论文题目: 河南高低发区食管/贲门癌及癌前病变患者血清蛋白质质谱变化研究
论文类型: 博士论文
论文专业: 内科学
作者: 王道存
导师: 王立东
关键词: 食管癌,贲门癌,癌前病变,蛋白质芯片
文献来源: 郑州大学
发表年度: 2005
论文摘要: 1 研究背景和目的 食管癌(Esophageal carcinoma,EC)是世界六大恶性肿瘤之一,其主要流行病学特征是显著的地域性分布差异,高低发区发病率相差高达500倍,并且预后极差,中晚期患者5年生存率仅为10%左右,而早期患者则可达到90%。河南省林州市(原林县)及其毗邻地区是世界上EC发病率和死亡率最高的地区。EC的另一个重要特征是EC高发地区贲门癌(GCA)也同时高发。目前EC和GCA仍是该地区肿瘤相关的主要死亡原因,临床诊断的食管/贲门癌约80%为中晚期。其主要原因是:食管/贲门癌的病因不清、发生机制不明确、缺乏有效的防治措施及早期诊断的敏感指标和方法。研究表明:食管癌变是一个多阶段进行性过程,早期表现为食管上皮细胞的过渡增生,形态学上表现为基底细胞过度增生(Base cell hyperplasia,BCH)、不典型增生(Dysplasia,DYS)和原位癌,它们通常被认为是EC的重要癌前病变。GCA是一种尚待研究的疾病,其发病机制、早期分子学改变以及相关危险因素均不清楚,而肠上皮化生、贲门粘膜的不典型增生(Gastric cardia dysplasia,GDYS)及萎缩性贲门炎(Chronic mrophy gastritis,CAG)与GCA关系密切,被称为其癌前病变。已有研究表明:在两肿瘤发生过程中已存在部分基因的(如:p53,Rb等)表达变化。然而基因组的变化并不能直接而客观地反映疾病的发生发展变化。近年来,我们研究室采用双向电泳技术(2-DE)结合基质辅助的激光解吸电离飞行时间质谱仪(MALDI-TOF-MS)对食管癌血清蛋白标记物的筛选进行了探索。尽管这种技术可以对蛋白点进行鉴定和分析,但存在较多缺点,主要是对低丰度和低分子量的蛋白质检测的敏感度较差。近几年来一种新的可高通量检测血清或组织中的蛋白质的检测系统:表面加强激光解吸电离飞行时间质谱(surface-enhanced laser desorption/inionation-time of flight-mass spectrometry,SELDI-TOF-MS)蛋白质芯片系统的问世在很大程度上弥补了2-DE的不足,这一技术不但能灵敏度地提供高通量的蛋白质质谱,而且
论文目录:
第一部分：综述
表面加强激光解吸／电离飞行时间质谱技术及其在肿瘤研究中的应用
1．引言
2．SELDI-TOF-MS蛋白质芯片系统基本构成
3．SELDI-TOF-MS蛋白质芯片系统工作原理
4．蛋白质的鉴定
5．SELDE-TOF-MS蛋白质芯片技术与其他蛋白质检测技术的比较
6．SELDI-TOF-MS蛋白质芯片技术在癌症研究中的应用
7．问题与展望
8．参考文献
第二部分：论文
河南高低发区食管／贲门癌及癌前病变患者血清蛋白质质谱变化研究
1．引言
2．材料与方法
2．1 材料
2．2 研究方法
3．结果：
3．1 高发区EC及其癌前病变患者血清蛋白质质谱检测
3．2 高发区GCA及其癌前病变患者血清蛋白质质谱检测
3．3 低发区正常和癌前病变人群血清蛋白质质谱变化结果
3．4 高／低发区正常及相关病变人群血清蛋白质质谱变化结果比较
3．5 食管／贲门癌及其癌前病变患者血清分类变量蛋白质在高低发区各病变人群中变化的综合分析
4．讨论
4．1 实验技术与方法
4．2 高发区EC及癌前病变患者血清蛋白质质谱分析
4．3 高发区GCA及癌前病变患者血清蛋白质质谱分析
4．4 低发区正常和癌前病变人群血清蛋白质质谱变化及与高发区相关人群的比较
4．5 高发区食管／贲门癌及其癌前病变相关的血清分类变量蛋白质在各病变人群表达变化的综合分析
5．小结
5．1 高/低发区各组别决策树分类模型的建立及验证
