腫瘤患者等位基因缺失長度分布及無信息位點狀態(tài)預測的研究.pdf

1、惡性腫瘤正在成為全世界范圍內導致人類死亡的最重要原因之一，患者的數(shù)量也呈逐年遞增之勢，根據前人的研究判斷很可能是由于染色體的不穩(wěn)定性引起的。而更深入的研究表明包括等位基因缺失和突變在內的染色體的畸變引起了腫瘤抑制基因的失活，整條染色體、染色體臂、小的染色體片段都可能發(fā)生丟失。染色體畸變可以通過自發(fā)或者誘發(fā)產生，其產生原因和機理比較復雜，關于染色體結構畸變的機理主要有兩種假說：一是斷裂一重接假說，另一種是互換假說。所以，等位基因缺失分析已

2、經成為一種發(fā)現(xiàn)信息位點和候選腫瘤抑制基因的有效方法。在等位基因缺失實驗中，同一個個體的正常組織細胞和癌細胞在有信息的分子標記位點(單核苷酸多態(tài)、短串聯(lián)重復、限制性片段長度多態(tài)等)上能夠初步確定缺失染色體的區(qū)段。但是，由于癌癥分子研究中有效數(shù)據的缺乏和測量的錯誤導致了癌癥治療和預防的困難；同時，產生于等位基因缺失實驗中的大量的數(shù)據卻沒有得到充分地處理，這是因為存在大量的被當做無信息位點的純合性標記位點的數(shù)據幾乎都沒有得到利用，這篇論文就是

3、有關于通過計算機模擬的方法根據已知信息位點的缺失信息對癌細胞染色體上等位基因缺失狀態(tài)特別是對純合性標記位點的缺失狀態(tài)進行統(tǒng)計學推斷。 近年來的研究表明肝癌患者中17號染色體短臂發(fā)生雜合性缺失的頻率較高，因此對人類17p雜合性缺失的研究成為探討癌癥發(fā)生機制和尋找抑癌基因的一條途徑。本文首先對上海腫瘤所提供的17號染色體短臂的SNP原始數(shù)據進行處理，利用各個發(fā)生缺失的位點與鄰近位點的遺傳圖距可以得到各個位點發(fā)生缺失的長度(cM，ce

4、ntimorgan)。分析這些缺失長度和染色體缺失個數(shù)的分布情況，用適當?shù)哪Ｐ腿ッ枋鲞@種分布，初步探討了缺失長度的分布函數(shù)及缺失個數(shù)的分布函數(shù)與腫瘤發(fā)生的關系。其次，我們使用真實數(shù)據所得到的缺失長度分布和個數(shù)的分布去模擬100條發(fā)生缺失的癌癥患者染色體，運用馬爾科夫預測法的轉移概率矩陣去預測無信息位點的狀態(tài)，顯示出了一定的效果。見附錄1。 為了驗證馬爾科夫預測方法對等位基因缺失狀態(tài)尤其是對純合性標記位點的狀態(tài)的估計效果，我們模擬

5、了同樣的100條癌細胞染色體，每一條染色體上均勻的分布著60個SNP標記位點，也就是總共6000個位點。當然，在等位基因缺失實驗中會產生大量的無信息位點，我們利用目前已有的方法暫時還不能判斷出這些位點的狀態(tài)(缺失或保留)。模擬的過程中，在這些染色體上人為的選擇了一些片段作為等位基因缺失區(qū)域，這些片段的長度是遵從伽瑪分布(參數(shù)參照于實際數(shù)據擬合的結果)，而染色體上等位基因缺失的個數(shù)則是遵從泊松分布(參數(shù)參照于實際數(shù)據擬合的結果)的。這個分

6、布會隨機的給出一個數(shù)字作為一個特定染色體發(fā)生缺失的個數(shù)，那么每個缺失的位置和長度就被固定了下來。到此為止，每條染色體的每個標記位點都有了一個狀態(tài)，不是缺失就是保留。而為了達到驗證方法效果的目的，我們按比例人為地刪去了一些位點的狀態(tài)作為無信息位點。馬爾科夫預測方法被利用來根據已知信息位點的狀態(tài)數(shù)據估計無信息位點的狀態(tài)。首先，我們依據那些已知位點的狀態(tài)統(tǒng)計出了一步轉移概率，每一個位點的狀態(tài)數(shù)據被我們編寫的程序自動的依次寫入了EXCEL表格；

7、第二，計算機程序開始逐一地掃描每個位點的狀態(tài)，當掃描到無信息位點時，計算機程序根據該位點的上一個位點的狀態(tài)(缺失或保留)自動地產生一個小數(shù)，也就是根據轉移概率矩陣。同時，程序隨機地產生另外一個小數(shù)，我們比較這兩個數(shù)字的大小然后給出這個無信息位點的狀態(tài)(缺失或保留)。第三，每一個標記位點都有了一個狀態(tài)值，一步轉移概率被重新計算當它原有的值被用過了一次之后；這個被稱作是迭代的過程需要重復1000次或者更多次直到無信息位點的狀態(tài)達到穩(wěn)定態(tài)。這

8、種相對的穩(wěn)定是一種平均概念上的固定，即我們取迭代的最后200次或者是更多次的狀態(tài)的次數(shù)是否包含80％的缺失次數(shù)或是保留次數(shù)來決定該位點的穩(wěn)定態(tài)。轉移概率矩陣被用來估計無信息位點的狀態(tài)并表現(xiàn)出一定的效果，見附錄2所示。我們可以從3282個模擬的無信息位點中推測出1563個位點的狀態(tài)，這其中有1314個位點的狀態(tài)推測正確，249個位點的狀態(tài)推測錯誤，正確率是84％。在一定的程度上，每一個位點的缺失頻率得到了更正。但是，似乎我們從無信息位點中