跳到主要內容

臺灣博碩士論文加值系統

(44.211.117.197) 您好!臺灣時間:2024/05/22 01:47
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

我願授權國圖
: 
twitterline
研究生:蔡岳庭
研究生(外文):Yue-Ting Cai
論文名稱:膀胱癌中啟動子甲基化和基因表現之相關性與生物路徑分析
論文名稱(外文):Analysis of correlation and biological pathway between promoter methylation and gene expression in bladder cancer
指導教授:張中
指導教授(外文):Chang,Chung
學位類別:碩士
校院名稱:國立中山大學
系所名稱:應用數學系研究所
學門:數學及統計學門
學類:數學學類
論文種類:學術論文
論文出版年:2021
畢業學年度:109
語文別:中文
論文頁數:42
中文關鍵詞:膀胱癌RNA表現量DNA甲基化經驗貝氏法生物路徑
外文關鍵詞:bladder cancermRNA expressionDNA methylationempirical bayesbiological pathway
相關次數:
  • 被引用被引用:0
  • 點閱點閱:54
  • 評分評分:
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0
在世界衛生組織國際癌症研究機構(IARC)發布的2020年全球最新癌症數據中顯示,膀胱癌佔據發病率前十名。DNA甲基化是表觀遺傳學中的一種調控機制,對於基因沉默、細胞發育、組織分化等有著重要作用。在許多文獻中已知異常的甲基化(過高或過低)和癌症相關,過高的甲基化通常發生在啟動子區域的CpG island且和基因不表現有關。為了了解膀胱癌病人的RNA表現量與DNA甲基化之間的相關性,以及對病人存活的影響,本研究資料來自美國癌症基因體圖譜計畫(The Cancer Genome Atlas,TCGA),其採用了 Illumina Infinium Human Methylation 450K晶片測定每個探針位點的甲基化程度。我們先對其進行了前處理,例如遺失值處理、SNP探針篩選、歸一化,再透過 LIMMA (Linear Models and Empirical Bayes Methods in Microarray data) 的方法篩選出腫瘤組織與正常組織之間具有差異甲基化的區域和差異表現量的基因,並挑出甲基化和表現量存在顯著關係的基因來尋找相關的生物路徑,同時以Cox model來觀察這些具有差異表現量和差異甲基化的基因對病人存活的影響,希望在未來可以成為膀胱癌檢測或藥物治療研究的目標。
According to the latest global cancer data released by the International Agency for Re search on Cancer (IARC) of the World Health Organization in 2020,the incidence or bladder cancer is among the top ten.DNA methylation is a regulatory mechanism in epigenetics,which plays an important role for gene silencing,cell development,and tissue isolation.It is also known that abnormal methylation (too high or too low) is related to cancer.Hypermethylation usually occurs in the CpG island in the promoter region and is related to gene failure.In order to understand the correlation between the expression of RNA and DNA methylation with bladder cancer,and the impact on patient''s survival,in this thesis we analysed data from The Cancer Genome Atlas (TCGA),which uses The Illumina Infinium Human Methylation 450K chip measures the degree of methylation at each probe site.We first preprocessed the data, such as missing value processing,SNP probe filtering,normalization,and then used LIMMA (Linear Models and Empirical Bayes Methods in Microarray data) method to find out the genes of which the expression and methylation levels are significantly different in the tumor and normal cells.Then we chose genes of which the expression and methylation levels are significantly associated.Moreover,we used Cox model to evaluate the impact of the methylation level of these selected genes on patient''s survival and did the pathway analysis.
論文審定書 i
誌謝 ii
摘要 iii
Abstract iv
1 研究動機與目的 1
2 資料介紹 2
2.1 資料蒐集 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
2.1.1 DNA 甲基化 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
2.1.2 基因表現 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2.1.3 臨床數據 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2.2 變數介紹 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.2.1 臨床變數 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.2.2 表現量變數 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.2.3 甲基化變數 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
3 研究流程 7
3.1 膀胱癌腫瘤與非腫瘤組織之間的差異表達基因(Differentially Expressed Genes(DEGs)) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
3.2 膀胱癌腫瘤與非腫瘤組織之間的差異甲基化基因(Differentially Methylation Genes(DMGs)). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
3.3 甲基化與表現量之相關性 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
3.4 影響存活之基因 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
3.5 相關生物路徑 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
4 研究方法 10
4.1 BMIQ(Beta Mixture Quantile Dilation) . . . . . . . . . . . . . . . . . . . . 10
4.2 voom . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
4.3 LIMMA(Linear Models and Empirical Bayes Methods in Microarray data)12
4.3.1 LIMMA for RNA expression . . . . . . . . . . . . . . . . . . . . . . 12
4.3.2 LIMMA for DNA methylation . . . . . . . . . . . . . . . . . . . . . 13
4.4 錯誤發現率 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
