胰腺癌體液腫瘤標誌物的系統挖掘與機理分析

《胰腺癌體液腫瘤標誌物的系統挖掘與機理分析》是依託吉林大學，由王岩擔任項目負責人的面上項目。

基本介紹

• 中文名：胰腺癌體液腫瘤標誌物的系統挖掘與機理分析
• 項目類別：面上項目
• 項目負責人：王岩
• 依託單位：吉林大學

項目摘要

腫瘤標誌物在癌症早期診斷及發生髮展機理研究中具有重要作用；胰腺癌作為致死率和惡性程度高的癌症則備受關注。隨著轉錄組和其它組學技術的迅猛發展，研究者已在基因表達水平上獲得了大量腫瘤相關數據。如何利用生物信息學技術，在海量數據中系統高效地挖掘胰腺癌高效特異的臨床易檢測體液標誌物，並揭示其內在機理，已成為當前腫瘤分子標誌物研究的前沿課題，對於我國胰腺癌的診斷和個性化治療具有實際意義。..本項目融合計算智慧型、統計分析和生物信息學技術，與醫學和腫瘤學家緊密合作，自主產生胰腺癌轉錄組數據，並蒐集整理已有相關腫瘤組學數據，系統地挖掘其中隱含的關聯信息，預測胰腺癌中特異腫瘤複合標誌物；搭建新預測模型，提取能夠進入血液、尿液和唾液等易於臨床檢測的體液複合腫瘤標誌物；融合其它組學信息和生物醫學知識，搭建基因功能模型，分析胰腺癌發生髮展的深層關係；最終嘗試將分析結果在胰腺癌的早期診斷和相關治療領域中有所套用。

結題摘要

胰腺癌被稱為“癌中之王”，是腹部腫瘤中預後效果最差的惡性腫瘤，尋找臨床上易於普查的血液、尿液、唾液等胰腺癌體液腫瘤標誌物，對於胰腺癌預警和早期診斷具有重要的意義。本項目融合計算智慧型、統計分析和生物信息學等技術，對胰腺癌體液腫瘤標誌物進行系統挖掘，針對癌症數據分析與機理、最佳化算法及關聯分析，以及數據挖掘和網路結構算法套用方面進行了深入研究。主要研究內容包括：（1）基於支持向量機、深度學習等最佳化學習算法從基因組學、轉錄組學與蛋白組學的角度上，對腫瘤標誌物進行差異分析，對胰腺癌的體液標誌物和胰腺癌的早期檢測進行數據挖掘分析；（2）對多種最佳化算法進行改進，其中包括進化計算、群智慧型與深度學習算法的改進；提出了新型引力場算法，並在此基礎上進行了改進與套用；此外，對相關算法在硬體加速計算方面進行了研究；（3）對網路結構算法方面，對社區發現與重疊社區算法進行改進，並套用在一系列數據發掘相關的工作中。同時，在諾禾致源測序公司進行40套胰腺癌症樣本的全基因組表達測序，得到了mRNA基因表達數據、miRNA表達數據、lncRNA表達數據和cirRNA表達數據等表達數據，同時配合相關病歷資料，為後續工作的開展奠定了堅實基礎。截至2019年，本項目共資助發表論文38篇，其中SCI論文27篇，EI論文11篇，譯著1部；申請專利3項，取得軟體著作權9項；獲得2019年全國商業科技進步一等獎1項，2017年吉林省自然科學獎一等獎1項；在人才培養方面，本項目總計派出學生國外學術交流3人次，培養博士3人、碩士7人。本項目的研究結果在臨床個性化醫療和製藥中具有套用價值，也有利於胰腺癌發生髮展的機理研究，其研究思路和方法將為其它相關癌症研究和生物信息學研究帶來啟發作用，對於我國癌症的控制和預防更具有實際意義。