防治疲劳成为亟待解决的重要问题。疲劳的发病机制主要包括能量损耗、代谢产物堆积、递质分泌失常、线粒体功能下降、下丘脑-垂体-肾上腺轴功能失调等,目前国内外还没有形成统一的认识。疲劳的基因学研究是目前的研究前沿,基因表达谱研究为疲劳的机制研究提供了新的方法,基因芯片技术与中医学理论相结合,有望给疲劳的发病机制研究带来突破性进展。在疲劳的基因芯片研究中,信使RNA（mRNA）和微小RNA（miRNA）是常见的研究对象,而围绕某一具体信号通路对疲劳的基因表达规律及中医药治疗疲劳有效调控靶点的探索较少。近年来,中枢神经系统奖励和抑制作用的功能失调成为研究热点,尤其是γ氨基丁酸（GABA）和多巴胺（DA）分别作为抑制作用和奖励机制的主导物质备受关注。GABA和DA主导的抑制作用和奖励机制维持平衡则机体无疲劳感,而平衡一旦被打破,则疲劳感形成。同时,DA和GABA受体还可通过调控环磷酸腺苷（cAMP）信号通路来影响机体的疲劳感。运用基因芯片技术对GABA/DA平衡机制及相关cAMP信号通路中的关键基因进行研究有望深入揭示疲劳的发病机制。采用基因芯片的方法,检测疲劳人群和正常人群中GABA/DA信号通路及相关cAMP信号通路中关键基因表达的变化,可以深入探讨疲劳的发病机制。基于此,该文对和疲劳相关的GABA/DA平衡机制及相关cAMP信号通路中的关键基因进行总结归纳,为从基因学研究角度有针对性地深入探讨疲劳的发病机制并进行有效防治提供依据。
二、基因芯片的研究进展（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、基因芯片的研究进展（论文提纲范文）
（1）基于数据挖掘联合基因芯片的中医治疗晚期胃癌用药规律和作用机制（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号说明 |
| 第一部分 文献综述 |
| 综述一 晚期胃癌的中西医结合研究进展 |
| 1 胃癌的中医溯源 |
| 1.1 病因病机 |
| 1.2 中医药论治 |
| 2 西医治疗晚期胃癌的研究进展 |
| 2.1 病因 |
| 2.2 晚期胃癌的治疗手段 |
| 3 总结和展望 |
| 参考文献 |
| 综述二 数据挖掘与生物信息学在中医药的应用 |
| 1 数据挖掘的概念 |
| 2 数据挖据在中医药的应用 |
| 2.1 用于中医证候分析 |
| 2.2 用于中药处方规律分析 |
| 2.3 用于方剂配伍规律分析 |
| 2.4 用于名老中医经验传承 |
| 2.5 用于中医药其他领域 |
| 3 生物信息学的概念 |
| 3.1 生物信息学分析工具 |
| 3.2 生物信息学在中医药的应用 |
| 4 小结与展望 |
| 参考文献 |
| 前言 |
| 第二部分 研究部分 |
| 研究内容一 135例晚期胃癌患者的中医处方用药规律挖掘 |
| 1 研究内容 |
| 1.1 数据来源 |
| 1.2 纳入标准 |
| 1.3 排除标准 |
| 1.4 受益人群定义 |
| 2 研究方法 |
| 2.1 资料收集 |
| 2.2 分析软件 |
| 2.3 规范处方药名 |
| 2.4 数据录入和核对 |
| 2.5 数据分析 |
| 3 结果 |
| 3.1 基本信息统计 |
| 3.2 药物频次统计 |
| 3.3 药物性味归经统计 |
| 3.4 药物功效统计 |
| 3.5 药物关联规则分析 |
| 3.6 药物聚类分析 |
| 4 讨论 |
| 4.1 基本信息分析 |
| 4.2 药物频次分析 |
| 4.3 药物功效分析 |
| 4.4 药物性味归经分析 |
| 4.5 药物组方规律和关联分析 |
| 4.6 核心药物分析 |
