基于基因表达数据的风险得分函数在肿瘤诊断和预后评价中的应用研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    30901232
  • 项目类别：
    青年科学基金项目
  • 资助金额：
    19.0万
  • 负责人：
    赵杨
  • 依托单位：
    南京医科大学
  • 学科分类：
    H3010.非传染病流行病学
  • 结题年份：
    2012
  • 批准年份：
    2009
  • 项目状态：
    已结题
  • 起止时间：
    2010-01-01 至2012-12-31

项目摘要

恶性肿瘤严重威胁着我国人民的身体健康。利用基因表达数据可以对肿瘤及其分型进行早期诊断、预测化疗敏感性、对疗效和预后进行预测。与传统分析方法相比，基于风险得分函数系统的肿瘤诊断和预后方法具有计算简单、应用方便、成本低的特点，具有广阔的应用前景。但在研究设计、分析方法等方面仍然存在各种问题，且缺乏标准化的实施流程。本研究将首先从研究设计的角度出发，给出发现阶段的样本选择策略，再结合理论和模拟研究，解决基因位点选择和风险得分函数的构建问题，并将研究结果用于实际资料，建立肿瘤诊断和疗效预测模型。根据模拟实验和实际资料的结论，本研究还将给出构建肿瘤诊断和疗效预测模型的操作流程和分析策略，从而为肿瘤的早期诊断、化疗敏感性预测、疗效和预后预测提供有力的手段，为相关诊断产品的生产进一步奠定理论基础。

结项摘要

本研究首先从研究设计出发，探讨了极端表型抽样设计和基于家庭的设计用于构建风险得分函数的有关问题。对于极端表型抽样法，我们采用截断的指数分布或截断的正态分布构建似然函数，进行参数估计。对于基于家庭的设计，我们提出了回顾性多水平模型。在此基础上，我们探讨了高维数据下的位点筛选问题。对于非参数的随机森林法，我们提出了一种基于残差的校正混杂因素的方法，通过一般线性模型，在应变量和自变量中去除混杂效应。模拟实验和实际资料分析表明，该法能有效地降低假阳性率，增加真阳性位点的检出率；对于基于位点集的方法，我们通过大规模的模拟实验，比较了主成分分析和核机器法，结果提示核机器法在相关结构简单时表现较好，而主成分分析在相关结构复杂时反而具有更高的效率。在上述理论研究的基础上，本研究提出一个三阶段的研究策略，即首先采取极端表型抽样等设计，利用位点集的分析方法筛选变量，再基于一般样本，利用随机森林或者分类与回归树算法，进行精细分析，检测交互作用，并建立得分函数，最后再利用外部样本进行验证。本研究中取得的一些成果已被用于实际资料的分析，为肿瘤的早期诊断、化疗敏感性预测、疗效和预后预测提供有力的手段。

项目成果

期刊论文数量（12）
专著数量（0）
科研奖励数量（0）
会议论文数量（0）
专利数量（0）
Genome-wide screen for aberrantly expressed miRNAs reveals miRNA profile signature in breast cancer
对异常表达 miRNA 的全基因组筛选揭示了乳腺癌中的 miRNA 谱特征
  • DOI：
    10.1007/s11033-012-2277-5
  • 发表时间：
    2013-03-01
  • 期刊：
    MOLECULAR BIOLOGY REPORTS
  • 影响因子：
    2.8
  • 作者：
    Guo, Li;Zhao, Yang;Chen, Feng
  • 通讯作者：
    Chen, Feng
高维生物学数据两阶段组合降维策略研究
  • DOI：
    --
  • 发表时间：
    2012
  • 期刊：
    中国卫生统计
  • 影响因子：
    --
  • 作者：
    钱国华;赵杨;于浩;陈峰
  • 通讯作者：
    陈峰
血浆miRNA表达谱与胰腺癌相关性的研究
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    南京医科大学学报(自然科学版)
  • 影响因子：
    --
  • 作者：
    潘峰;2Department of Gastroenterology,the First Affiliat;3Department of Epidemics;Health Statistics,Sch;4Clinic Test Lab,the Huai’an First Hospital Afflia;闻洋;马士杰;曹维克;董静;赵杨;胡志斌;施瑞华;PAN Feng1,2,WEN Yang3,MA Shi-jie1,CAO Wei-ke4,DONG
  • 通讯作者：
    PAN Feng1,2,WEN Yang3,MA Shi-jie1,CAO Wei-ke4,DONG
随机生存森林在大规模基因分型肺癌预后关联性研究中的降维作用
  • DOI：
    --
  • 发表时间：
    2012
  • 期刊：
    中华疾病控制杂志
  • 影响因子：
    --
  • 作者：
    陈干霞;张汝阳;赵杨;胡志斌;陈峰
  • 通讯作者：
    陈峰
Genetic association analysis using sibship data: a multilevel model approach.
使用同胞数据进行遗传关联分析：多层次模型方法
  • DOI：
    10.1371/journal.pone.0031134
  • 发表时间：
    2012
  • 期刊：
    PloS one
  • 影响因子：
    3.7
  • 作者：
    Zhao Y;Yu H;Zhu Y;Ter-Minassian M;Peng Z;Shen H;Diao N;Chen F
  • 通讯作者：
    Chen F

