转移潜能递进的肝癌细胞系模型多组学数据整合分析研究

摘要

2006年中，随着人类基因组一号染色体的全部序列测序完成，人类完成了全部染色体（22+XY）的测序工作，人类进入后基因组时代。在此之后，人类不断推进技术和仪器的更新，为了解读所谓“生命天书”的人类基因组做出各种尝试。各类组学技术在这样的背景下大力发展，成为后基因组时代生物学研究的热门领域。而在各类组学研究层出不穷，新兴技术迅速涌现的今天，以高通量测序技术（high-throughput sequencing,HTS）为基础的转录组学和以串联质谱技术为基础的蛋白质组学（tandem mass spectrometry,MS/MS）凭借高覆盖率，高精度，高通量等特点，成为生物大数据时代组学研究的中流砥柱。
　　随着近年来高通量测序技术和质谱技术的不断进步，运用转录组学或蛋白质组学对生物学问题的研究水平不断提高，成果越来越多。但利用组学技术解答生物学问题的研究中，多数只关注转录组或蛋白质组，少有研究同时利用两者，整合分析转录组和蛋白质组数据。依照中心法则，一个基因的转录本中携带的遗传信息通过翻译传递到蛋白产物中，这二者的表达量之间必然有一定联系。但上升到组学水平后，研究发现转录组和蛋白质组之间的相关性并不如预期，这意味着转录和翻译过程具有复杂的调控机制。在这样的基础上，我们仍可以从两种组学数据的整合分析中获得从单一组学数据中不能获得的知识。
　　目前，多组学数据整合分析存在两个极端，一方面生物信息学家利用统计学和计算机科学领域的先进知识，开发了很多多组学数据整合的算法，但缺乏实践应用；另一方面多数组学领域的研究者只精通一种组学数据的分析处理手段，即使获得多组学数据也只是简单的进行整合。本文针对上述问题，通过选取合适的算法和软件，对转移潜能递进的肝癌细胞系模型的转录组和蛋白质组数据进行了整合分析，具体内容有以下几个方面：
　　1.组学数据分析结果中具有不可避免的假阳性，为了获取真实可靠的分析数据，严格的原始数据处理和质控流程必不可少。本文针对基于RNA-Seq的转录组数据和基于SILAC标记的定量蛋白质组数据，根据各自的实验设计选取合适的原始数据处理和分析流程，在经过组学数据基本信息分析后获得了高质量的表达谱。在此基础上选用EdgeR方法和ANOVA方法分别对转录组和蛋白质组中的差异表达基因/蛋白进行筛选，获得各自的差异表达谱，用于进一步分析。
　　2.基于转录组和蛋白质组的差异表达谱，我们分析了不同生物样品的组学数据内部，以及转录组和蛋白质组之间的相关性。并通过定义累积差异，选取组学数据间差异较大的基因，并对这些基因功能的同质性与肝癌转移潜能的增加之间的关系进行分析。为了研究转移潜能增加过程中，蛋白质组的动态变化，我们对差异表达蛋白的动态变化模式进行分析，发现在肝癌细胞系模型中，蛋白质组的显著变化可分为四个类群，且这些类群的基因在功能上具有一定的特征性。
　　3.上述多组学数据整合分析的思想和流程，我们也应用到了人类染色体蛋白质组计划（C-HPP）的相关研究中。我们对肝癌细胞系的基因组、转录组、翻译组和非标定量蛋白质组数据进行了整合分析，阐述了组学数据之间反映出的遗传信息流的变化，并对不同组学数据的相关性进行分析。在此基础上，我们依据大规模数据集整合分析提供的线索，利用多种富集策略对肝癌细胞系中可能表达的漏检蛋白进行了针对性的检测。
　　综上所述，本文通过对转移潜能递进的肝癌细胞系模型的转录组和蛋白质组数据进行整合分析，建立了从多组学原始数据处理，数据质量分析，差异表达筛选到组学数据功能聚类，蛋白相互作用网络构建等系统生物学分析的完整流程，对肝癌转移侵袭能力增强过程中的转录组和蛋白质组变化进行了系统分析。并将这一基本流程应用于C-HPP大规模多组学数据的整合分析中，为C-HPP后续研究提供线索。

目录

声明

术语/缩略词表

前言

1.1 肝癌，肿瘤细胞的转移

1.2 转录组，蛋白质组和组学数据整合分析

1.3 国内外研究现状和存在的问题

1.4 研究内容

1 组学数据的基本信息分析和差异表达基因筛选

1.1 材料与方法

1.2 结果与讨论

1.3 本章小结

2 转移潜能递进的肝癌细胞系模型多组学差异表达基因的整合分析和蛋白质组动态变化模式的构建

2.1 材料与方法

2.2 结果与讨论

2.3 本章小结

3 组学数据分析方法在大规模数据分析中的应用

3.1 材料与方法

3.2 结果与讨论

3.3 本章小结

总结与讨论

参考文献

附录和附图

代表性论著

致谢

个人简介