| 4.7 不足与展望 |
| 研究内容二 基于网络药理学联合基因芯片分析核心药物组合治疗胃癌作用机制 |
| 1 研究目的 |
| 2 资料和方法 |
| 2.1 筛选药物活性成分和靶点 |
| 2.2 筛选胃癌作用靶点 |
| 2.3 构建PPI网络 |
| 2.4 GO和KEGG富集分析 |
| 2.5 关键靶点与胃癌预后的关联性 |
| 3 结果 |
| 3.1 “黄芪-党参-陈皮-半夏-茯苓”有效活性成分和靶点 |
| 3.2 胃癌作用靶点 |
| 3.3 胃癌差异基因的PPI网络图 |
| 3.4 “药物-疾病“共同靶点PPI网络图 |
| 3.5 共同靶点PPI网络拓扑分析 |
| 3.6 “有效成分-共同靶点”可视化网络图的构建 |
| 3.7 GO和KEGG功能富集分析 |
| 3.8 关键靶点与胃癌预后的关联性 |
| 4 讨论 |
| 4.1 “黄芪-党参-陈皮-半夏-茯苓”有效活性成分分析 |
| 4.2 关键靶点分析 |
| 4.3 通路富集分析 |
| 4.4 关键靶点与胃癌预后的关联性 |
| 结语 |
| 参考文献 |
| 致谢 |
| 个人简介 |
（2）基于芯片数据进行生物信息学分析以构建多发性骨髓瘤lncRNA相关的预后风险模型及验证（论文提纲范文）
| 摘要 |
| abstract |
| 中英文缩略词表 |
| 前言 |
| 第1章 多发性骨髓瘤lncRNA预后风险特征模型的构建和验证 |
| 1 引言 |
| 第1节 构建多发性骨髓瘤lncRNA预后风险特征模型 |
| 2 材料 |
| 2.1 基因芯片表达数据 |
| 2.2 芯片平台及基因注释文件 |
| 3 方法 |
| 3.1 基因芯片中样本数据的处理 |
| 3.2 基因芯片中lncRNA注释 |
| 3.3 单因素风险分析 |
| 3.4 rbsurv降维分析和多因素cox回归分析 |
| 3.5 ROC曲线分析 |
| 3.6 统计方法 |
| 4 结果 |
| 4.1 多发性骨髓瘤预后相关lncRNAs的鉴别 |
| 4.2 预后相关lncRNAs进行rbsurv降维分析 |
| 4.3 多因素cox回归分析并建立多发性骨髓瘤lncRNA预后模型 |
| 5 结论 |
| 第2节 多发性骨髓瘤lncRNA预后风险模型的验证 |
| 2 材料 |
| 2.1 基因芯片表达数据 |
| 2.2 芯片平台及基因注释文件 |
| 3 方法 |
| 3.1 基因芯片中样本数据的处理 |
| 3.2 基因芯片中lncRNA注释 |
| 3.3 单因素风险分析 |
| 3.4 rbsurv降维分析和多因素cox回归分析 |
| 3.5 ROC曲线分析 |
| 3.6 统计方法 |
| 4 结果 |
| 4.1 内部验证数据集验证多发性骨髓瘤7-lncRNA预后风险模型 |
| 4.2 内部所有数据集验证多发性骨髓瘤7-lncRNA预后风险模型 |
| 4.3 外部数据集验证多发性骨髓瘤7-lncRNA预后风险模型 |
| 4.4 多发性骨髓瘤7-lncRNA预后风险模型与文献发表模型比较 |
| 5 结论 |
| 6 讨论 |
| 第2章 分析预后风险特征模型与生物学功能、免疫及亚型之间的关系 |
| 1 引言 |
| 2 材料 |
| 2.1 基因芯片表达数据 |
| 2.2 芯片平台及基因注释文件 |
| 3 方法 |
| 3.1 基因芯片中样本数据的处理 |
| 3.2 基因芯片中lncRNA注释 |
| 3.3 单因素风险分析 |
| 3.4 rbsurv降维分析和多因素cox回归分析 |
| 3.5 ROC曲线分析 |
| 3.6 GSEA功能富集分析 |
| 3.7 免疫得分计算 |
| 3.8 统计方法 |