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--"}}
  • 发表时间：
    {{ item.publish_year || "--" }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--"}}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ patent.updateTime }}

其他文献

基于地理加权回归的渤海沙氏下鱵鱼仔稚鱼栖息地指数
  • DOI：
    10.13287/j.1001-9332.201801.032
  • 发表时间：
    2018
  • 期刊：
    应用生态学报
  • 影响因子：
    --
  • 作者：
    赵杨;张学庆;卞晓东
  • 通讯作者：
    卞晓东
口部运动时面部相关联标记点运动的三维定量分析
  • DOI：
    --
  • 发表时间：
    2014
  • 期刊：
    中华耳科学杂志
  • 影响因子：
    --
  • 作者：
    庄园;冯国栋;赵杨;田旭;高志强
  • 通讯作者：
    高志强
基于GPU加速的潮流模型及其在岛群二维水动力数值模拟中的应用
  • DOI：
    10.13634/j.cnki.mes.2017.05.022
  • 发表时间：
    2017
  • 期刊：
    海洋环境科学
  • 影响因子：
    --
  • 作者：
    赵旭东;赵杨;孙家文;于永海;孙昭晨;梁书秀
  • 通讯作者：
    梁书秀
网络集群行为执行意向的维度研究
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    管理评论
  • 影响因子：
    --
  • 作者：
    王林;赵杨;时勘
  • 通讯作者：
    时勘
都市区乡村发展权的不均衡及对策研究——以南海区里水镇为例
  • DOI：
    --
  • 发表时间：
    2022
  • 期刊：
    现代城市研究
  • 影响因子：
    --
  • 作者：
    袁奇峰;陈嘉悦;赵杨;邱理榕;项振海
  • 通讯作者：
    项振海

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--" }}
  • 发表时间：
    {{ item.publish_year || "--"}}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--" }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}
empty
内容获取失败，请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题，我已根据课题信息分析并撰写以下内容，帮您拓宽课题思路：

AI项目思路

AI技术路线图

赵杨的其他基金

环境混合污染物的健康效应统计分析方法研究
  • 批准号：
    82373690
  • 批准年份：
    2023
  • 资助金额：
    49 万元
  • 项目类别：
    面上项目
基于真实世界数据的个体处理效应估计方法研究
  • 批准号：
    82173620
  • 批准年份：
    2021
  • 资助金额：
    55.00 万元
  • 项目类别：
    面上项目
基于真实世界数据的个体处理效应估计方法研究
  • 批准号：
  • 批准年份：
    2021
  • 资助金额：
    55 万元
  • 项目类别：
    面上项目
基于随机森林的高维生物医学数据因果推断方法研究
  • 批准号：
    81872709
  • 批准年份：
    2018
  • 资助金额：
    25.0 万元
  • 项目类别：
    面上项目
整合常见和罕见变异进行肺癌风险预测的统计方法研究
  • 批准号：
    81373102
  • 批准年份：
    2013
  • 资助金额：
    70.0 万元
  • 项目类别：
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号：
    {{ item.ratify_no }}
  • 批准年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号：
    {{ item.ratify_no }}
  • 财政年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目：调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要：

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题，其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子，其表达水平对抗病毒防御至关重要。然而，TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用，影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法，探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用，为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义，并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路：

科学问题：TRIM2如何调控A型流感病毒诱导的IFN-β表达？
前期研究：已有研究表明TRIM2参与抗病毒反应，但其具体机制尚不明确。
研究创新点：本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线：包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术：TRIM2与病毒RNA的相互作用分析，IFN-β启动子活性检测。
实验模型：使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
关闭
close
客服二维码