5．2 高发区食管／贲门癌及其癌前病变相关的各血清分类蛋白质在各病变人群中变化的综合分析
6．创新点
7．参考文献
8．附表
表2．1 诊断资料2×2四格表
表3．1．1 高发区NOR和BCH组表达显著变化的56种蛋白质质谱峰值比较
表3．1．2 高发区NOR和EDYS组表达显著变化的54种蛋白质谱峰比较
表3．1．3 高发区NOR和EC组表达显著变化的74种蛋白质质谱峰值比较
表3．1．4 高发区BCH和EC组表达显著变化的75种蛋白质谱峰值比较
表3．1．5 高发区EDYS和EC组表达显著变化的102种蛋白质谱峰比较
表3．1．6 高发区BCH和EDYS组表达显著变化的73种蛋白质质谱峰值比较
表3．1．7 高发区ECA和ECB组差异显著的43种血清蛋白质质谱峰值比较
表3．1．8 高发区NOR和BCH组分类变量及替代蛋白质的分类价值
表3．1．9 高发区NOR和BCH组决策树分类模型分类结果
表3．1．10 高发区NOR和EDYS组分类变量及替代蛋白质的分类价值
表3．1．11 高发区NOR和EDYS组决策树分类模型分类结果
表3．1．12 高发区NOR和EC组分类变量及其替代蛋白质的分类价值
表3．1．13 高发区NOR和EC组决策树分类模型的分类结果
表3．1．14 高发区BCH和EC组分类变量及替代蛋白质的分类价值
表3．1．15 高发区BCH和EC组决策树分类模型的分类结果(BCH为对照组)
表3．1．16 高发区EDYS和EC组分类变量及替代蛋白质的分类价值
表3．1．17 高发区EDYS和EC组决策树分类模型的分类结果(EDYS为对照组)
表3．1．18 高发区BCH和EDYS组分类变量及替代蛋白质的分类价值
表3．1．19 高发区BCH和EDYS组决策树分类模型分类结果(BCH为对照组)
表3．1．20 高发区ECA和ECB组分类变量及替代蛋白质的分类价值
表3．1．21 高发区ECA和ECB组决策树分类模型分类结果(ECA为对照组)
表3．2．1 高发区NOR和CAG组表达显著变化的68种蛋白质质谱峰值比较
表3．2．2 高发区NOR和GDYS组表达显著变化的43种蛋白质质谱峰值比较
表3．2．3 高发区NOR和GCA组中表达显著变化的48种蛋白质质谱峰值比较
表3．2．4 高发区CAG和GCA组中表达显著变化的33种蛋白质质谱峰值比较
表3．2．5 高发区GDYS和GCA组中表达显著变化的78种蛋白质质谱峰值比较
表3．2．6 高发区CAG和GDYS组中表达显著变化的46种蛋白质质谱峰值比较
表3．2．7 高发区GCAA和GCAB组表达显著变化的20种蛋白质质谱峰值比较
表3．2．8 高发区NOR和CAG组分类变量及其替代蛋白质的分类价值
表3．2．9 高发区NOR和CAG组决策树分类模型的分类结果
表3．2．10 高发区NOR和GDYS组分类变量及替代蛋白质的分类价值
表3．2．11 高发区决策树分类模型对NOR和GDYS组人群的分类结果分析
表3．2．12 高发区NOR和GCA组分类变量及替代蛋白质的分类价值
表3．2．13 高发区NOR和GCA组决策树分类模型分类结果
表3．2．14 高发区CAG和GCA组分类变量及其替代蛋白质的分类价值
表3．2．15 高发区CAG和GCA组决策树分类模型分类结果(CAG为对照)
表3．2．16 高发区GDYS和GCA组分类变量及替代蛋白质的分类价值
表3．2．17 高发区GDYS和GCA组决策树分类模型分类结果(GDYS为对照)
表3．2．18 高发区CAG和GDYS组分类变量及其替代蛋白质的分类价值
表3．2．19 高发区CAG和GDYS组决策树分类模型的分类结果分析(CAG为对照)
表3．2．20 高发区GCAA和GCAB组分类变量及其替代蛋白质的分类价值
表3．2．21 决策树分类模型对GCAA和GCAB组人群分类结果分析(GCAA为对照)141
表3．3．1 低发区LNOR和LBCH组表达显著变化的37种蛋白质质谱峰值比较
表3．3．2 低发区LNOR和LDYS组表达显著变化的7种蛋白质质谱峰值比较