| 4 结果 |
| 4.1 预后风险模型与生物学功能的关系 |
| 4.2 预后风险模型与免疫评分的关系 |
| 4.3 预后风险模型与多发性骨髓瘤亚型的关系 |
| 5 结论 |
| 6 讨论 |
| 第3章 多发性骨髓瘤预后模型7-lncRNA在组织及细胞中的验证 |
| 1 引言 |
| 2.材料 |
| 2.1 多发性骨髓瘤细胞系 |
| 2.2 多发性骨髓瘤标本收集 |
| 2.3 主要试剂 |
| 2.4 主要仪器设备 |
| 3 方法 |
| 3.1 细胞培养 |
| 3.2 细胞转染 |
| 3.3 原代骨髓瘤细胞的分离纯化及培养 |
| 3.4 细胞RNA提取和荧光定量PCR |
| 3.5 软琼脂克隆形成实验 |
| 3.6 CCK-8 实验 |
| 3.7 数据分析及统计方法 |
| 4 结果 |
| 4.1 观察多发性骨髓瘤患者骨髓浆细胞中7-lncRNA的表达情况并分析其表达和患者预后之间的相关性 |
| 4.2 在多发性骨髓瘤细胞中改变7-lncRNAs的表达,观察细胞增殖能力的变化 |
| 5 结论 |
| 6 讨论 |
| 全文总结 |
| 致谢 |
| 参考文献 |
| 攻读学位期间的研究成果 |
| 综述 长链非编码RNA在多发性骨髓瘤中的研究进展 |
| 参考文献 |
（3）基于网络药理学联合基因芯片数据探讨小柴胡汤治疗肝炎-肝硬化-肝癌的机制演变（论文提纲范文）
| 中英文缩略表 |
| 摘要 |
| Abstract |
| 前言 |
| 第一章 小柴胡汤治疗HB的网络药理学分析 |
| 1. 材料与方法 |
| 1.1 小柴胡汤活性成分筛选与靶基因收集 |
| 1.2 HB基因芯片数据选取与DEGs的筛选 |
| 1.3 PPI网络构建与小柴胡汤治疗HB的核心靶基因筛选 |
| 1.4 小柴胡汤治疗HB核心靶基因的GO富集 |
| 1.5 小柴胡汤治疗HB核心靶基因的KEGG富集 |
| 2. 结果 |
| 2.1 小柴胡汤活性成分基本信息 |
| 2.2 HB的DEGs筛选 |
| 2.3 PPI网络构建与小柴胡汤治疗HB的核心靶基因筛选 |
| 2.4 GO功能富集分析 |
| 2.5 KEGG信号通路富集 |
| 3. 讨论 |
| 第二章 小柴胡汤治疗LC的网络药理学分析 |
| 1. 材料与方法 |
| 1.1 LC基因芯片数据选取与DEGs的筛选 |
| 1.2 PPI网络构建与小柴胡汤治疗LC的核心靶基因筛选 |
| 1.3 小柴胡汤治疗LC核心靶基因的GO富集 |
| 1.4 小柴胡汤治疗LC核心靶基因的KEGG富集 |
| 2. 结果 |
| 2.1 LC的DEGs筛选 |
| 2.2 PPI网络构建与小柴胡汤治疗LC的核心靶基因筛选 |
| 2.3 GO功能富集分析 |
| 2.4 KEGG信号通路富集 |
| 3. 讨论 |
| 第三章 小柴胡汤治疗HCC的网络药理学分析 |
| 1. 材料与方法 |
| 1.1 HCC基因芯片数据选取与DEGs的筛选 |
| 1.2 PPI网络构建与小柴胡汤治疗HCC的核心靶基因筛选 |
| 1.3 小柴胡汤治疗HCC核心靶基因的GO富集 |
| 1.4 小柴胡汤治疗HCC核心靶基因的KEGG富集 |
| 1.5 核心靶基因生存分析 |
| 2. 结果 |
| 2.1 HCC的DEGs筛选 |
| 2.2 PPI网络构建与小柴胡汤治疗HCC的核心靶基因筛选 |
| 2.3 GO功能富集分析 |
| 2.4 KEGG信号通路富集 |
| 2.5 核心靶基因生存分析 |
| 3. 讨论 |
