声明
缩略词表
1 引言
2 材料方法
2.1 数据库的检索、下载及预处理
2.1.1 数据库的来源
2.1.2 数据的下载、整理与标准化
2.2 基于生物信息学筛选胰腺癌的潜在生物标志物
2.2.1 加权基因共表达网络分析（WGCNA）
2.2.2 基因-基因互作分析
2.2.3 差异表达分析验证
2.2.4 生存分析
2.2.5 细胞表达水平的RNA-Seq数据验证
2. 3 基于分子生物学实验验证关键基因在细胞和组织中的表达
2.3.1 胰腺癌细胞系
2.3.2 胰腺癌组织芯片
2.3.3 实验仪器、设备、试剂
2.3.4 实时荧光定量逆转录PCR（qRT-PCR）
2.3.5 免疫组织化学（IHC）
2.4 探索关键基因与胰腺癌之间的内在关联
2.4.1 基因突变、DNA甲基化及拷贝数变异分析
2.4.2 蛋白互作分析
2.4.3 TSPAN1与胰腺癌高频突变基因的相关性分析
2.4.4 关键基因与免疫微环境的关系分析
2. 5 基于机器学习构建胰腺癌的诊断模型
2.5.1 单个基因的诊断评价
2.5.2 诊断模型的构建及验证
2.5.3 诊断模型的鉴别诊断能力评价
3 结果
3. 1 纳入本研究的公共数据及质量控制
3.1.1 纳入本研究的公共数据
3.1.2 基因芯片的质量控制
3.1.3 转录组测序数据的质量控制
3.2 基于生物信息学筛选胰腺癌的潜在生物标志物
3.2.1加权基因共表达网络分析(WGCNA)
3.2.2基因-基因互作分析
3.2.3差异表达分析验证
3.2.4生存分析
3.2.5细胞表达水平的RNA-Seq数据验证
3.3基于分子生物学实验验证关键基因在细胞和组织中的表达
3.3.2免疫组织化学(IHC)
3.4探索关键基因与胰腺癌之间的内在关联
3.4.1基因突变、DNA甲基化及拷贝数变异分析
3.4.2蛋白互作分析
3.4.3 TSPAN1与胰腺癌高频突变基因的相关性
3.4.4关键基因与免疫微环境的关系分析
3.5基于机器学习构建胰腺癌的诊断模型
3.5.1单个基因的诊断价值评价
3.5.2模型的构建
3.5.3模型的验证
3.5.4模型的鉴别诊断能力评价
4 讨论
4.1基于生物信息学筛选胰腺癌的潜在生物标志物
4.2基于分子生物学实验验证关键基因在细胞和组织中的表达
4.3探索关键基因与胰腺癌的内在关联
4.4基于机器学习构建胰腺癌的诊断模型
4.5本研究的优点及局限性
5 结论
参考文献
综述:多组学在胰腺癌中的研究进展
1前言
2基因组学( Genomics)
3转录组学( Transcriptomics)
4蛋白质组学( Proteomics)
4.1血液（血清、血浆）
4.2胰液
4.3尿液
4.4组织
5代谢组学( Metabolomics)
6微生物组学( Microbiome)
7展望
参考文献
附录
附录A本研究纳入研究的数据下载与整理
1纳入数据的下载与整理
2数据的合并、注释和整理
附录B加权基因共表达网络分析(WGCNA)
附录C差异表达分析
1基因芯片的差异表达分析
2转录组测序(RNA-Seq)数据的差异表达分析
附录D探索关键基因与胰腺癌的内在关联
1基因突变分析
2DNA甲基化分析
3免疫浸润分析
附录E基于机器学习构建胰腺癌的诊断模型
1预测模型构建
2预测模型验证
附录F关键蛋白相互作用蛋白的富集分析
个人简历
致谢
郑州大学;
