吴茜，宋兴勃，钟慧钰，温阳，应斌武

    610041 成都，四川大学华西医院 实验医学科

    胃癌的发病率较高，在癌症中排名前五，也是癌症相关死亡的三大主要原因之一，其中约有50%的死亡报告来自于东亚国家，如中国和日本[1]。虽然80%～90%的肿瘤发生是随机的，但仍然有研究证明遗传因素与胃癌的发生相关[2]。近年来，肿瘤生物学研究不断发展，胃癌的临床诊疗也随之进步，但由于胃癌发现时间一般较晚，造成临床诊疗延误，因而其预后效果仍不令人满意，胃癌患者的5年生存率较低，仅为25.1%[3-4]。相关学者针对胃癌的发病机制做了大量研究，许多基因被认为和胃癌的发生发展有关[5-6]，但胃癌的发病机制仍旧没有达成统一的观点。确定胃癌早期诊断的相关指标和治疗胃癌的关键作用靶点十分重要，但相关方面的研究并不成熟。近年来，基因芯片和RNA测序等高通量技术的不断成熟使许多基因表达的相关数据得以呈现，计算机技术结合生物信息学的方法开始广泛应用于肿瘤研究，其在寻找肿瘤的诊断和靶向治疗的新型标志物方面的有效性和可靠性已经得到了证明。

    本文在研究中拟选取基因表达综合数据库GEO(Gene Expression Omnibus)数据库中的GSE79973以及GSE19826数据集，将生物信息学方法应用到差异基因筛选和功能分析中，从而构建基因网络图，完成关键基因靶点的筛选，以期为探索胃癌的发病机制提供新的见解，从而为胃癌的早期诊疗提供帮助。

    1 材料和方法

    1.1 数据来源

    在隶属于美国国立生物技术信息中心的GEO数据库中使用“gastric cancer”关键词，获得GSE79973和GSE19826基因表达谱，分别由He等[7]和Wang等[8]上传，均基于GPL570平台[HG-U133_Plus_2] Affymetrix Human Genome U133 Plus 2.0 Array。共包含47例样本基因芯片数据，其中病例组(胃癌组织)22例，对照组(正常胃组织)25例。

    1.2 数据分析流程

    将基因芯片数据导入GCBI (Gene-Cloud of Biotechnology Information)分析平台进行数据分析。首先，根据数据的样本特征将其分为数据组和对照组，进行差异基因的筛选，随后对其进行基因本体(gene ontology,GO)分析、Pathway分析及在Pathway分析的基础上进行Pathway网络分析。最后，取GO分析和Pathway分析的交集结果进行基因信号通路网络分析及共表达网络分析 ......