| 小结 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（4）NSD2沉默对三阴乳腺癌基因表达谱及生物学行为的影响（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 课题资助情况 |
| 缩略语中英对照表 |
| 前言 |
| 1 三阴乳腺癌 |
| 2 NSD2 与肿瘤 |
| 3 NSD2 与乳腺癌 |
| 第1章 NSD2 基因沉默对MDA-MB-231 细胞基因表达谱的影响 |
| 引言 |
| 1 基因芯片技术 |
| 2 生物信息学技术 |
| 3 生物信息学常用数据库简介 |
| 1.1 实验材料 |
| 1.1.1 细胞来源 |
| 1.1.2 主要试剂 |
| 1.1.3 主要仪器 |
| 1.1.4 主要耗材 |
| 1.1.5 常用试剂配制 |
| 1.2 实验方法 |
| 1.2.1 细胞培养 |
| 1.2.2 细胞转染与稳定株筛选 |
| 1.2.3 Realtime PCR |
| 1.2.4 基因芯片制作 |
| 1.2.5 差异表达基因的筛选 |
| 1.2.6 蛋白-蛋白相互作用网络的构建 |
| 1.2.7 KEGG信号通路富集分析 |
| 1.2.8 GO功能富集分析 |
| 1.2.9 Hub基因的筛选 |
| 1.2.10 Hub基因的预后功能分析 |
| 1.2.11 图像处理及统计学方法 |
| 1.3 实验结果 |
| 1.3.1 慢病毒介导沉默NSD2的MDA-MB-231稳定细胞株的建立 |
| 1.3.2 NSD2在MDA-MB-231 NC/KD细胞中的表达水平 |
| 1.3.3 基因芯片样品总RNA质量检测评估 |
| 1.3.4 基因芯片数据质量评估 |
| 1.3.5 数据过滤 |
| 1.3.6 基因表达谱芯片显着性差异分析 |
| 1.3.7 显着性差异基因的生物信息学分析 |
| 1.4 讨论 |
| 1.5 小结 |
| 第2章 NSD2 基因沉默对MDA-MB-231细胞生物学行为及PTX药物敏感性的影响 |
| 引言 |
| 2.1 实验材料 |
| 2.2 实验方法 |
| 2.2.1 实验方案流程图 |
| 2.2.2 细胞培养 |
| 2.2.3 CCK-8 检测细胞对PTX的敏感性 |
| 2.2.4 慢病毒转染NSD2 sh RNA及稳定细胞株的筛选 |
| 2.2.5 Realtime PCR |
| 2.2.6 实验分组 |
| 2.2.7 Hoechst(33258)细胞凋亡染色 |
| 2.2.8 流式细胞术细胞凋亡检测 |
| 2.2.9 Western Blot蛋白免疫印迹 |
| 2.2.10 细胞死亡受体通路相关基因预后功能分析 |
| 2.3 实验结果 |
| 2.3.1 MDA-MB-231 细胞对PTX的药物敏感性 |
| 2.3.2 慢病毒介导的sh RNA靶向沉默NSD2 MDA-MB-231 稳定细胞株的建立 |
| 2.3.3 沉默NSD2 表达联合PTX培养对MDA-MB-231 细胞存活率的影响 |
| 2.3.4 沉默NSD2 表达联合PTX培养诱导MDA-MB-231 细胞凋亡 |
| 2.3.5 沉默NSD2 表达联合PTX培养对MDA-MB-231 细胞中死亡受体信号通路的影响 |
| 2.3.6 死亡受体信号通路相关蛋白对乳腺癌预后的影响 |
| 2.4 讨论 |
| 2.5 小结 |
| 结论 |
| 附录 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文与研究成果 |
（5）广西地区非综合征性聋家系耳聋基因全外显子组测序研究（论文提纲范文）
| 中文摘要 |
| abstract |
| 引言 |
| 第一部分 NSHL基因的概述 |