表3．3．3 低发区LNOR和LCAG组表达显著变化的17种蛋白质质谱峰值比较
表3．3．4 低发区LNOR和LBCH组分类变量及其替代蛋白质的分类价值
表3．3．5 低发区LNOR和LBCH组决策树分类模型的分类结果
表3．3．6 低发区LNOR和LDYS组分类变量及其替代蛋白质的分类价值
表3．3．7 低发区LNOR和LDYS组决策树分类模型的分类结果
表3．4．1 高低发区HNOR和LNOR组中表达显著变化的49种蛋白质谱峰比较
表3．4．2 高低发区BCH对比组中表达显著变化的35种蛋白质质谱峰值比较
表3．4．3 高低发区CAG对比组中表达显著变化的24种蛋白质质谱峰值比较
表3．4．4 高低发区HNOR和LNOR组分类变量及其替代蛋白质的分类价值
表3．4．5 决策树分类模型对高低发区NOR对比组的分类结果分析(LNOR为对照)
表3．4．6 高低发区HBCH和LBCH组分类变量及其替代蛋白质的分类价值
表3．4．7 高低发区BCH对比组决策树分类模型分类结果分析(LBCH为对照)
表3．4．8 HCAG和LCAG组分类变量及其替代蛋白质的分类价值
表3．4．9 决策树分类模型对HCAG和LCAG组分类结果分析(LCAG为对照)
表3．5．1 食管／贲门癌相关分类蛋白质M15957．1 4(M15953．4 )在各组中的表达
表3．5．2 EC和CAG相关分类蛋白M2942．1 5的在各组病变人群中的表达
表3．5．3 GCA相关分类蛋白质M7944．5 7的在各组病变人群中的表达
表3．5．4 EDYS相关分类蛋白M13765．9 的在各病变中的表达
表3．5．5 GDYS相关分类蛋白质M3894．01的在各病变中的表达
表3．5．6 食管／贲门DYS分类变量替代蛋白质M13987．0的在各病变中的表达
表3．5．7 高发区BCH相关分类蛋白质M9306．6 1在食管相关病变人群中表达
表3．5．8 高发区CAG相关分类蛋白质M33316．6 在相关病变人群中的表达
表3．5．9 EC手术相关蛋白质M7988在相关病变中的表达变化
9．附图：
图2．1 灵敏度、特异度、漏诊率、误诊率之间关系
图2．2 SELDI-TOF-MS工作原理图
图2．3 决策树算法总体框架图
图2．4 BPS和常规统计学应用比较
图2．5 10倍交叉验证时样本分配及验证示意图
图2．6 经交叉验证后的得到的最佳决策树分类模型图示
图3．1．1 BCH和NOR组相同M／Z的蛋白质相对含量的比较
图3．1．2 EDYS和NOR组相同M／Z的蛋白质相对含量的比较
图3．1．3 EC和NOR组相同M／Z的蛋白质相对含量的比较
图3．1．4 BCH和EC组相同M／Z的蛋白质相对含量的比较
图3．1．5 EC和EDYS组相同M／Z的蛋白质相对含量的比较
图3．1．6 BCH和EDYS组相同M／Z的蛋白质相对含量的比较
图3．1．7 食管癌手术前后组相同M／Z的蛋白质相对含量的比较
图3．1．8 高发区NOR和BCH组决策树不同终结点错误率比较：2个终结点时测试组错误率最低
图3．1．9 高发区NOR和BCH组决策树分类模型图
图3．1．10 高发区BCH和NOR组分类变量蛋白质表达的质谱图及模拟胶图
图3．1．11 高发区NOR和EDYS组决策树不同终结点错误率比较：2个终结点测试组错误率最低
图3．1．12 高发区NOR和EDYS组决策树分类模型图
图3．1．13 高发区NOR和EDYS组分类变量蛋白质表达的质谱图及模拟胶图
图3．1．14 高发区NOR和EC组决策树不同终结点时错误率的比较：3个终结点时测试组的分类错误率最低
图3．1．15 高发区NOR和EC组分类变量蛋白质表达的质谱图及模拟胶图
图3．1．16 高发区NOR和EC组决策树分类模型图
图3．1．17 高发区BCH利EC组决策树不同终结点错误率比较：2个终结点时测试组的分类错误率最低
图3．1．18 高发区BCH和EC组蛋白质表达的质谱图及模拟胶图
