多因素癌症诊断分类模型的建立和应用.pdfVIP

《生命的化学》2010年30卷3期 · 368 · ● Mini Review CHEMISTRY OF LIFE 2010，30(3) 文章编号: 1000-1336(2010)03-0368-06 多因素癌症诊断分类模型的建立和应用 孙 淳 刘银坤 复旦大学附属中山医院肝癌研究所，上海 200032 摘要：随着基因组学、蛋白质组学技术的运用，对癌症相关分子标志物的筛选，以及基于多个分子标志物的诊断 分类模型，成为近年来研究癌症诊断问题的热门途径。本文介绍了如何从基因芯片和质谱等数据库中筛选有诊断 作用的分子标志物，以及构建高敏感性、高特异性诊断分类模型的技术路线；并根据在各类肿瘤中的研究实例，分 析各分类算法的特点。 关键词：分子标记物、生物信息学、分类模型 中图分类号：Q3 临床上对癌症的诊断，一般依赖于影像学资料 1.1数据的预处理 及若干诊断标记物。这些标记物包括各类癌细胞抗 因为实验过程中存在着多种 “技术”的和 “生 原以及各类糖链抗原，如甲胎球蛋白、癌胎抗原等。 物学”的影响因素，在比较多个实验数据前，必须 然而由于基于单个分子标记物的癌症诊断分类模型， 对原始数据进行归一化处理，以减少或消除各个实 尚未表现出令人信服的敏感性和特异性，新的癌症 验间的差异。 相关的组织或血清分子标记物的筛选和鉴定、评估 在基因芯片实验中，“看家基因”常被作为对 [1,2] 其诊断价值已经成为肿瘤研究的重要领域之一 。 照，利用对照点信号和样品点信号的比值，来减小 癌症作为一种多因素、多通路参与的疾病，需要对 “技术”误差。“生物学”的误差则通常由重复实验 疾病信号分子更加全面的、丰富的了解，辅以生物 来优化。在具体计算中，基因芯片数据的归一化经 信息学数据挖掘的技术，构建出基于多个标记物的 常借助于Lowess回归来实现，随后一般会通过Sig- 诊断分类模型，以提高诊断准确率。本文将对近年 软件筛选差异表 来相关的研究成果进行简要介绍。 达基因，并对其进行聚类分析。 1.数据挖掘技术路线 在质谱实验中，在得到基于多肽组的原始谱图 基因组及转录组的芯片技术和蛋白质组及代谢 后，一般要先进行谱图的校准。谱图的校准旨在保 组学的质谱技术作为目前最常用的实时、高通量检 证同一样品中同一峰的强度在多次测量中保持一致， 测方法，在疾病分子标记物的筛选中起了核心作用， 除了商品化质谱仪自带的配套软件，一些研究小组 其所得到的海量数据在利用生物信息学分析技术进 还开发了在文件格式上更具普适性的软件，以克服 [3] 行数据挖掘后，将对疾病的分类诊断产生重要意义。 各类上下游分析软件的格式兼容问题 。在谱图被 构建疾病分类模型，通常需要进行如下几步工作： 校准后，仍需对其进行消噪和标准化。消噪处理包 数据的预处理、特征选择及分类算法选择和数学模 括去除基质、电子干扰以及离子无规则运动等造成 [4,5] 型的检验。 的干扰以及校正谱图的基线 。标准化旨在消除样 本或仪器所造成的系统误差，通常使用所得峰的平 收稿日期：2009-12-08