| 1 常染色体隐性遗传性NSHL基因 |
| 1.1 GJB2基因 |
| 1.2 SLC26A4基因 |
| 1.3 MYO15A基因 |
| 1.4 OTOF基因 |
| 1.5 CDH23基因 |
| 1.6 TMC1基因 |
| 2 常染色体显性遗传性NSHL基因 |
| 2.1 WFS1基因 |
| 2.2 KCNQ4基因 |
| 2.3 COCH基因 |
| 3 X-连锁隐性遗传性NSHL基因 |
| 3.1 PRPS1基因 |
| 3.2 POU3F4基因 |
| 3.3 SMPX基因 |
| 3.4 AIFM1基因 |
| 3.5 COL4A6基因 |
| 第二部分 耳聋基因的常见检测技术概述 |
| 1基因芯片技术 |
| 2 一代测序技术 |
| 3 二代测序技术 |
| 4 多重连接探针扩增技术 |
| 第三部分 广西地区NSHL家系耳聋基因全外显子组测序研究的实验研究 |
| 1 研究目的 |
| 2 研究对象 |
| 3 研究方法 |
| 3.1 诊断标准 |
| 3.2 入选标准 |
| 3.3 排除标准 |
| 3.4 病史采集方法 |
| 3.5 相关医学检查 |
| 4.实验方法 |
| 4.1 主要实验仪器设备 |
| 4.2 主要实验试剂 |
| 4.3 HL基因芯片筛查 |
| 4.4 全外显子组测序及数据分析 |
| 4.5 Sanger测序 |
| 4.6 氨基酸保守性分析 |
| 4.7 ACMG制定的变异解读标准 |
| 5 研究结果 |
| 5.1 临床资料分析结果 |
| 5.2基因检测结果 |
| 5.3 新发现病突变位点氨基酸保守性分析结果 |
| 5.4 HL家系基因突变情况分析 |
| 6 讨论 |
| 6.1 MYO15A基因突变与NSHL |
| 6.2 TRIOBP基因突变与NSHL |
| 6.3 广西地区HL基因突变情况 |
| 结论 |
| 参考文献 |
| 缩略词表或索引 |
| 综述 非综合征性聋耳聋基因的研究进展 |
| 参考文献 |
| 致谢 |
| 个人简历及攻读学位期间获得的科研成果 |
（6）小麦N0883抗病基因与斑点基因遗传分析及TaGeBPL基因克隆与表达分析（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 文献综述 |
| 1.1 小麦条锈病的研究进展 |
| 1.1.1 小麦条锈病发病规律及特征 |
| 1.1.2 小麦条锈病的发生与危害 |
| 1.1.3 小麦抗条锈病基因 |
| 1.2 小麦白粉病的研究进展 |
| 1.2.1 小麦白粉病发病规律及特征 |
| 1.2.2 小麦白粉病的发生与危害 |
| 1.2.3 小麦抗白粉病基因 |
| 1.3 小麦抗病性及主效抗病基因的遗传分析 |
| 1.4 类病斑研究进展 |
| 1.4.1 类病斑突变体的概念及特点 |
| 1.4.2 类病斑产生的分子机制 |
| 1.4.3 类病斑在植物中的研究进展及抗病性 |
| 1.5 基于分子标记和BSA的基因定位 |
| 1.5.1 分子标记与SNP基因芯片 |
| 1.5.2 BSA原理及应用 |
| 1.6 植物GeBP转录因子研究进展 |
| 1.7 研究目的、意义与内容 |
| 1.8 技术路线 |
| 1.8.1 小麦抗病基因与斑点基因等位性测验及遗传分析 |
| 1.8.2 小麦TaGeBPL基因的克隆及表达分析 |
| 第二章 小麦抗病基因与斑点基因等位性测验及遗传分析 |
| 2.1 材料与方法 |
| 2.1.1 试验材料 |
| 2.1.2 种植方案 |
| 2.1.3 小麦条锈病和白粉病的抗病性鉴定 |
| 2.1.4 斑点性状调查 |
