换一批
项目年度编号
1600180303
中图分类号
R734.2（呼吸系肿瘤）
成果公布年份
2015
成果简介
肺癌占中国癌症死亡率的首位，且肺癌发病隐匿，转移快，预后差，总的5年生存期仅为15%左右，而早期发现则可以提高到大约80%。但是肺癌的早期诊断仍是一个亟待解决的难题。近年来关键基因的遗传和表观遗传改变被认为是肿瘤早期临床诊断的分子标志。此外，人们对染色体不稳定性在肿瘤发生中的作用越来越重视。数据挖掘是集数据库、人工智能、统计学、模式识别、可视化技术、并行计算于一体的信息处理技术，能从大量的、不完全的、模糊的、随机的数据中提取隐含在其中潜在有用的信息和知识的过程。其已逐渐应用于医学界，辅助医生进行疾病诊断。医学数据挖掘常用的用于分类和预测的智能化方法有人工神经网络、支持向量机、遗传算法、决策树等。该项目分别检测肺癌患者和健康对照者外周血中CYP1A1、GSTM1、GSTT1、mEH、XRCC1基因多态性、p16和RASSF1A基因甲基化水平及端粒相对长度，探讨5种基因多态性与p16、RASSF1A基因甲基化和端粒相对长度的相关关系，在此基础上应用数据挖掘技术，分析这些分子标志与肺癌早期预警的关系，从中抽取可用于肺癌预警的有效特征，构建了智能化的预测模型，结果发现：CYP1A1-exon7、GSTM1、mEH-exon3、XRCC1-194和XRCC1-280基因位点的变异、p16和RASSF1A基因甲基化水平异常增高、端粒相对长度缩短、肿瘤标志蛋白芯片检测血清肿瘤标志群的升高增加了肺癌患癌危险度，由上述标志组成肺癌早期预警模型的分子标志群。数据挖掘技术联合肺癌发生相关的多角度分子事件建立的模型对肺癌的判别准确性优于单分子标志的检测。建立的肿瘤分子标志群联合决策树和人工神经网络技术的肺癌早期预警模型对肺癌的判别优于传统的Fisher判别模式，比常规的统计学方法更适合于临床数据的分析，准确度较高，可以用于肺癌早期预警。该研究有较好的应用前景，通过寻找更加敏感、特异的分子标志，构建数据挖掘模型进行肺癌的早期预警，能够有效地进行肺癌早发现、早诊断、早治疗，从而提高生存率，提高生活质量，延长生存时间。该项目培养博士研究生2名，硕士研究生3名；共发表论文46篇，SCI论文10篇，EI 6篇，其中SCI一区1篇、二区1篇；参编专著4部；组织全国专业学术会议2次，取得了显著的经济和社会效益。
完成单位
郑州大学
完成人
学术成果认领
- 浏览0
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