4.5 斯皮爾曼等級相關係數 (Spearman’s rank correlation) . . . . . . . . . . . . .15
4.6 Cox 比例風險模型 (CoxPH regression model) . . . . . . . . . . . . . . . . . 15
4.7 Over Representation Analysis(ORA) . . . . . . . . . . . . . . . . . . . . 16
5 研究結果 17
5.1 腫瘤與非腫瘤組織的基因表現和 CpG 甲基化差異 . . . . . . . . . . . . . . .17
5.2 基因表達和 CpG 甲基化相關性 . . . . . . . . . . . . . . . . . . . . . . . . . 18
5.2.1 Body 區域 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
5.2.2 TSS1500 區域 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
5.2.3 TSS200 區域 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
5.2.4 5’UTR 區域 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
5.3 存活分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
5.3.1 Cox 比例風險模型 (CoxPH regression model) . . . . . . . . . . . . . 22
5.4 相關路徑分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
5.4.1 KEGG 資料庫 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
5.5 一致性 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
6 比較 26
7 結論與討論 27
參考文獻 28
A 附錄 30
[1]Wild CP, Weiderpass E, Stewart BW, editors. World Cancer Report: Cancer Research for Cancer Prevention. Lyon, France: International Agency for Research on Cancer.
2020; Licence: CC BY-NC-ND 3.0 IGO.
[2]Robertson, K. DNA methylation and human disease. Nat Rev Genet 6 2005; 597–610.
[3]Seisenberger S, Popp C, Reik W. Retrotransposons and germ cells: reproduction, death, and diversity. F1000 Biol Rep. 2010; 2:44. 10.3410/B2-44.
[4]Jones PA. Functions of DNA methylation: islands, start sites, gene bodies and beyond. Nat Rev Genet. 2012;13:484–92.
[5]Nunes SP, Henrique R, Jeronimo C, Paramio JM. DNA Methylation as a Therapeutic
Target for Bladder Cancer. Cells. 2020; 9(8):1850.
[6]Leal A, Sidransky D, Brait M. Tissue and Cell-Free DNA-Based Epigenomic Approaches for Cancer Detection. Clin Chem. 2020 Jan 1;66(1):105-116. doi: 10.1373/clinchem.2019.303594.
[7]A.G. Robertson, J. Kim, H. Al-Ahmadie, et al. Comprehensive molecular characterization of urothelial bladder carcinoma. Nature. 2014;507:315-322.
[8]Fatemi M, Pao MM, Jeong S, Gal-Yam EN, Egger G, Weisenberger DJ, Jones PA. Footprinting of mammalian promoters: use of a CpG DNA methyltransferase revealing nucleosome positions at a single molecule level. Nucleic Acids Res.2005; 33:e176
[9]Bibikova M, Barnes B, Tsan C, Ho V, Klotzle B, Le JM, Delano D, Zhang L, Schroth GP, Gunderson KL, et al. High density dna methylation array with single cpg site resolution. Genomics. 2011;98(4):288–95. doi: 10.1016/j.ygeno.2011.07.007.
[10]Wang Z, Gerstein M, Snyder M: RNA-Seq: a revolutionary tool for transcriptomics. Nat Rev Genet. 2009; 10: 57-63. 10.1038/nrg2484.
[11]Zhang Y, Parmigiani G, Johnson WE. ComBat-Seq: batch effect adjustment for RNA-
Seq count data. bioRxiv. 2020 Jan 1.
[12]Ritchie ME, Phipson B, Wu D, Hu Y, Law CW, Shi W, Smyth GK. limma powers
differential expression analyses for RNA-sequencing and microarray studies. Nucleic Acids Research. 2015;43:e47.
[13]Law CW, Chen Y, Shi W, Smyth GK. Voom: precision weights unlock linear model analysis tools for RNA-seq read counts. Genome Biology. 2014;15:R29.
[14]Benjamini, Y., & Hochberg, Y. Controlling the false discovery rate: a practical and powerful approach to multiple testing. Journal of the royal statistical society. Series B (Methodological). 1995;289-300.
[15]Price EM, Cotton AM, Lam LL, Farre P., Emberly E, Brown CJ, Robinson WP, Ko-
bor MS. Additional annotation enhances potential for biologically-relevant analysis of the illumina infinium humanmethylation450 beadchip array. Epigenetics Chromatin. 2013;6(1):4.
[16]Teschendorff AE et al . A beta-mixture quantile normalization method for correcting probe design bias in illumina infinium 450 k dna methylation data. Bioinformatics. 2013;29(2):189-196.
[17]Spearman, C. The proof and measurement of association between two things. The American Journal of Psychology. 1904; 15(1), 72–101.
[18]Kanehisa M, Goto S. KEGG: Kyoto Encyclopedia of Genes and Genomes. Nucleic
Acids Res. 2000, 28 (1): 27–30.
電子全文 電子全文(網際網路公開日期:20260726)
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
無相關期刊