图3．1．19 高发区BCH和EC组决策树分类模型图
图3．1．20 高发区EDYS和EC组决策树不同终结点错误率比较：5个终结点时测试组分类错误率最低。
图3．1．21 高发区EDYS和EC组分类蛋白质表达的质谱图及模拟胶图
图3．1．22 高发区EDYS和EC组决策树分类模型图
图3．1．23 高发区BCH和EDYS组决策树不同终结点错误率比较：2个终结点时测试组分类错误率最低
图3．1．24 高发区BCH和EDYS组分类变量蛋白质的质谱图及模拟胶图
图3．1．25 高发区BCH和EDYS组决策树分类模型图
图3．1．26 高发区食管癌手术前后组决策树不同终结点错误率比较：2个终结点时测试组分类错误率最低
图3．1．27 高发区食管癌患者手术前后组分类变量蛋白表达的质谱图及模拟胶图
图3．1．28 高发区食管癌手术前后组决策树分类模型图
图3．2．1 高发区NOR和CAG组相同M／Z的蛋白质相对含量的比较
图3．2．2 高发区NOR和GDYS组相同M／Z的蛋白质相对含量的比较
图3．2．3 高发区NOR和GDYS组相同M／Z的蛋白质相对含量的比较
图3．2．4 高发区CAG和GCA组相同M／Z的蛋白质相对含量的比较
图3．2．5 高发区GDYS和GCA组相同M／Z的蛋白质相对含量的比较
图3．2．6 高发区CAG和GDYS组相同M／Z的蛋白质相对含量的比较
图3．2．7 高发区贲门癌手术前后组相同M／Z的蛋白质相对含量的比较 。175
图3．2．8 高发区NOR和CAG组决策树不同终结点时分类错误率比较：3个终结点时测试组的分类错误率最低
图3．2．9 高发区NOR和CAG组分类变量蛋白质表达的质谱图及模拟胶图
图3．2．10 高发区NOR和CAG组决策树分类模型图
图3．2．11 高发区NOR和GDYS组当决策树不同终结点时分类错误率比较：2个终结点时测试组错误率最低
图3．2．12 高发区NOR和GDYS组分类变量蛋白质质谱图及模拟胶图
图3．2．13 高发区NOR和GDYS组决策树分类模型图
图3．2．14 高发区NOR和GCA组决策树不用终结点时分类错误率比较：3个终结点时，测试组分类错误率最低
图3．2．15 高发区NOR和GCA组分类变量蛋白质质谱图及模拟胶图
图3．2．16 高发区NOR和GCA组训练组决策树分类模型图
图3．2．17 高发区CAG和GCA组决策树不同终结点时分类错误率比较：6个终结点时测试组分类错误率最低
图3．2．18 高发区CAG和GCA组分类变量蛋白质表达的质谱图及模拟胶图
图3．2．19 高发区CAG和GCA组决策树分类模型图
图3．2．20 高发区贲门DYS和GCA组当决策树不用终结点时分类错误率比较：3个终结点时测试组分类错误率最低
图3．2．21 高发区贲门DYS和GCA组分类变量蛋白质表达的质谱图及模拟胶图
图3．2．22 高发区贲门DYS和GCA组决策树分类模型图
图3．2．23 高发区CAG和贲门DYs组决策树不同终结点时分类错误率比较：6个终结点时，测试组分类错误率最低
图3．2．24 高发区CAG和贲门DYS组分类变量蛋白质表达的质谱图及模拟胶图
图3．2．25 高发区CAG和贲门DYS组决策树分类模型图
图3．2．26 高发区贲门癌手术前后组决策树不同终结点时分类错误率比较：3个终结点时，测试组分类错误率最低
图3．2．27 高发区贲门癌手术前后组分类变量蛋白质的质谱图及模拟胶图
图3．2．28 高发区贲门癌手术前后组决策树分类模型图
图3．3．1 低发区NOR和BCH组相同M／Z的蛋白质相对含量的比较
图3．3．2 低发区NOR和DYS组相同M／Z的蛋白质相对含量的比较
图3．3．3 低发区NOR和CAG组相同M／Z的蛋白质相对含量的比较
图3．3．4 低发区NOR和BCH组决策树不同终结点时分类错误率比较：2个终结点时测试组分类错误率最低
图3．3．5 低发区NOR和BCH组分类变量蛋白质质谱图及模拟胶图
图3．3．6 低发区NOR和BCH组决策树分类模型图