| 2.1.5 DNA提取与抗感池构建 |
| 2.1.6 分子标记筛选 |
| 2.1.7 SNP基因芯片扫描 |
| 2.2 结果 |
| 2.2.1 小麦抗病性状与斑点性状的分离情况 |
| 2.2.2 N0883/丰1718 杂交群体抗条锈病遗传分析 |
| 2.2.3 N0883/远丰175 杂交群体抗白粉病遗传分析 |
| 2.2.4 斑点性状遗传分析 |
| 2.2.5 抗病基因SSR筛选结果及SNP分型分析 |
| 2.2.6 斑点基因SSR筛选结果 |
| 2.3 讨论 |
| 2.3.1 小麦N0883 中的抗病基因与斑点基因 |
| 2.3.2 小麦中斑点基因以及在生产上的应用 |
| 2.3.3 小麦抗白粉病隐性基因的现状及应用 |
| 第三章 小麦TaGeBPL基因的克隆及表达分析 |
| 3.1 材料与方法 |
| 3.1.1 材料 |
| 3.1.2 材料处理 |
| 3.1.3 RNA提取及逆转录cDNA合成 |
| 3.1.4 引物设计 |
| 3.1.5 TaGeBPL基因的克隆及生物信息学分析 |
| 3.1.6 亚细胞定位 |
| 3.1.7 自激活验证 |
| 3.1.8 实时荧光定量PCR |
| 3.2 结果 |
| 3.2.1 目的片段扩增与生物学分析 |
| 3.2.2 GeBP蛋白同源性及系统发育分析 |
| 3.2.3 启动子区序列结构分析 |
| 3.2.4 小麦TaGeBPL基因的表达分析 |
| 3.2.5 小麦TaGeBPL的亚细胞定位 |
| 3.2.6 TaGeBPL转录激活活性检测 |
| 3.3 讨论 |
| 第四章 结论 |
| 参考文献 |
| 致谢 |
| 个人简历 |
（7）SAHA通过调控TGFβ/Smad信号通路在结晶肾损伤模型EMT中的作用及机制研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 缩略词表 |
| 前言 |
| 参考文献 |
| 第一部分:基因芯片技术分析TGF-β对于肾小管上皮细胞的作用 |
| 引言 |
| 一、材料与方法 |
| 二、结果与讨论 |
| 三、结论 |
| 参考文献 |
| 第二部分:草酸钙结晶肾损伤模型的构建 |
| 引言 |
| 一、材料与方法 |
| 二、实验结果与讨论 |
| 三、结论 |
| 参考文献 |
| 第三部分:SAHA调控TGFβ/Smad信号通路影响草酸钙结晶肾损伤模型中EMT表达 |
| 引言 |
| 一、材料与方法 |
| 二、实验结果与讨论 |
| 三、结论 |
| 参考文献 |
| 全文总结 |
| 文献综述 EMT与肾纤维化 |
| 参考文献 |
| 发表论文及科研成果 |
| 致谢 |
（8）基于随机森林算法的肺结节病差异基因筛选及生物信息学分析（论文提纲范文）
| 摘要 |
| Abstract |
| 英文缩略词 |
| 1 前言 |
| 2 材料和方法 |
| 2.1 芯片数据来源 |
| 2.2 分析方法 |
| 2.2.1 原始数据预处理 |
| 2.2.2 差异表达基因获取 |
| 2.2.3 差异表达基因筛选方法稳定性的比较 |
| 2.2.4 差异表达基因的富集分析 |
| 2.2.5 差异表达基因的蛋白互作网络分析(PPI)及hub基因的获取 |
| 3 结果 |
| 3.1 原始数据预处理结果 |
| 3.1.1 质量控制结果 |
| 3.1.2 背景校正、标准化和数据汇总结果 |
| 3.2 差异基因筛选结果 |
| 3.2.1 SAM法初筛结果 |
| 3.2.2 随机森林变量筛选结果 |
| 3.3 筛选方法稳定性比较结果 |
| 3.4 差异基因的GO与 KEGG富集分析结果 |
| 3.4.1 GO富集分析结果 |
| 3.4.2 KEGG富集分析结果 |
| 3.5 PPI网络构建与hub基因筛选结果 |
| 4 讨论 |
| 5 结论 |
| 本研究创新性的自我评价 |
| 参考文献 |
| 综述 基因芯片数据生物信息学分析的研究 |
| 参考文献 |
| 社会实践 |
| 个人简介 |
| 致谢 |
（9）可视化猪瘟、非洲猪瘟及猪非典型瘟基因芯片鉴别诊断方法的建立（论文提纲范文）
| 摘要 |
| Summary |
| 缩略语表 |
| 第一章 基因芯片技术及猪重大传染病检测技术研究进展 |
| 1 基因芯片技术及其应用 |
| 1.1 基因芯片的原理 |
| 1.2 基因芯片的分类 |
| 1.3 基因芯片的技术流程 |
| 1.4 基因芯片的应用 |
| 1.4.1 基因芯片在医学领域的应用 |
| 1.4.2 基因芯片在遗传性疾病诊断方面的应用 |
| 1.4.3 基因芯片在致病菌研究中的应用 |
| 1.4.4 基因芯片在传染病诊断中的应用 |
| 2 猪重大疫病检测技术研究进展 |
| 2.1 猪瘟及猪瘟病毒 |
| 2.2 猪瘟病毒的鉴别检测技术 |
| 2.2.1 病毒分离培养 |
| 2.2.2 血清学检测方法 |
| 2.2.3 分子生物学检测方法 |
| 2.3 非洲猪瘟及非洲猪瘟病毒 |
| 2.4 非洲猪瘟的诊断技术 |
| 2.4.1 PCR检测方法 |
| 2.4.2 荧光定量PCR |
| 2.4.3 ELISA检测方法 |
| 2.4.4 胶体金免疫层析试纸条 |
| 2.4.5 红细胞吸附试验 |
| 2.4.6 快速诊断和早期诊断方法 |
| 2.5 猪非典型瘟病毒 |
| 2.6 猪非典型性瘟病毒的诊断技术 |
| 3 研究展望 |
| 第二章 可视化猪瘟基因芯片鉴别检测方法的建立 |
| 1 材料与方法 |
| 1.1 材料 |
| 1.1.1 试剂 |
| 1.1.2 仪器 |
| 1.1.3 毒株 |
| 1.2 方法 |
| 1.2.1 引物与探针设计 |
| 1.2.2 重组阳性质粒的构建 |
| 1.2.3 基因芯片的制备 |
| 1.2.4 基因芯片的杂交反应 |
| 1.2.5 结果的判定 |
| 1.2.6 二重PCR扩增反应的建立及优化 |
| 1.2.7 基因芯片杂交反应条件的优化 |
| 1.2.8 芯片的特异性试验 |
| 1.2.9 芯片的敏感性试验 |
| 1.2.10 芯片的可重复性 |
| 1.2.11 与标准检测方法符合率的比较 |
| 2 结果 |
| 2.1 重组阳性质粒构建 |
| 2.2 PCR反应条件优化 |
| 2.2.1 退火温度优化 |
| 2.2.2 延伸时间优化 |
| 2.2.3 引物浓度优化 |
| 2.3 基因芯片杂交反应条件的优化 |
| 2.3.1 SA-HRP最佳稀释度优化 |
| 2.3.2 杂交时间优化 |
| 2.4 基因芯片的特异性 |
| 2.5 芯片的敏感性 |
| 2.6 芯片的可重复性 |
| 2.7 与标准检测方法结果符合率的比较 |
| 3 讨论 |
| 本章小结 |
| 第三章 可视化猪瘟、非洲猪瘟及猪非典型瘟基因芯片鉴别诊断方法的建立及初步应用 |
| 1.材料与方法 |
| 1.1 材料 |
| 1.1.1 试剂 |
| 1.1.2 仪器 |
| 1.1.3 毒株 |
| 1.2 方法 |
| 1.2.1 引物与探针设计 |
| 1.2.2 重组阳性质粒的构建 |
| 1.2.3 基因芯片的制备 |
| 1.2.4 探针的筛选 |
| 1.2.5 PCR扩增反应的建立及优化 |
| 1.2.6 芯片的特异性试验 |
| 1.2.7 芯片的敏感性试验 |
| 1.2.8 芯片的可重复性 |