图3．3．7 低发区NOR和DYS组决策树不同终结点时分类错误率比较：2个终结点时测试组分类错误率最低。
图3．3．8 低发区NOR和DYS组分类变量蛋白质质谱图及模拟胶图
图3．3．9 低发区NOR和DYS组决策树分类模型图
图3．3．1 0低发区NOR和CAG组血清分类变量蛋白质质谱及模拟胶图
图3．4．2 高低发区BCH组相同M／Z的蛋白质相对含量的比较
图3．4．3 高地发区CAG组相同M／Z的蛋白质相对含量的比较
图3．4．4 高低发区NOR组决策树不同终结点时分类错误率比较：5个终结点时测试组分类错误率最低 l96
图3．4．5 高低发区NOR组分类变量蛋白质表达的质谱图及模拟胶图
图3．4．6 高低发区NOR组决策树分类模型图
图3．4．7 高低发区BCH组决策树不同终结点时分类错误率比较：3个终结点测试组分类错误率最低。
图3．4．8 高低发区BCH组分类变量蛋白质表达的质谱图及模拟胶图
图3．4．9 高低发区BCH组决策树分类模型图
图3．4．10 高低发区CAG组决策树不同终结点时分类错误率比较：5个终结点测试组错误率最低
图3．4．11 高低发区CAG组分类变量蛋白质表达的质谱图及模拟胶图
图3．4．12 高低发区CAG组决策树分类模型图
10．缩略语说明
附件1：攻读博士学位期间发表的论文
附件2：致谢
发布时间: 2005-10-25
参考文献
- [1].MicroRNA-320d/FoxM1调控关系在贲门癌发生发展中的作用及其机制研究[D]. 陈晓杰.山东中医药大学2017
- [2].远端胃癌和贲门癌中杂合性丢失的差异研究[D]. 满晓辉.中国医科大学2006
- [3].人贲门癌相关缺失基因片段的分离克隆及其临床意义的研究[D]. 郭惠琴.中国协和医科大学1998
- [4].高发区人群食管、贲门癌早诊早治研究[D]. 张立玮.河北医科大学2007
- [5].同一个体贲门癌和癌前病变组织p16，APC，和RARβ甲基化及其表达：同一地区食管和贲门癌及其癌前病变组织对比研究[D]. 张梅.郑州大学2007
- [6].肿瘤相关自身抗体和RASSF1A SNP对食管/贲门癌早期发现和高危人群预警的研究[D]. 刘保池.郑州大学2007
- [7].贲门癌和远端胃癌中染色体18q区域杂合性丢失的差异研究[D]. 徐岩.中国医科大学2007
- [8].河南省林州地区贲门癌临床流行病学与血清蛋白组学研究[D]. 常廷民.郑州大学2014
- [9].贲门癌的临床病理特征及外科规范治疗方法的探讨[D]. 黄进丰.中国协和医科大学2009
- [10].林县幽门螺杆菌、血清胃蛋白酶原和胃泌素与胃癌和食管癌风险的前瞻性研究[D]. 任建松.中国协和医科大学2008
相关论文
- [1].河南食管/贲门癌高发区居民食管/贲门癌全基因组杂交分析[D]. 秦艳茹.郑州大学2003
- [2].食管和贲门癌变机制：河南高低发区人群普查、随访和p53-Rb基因变化[D]. 王立东.浙江大学2004
- [3].大肠癌血清蛋白质指纹图谱的临床应用研究[D]. 陈益定.浙江大学2004
- [4].肝细胞癌门静脉癌栓形成相关的生物标志物筛选及其血清诊断预测模型的建立[D]. 黄成.复旦大学2005
- [5].食管癌和癌前病变组织、食管癌和永生化细胞系中NF-κB和Id-1的变化研究[D]. 李健.郑州大学2005
- [6].河南食管癌高发区食管鳞癌及癌旁组织比较蛋白质组研究[D]. 齐义军.郑州大学2006
- [7].食管癌和贲门癌及癌前病变患者血清多种自身抗体微阵列检测[D]. 杜芳.郑州大学2006
- [8].河南食管癌高发区食管癌前病变和癌组织MGMT，XPC，POLβ和p53变化特征[D]. 王智卿.郑州大学2006
- [9].宫颈癌蛋白质质谱变化研究[D]. 郭社珂.郑州大学2007
- [10].河南食管癌高发区食管/贲门双源癌患者蛋白质组和比较基因组杂交研究[D]. 冯笑山.郑州大学2007