| 1.2.9 芯片的保存期 |
| 1.2.10 与标准检测方法符合率的比较 |
| 2 结果 |
| 2.1 探针的筛选 |
| 2.2 重组阳性质粒构建 |
| 2.3 PCR反应条件优化 |
| 2.3.1 PCR反应退火温度的优化 |
| 2.3.2 PCR反应延伸时间的优化 |
| 2.3.3 PCR反应引物浓度的优化 |
| 2.4 基因芯片的特异性 |
| 2.5 芯片的敏感性 |
| 2.6 芯片的可重复性 |
| 2.7 芯片的保存期 |
| 2.8 与标准检测方法结果符合率的比较 |
| 3 讨论 |
| 本章小结 |
| 第四章 全文总结 |
| 参考文献 |
| 致谢 |
| 作者简介 |
| 在读期间发表论文和成果 |
| 导师简介 |
（10）疲劳基因学研究进展（论文提纲范文）
| 1 疲劳的发病机制与基因易感性密切相关 |
| 2 基于基因芯片技术的基因表达谱研究为探究疲劳发生机制提供了新方法 |
| 3 将基因芯片技术与中医学理论相结合，有望对疲劳研究带来突破性进展 |
| 3.1 基因芯片技术和中医学理论的结合，有助于阐释中医证候的科学内涵 |
| 3.2 基因芯片技术和中医学理论的结合，有助于全面精准分析中药复方的作用机制 |
| 3.3 基因芯片技术和中医学理论的结合，有助于明确中医病因病机的物质基础 |
| 4 运用基因芯片技术对GABA/DA平衡机制及相关c AMP信号通路中的关键基因进行研究具有重要意义 |
| 4.1 c AMP依赖性蛋白激酶Ⅱ型α调节亚单位基因（PRKAR2A) |
| 4.2 c AMP应答元件调制因子基因（CREM) |
| 4.3 儿茶酚-O-甲基转移酶编码基因（COMT），多巴胺受体D1基因（DRD1),DRD2和多巴胺转运体基因（DAT1) |
| 4.4 谷氨酸脱羧酶基因（GAD)65,GAD67，γ氨基丁酸受体B基因（GABABR），γ氨基丁酸受体A基因（GABAAR） |
| 4.5 蛋白激酶A(PKA) |
| 4.6环磷腺苷效应元件结合蛋白（CREB）及脑源性神经营养因子（BDNF |
| 5 结语 |
四、基因芯片的研究进展（论文参考文献）
- [1]基于数据挖掘联合基因芯片的中医治疗晚期胃癌用药规律和作用机制[D]. 许晶. 北京中医药大学, 2021(08)
- [2]基于芯片数据进行生物信息学分析以构建多发性骨髓瘤lncRNA相关的预后风险模型及验证[D]. 钟赟. 南昌大学, 2021(01)
- [3]基于网络药理学联合基因芯片数据探讨小柴胡汤治疗肝炎-肝硬化-肝癌的机制演变[D]. 郑雅. 宜春学院, 2021(08)
- [4]NSD2沉默对三阴乳腺癌基因表达谱及生物学行为的影响[D]. 赵金辉. 大理大学, 2021
- [5]广西地区非综合征性聋家系耳聋基因全外显子组测序研究[D]. 冯梦龙. 广西中医药大学, 2021(02)
- [6]小麦N0883抗病基因与斑点基因遗传分析及TaGeBPL基因克隆与表达分析[D]. 王蒙蒙. 西北农林科技大学, 2021
- [7]SAHA通过调控TGFβ/Smad信号通路在结晶肾损伤模型EMT中的作用及机制研究[D]. 张欢. 中国人民解放军海军军医大学, 2021(01)
- [8]基于随机森林算法的肺结节病差异基因筛选及生物信息学分析[D]. 伍明称. 中国医科大学, 2021(02)
- [9]可视化猪瘟、非洲猪瘟及猪非典型瘟基因芯片鉴别诊断方法的建立[D]. 李元曦. 甘肃农业大学, 2020(09)
- [10]疲劳基因学研究进展[J]. 杨星哲,李峰,吴凤芝,李杰,徐一菲,王雪娇,王若冲,何青鋆,谭丽博. 中国实验方剂学杂志, 2021(08)