Shashank K.S.¹ , Mamatha H R.¹ , Prashantha C.N.²

1信息科学系, PES技术研究所, 班加罗尔, 印度;
2生物科学系, 生物科学中心, 班加罗尔, 印度
作者    通讯作者
计算分子生物学, 2015 年, 第 4卷, 第 11 篇   doi: 10.5376/cmb.cn.2015.04.0011
收稿日期: 2015年08月17日    接受日期: 2015年09月25日    发表日期: 2015年10月16日

本文首次以英文发表在 Computational Molecular Biology上。现依据版权所有人授权的许可协议，采用 Creative Commons Attribution License 协议对其进行授权，用中文再次发表与传播。只要对原作有恰当的引用, 版权所有人允许并同意第三方无条件的使用与传播。如果读者对中文含义理解有歧义，请以英文原文为准。

推荐引用：

Shashank K.S., Mamatha H.R., and Prashantha C.N., 2015, Meta Analysis of Gene Expression Data of Multiple Cancer Types To Predict Biomarkers and Drug Targets Interactions in Ovarian Cancer, Computational Molecular Biology, 5(5): 1-9

多种癌症(例如: 乳腺癌, 结肠癌和卵巢癌)的基因表达数据的Meta分析，可用于鉴定预后和分子诊断标志物等功能基因的特征。但是，寻找一种可靠的能够鉴别不同癌症类型的基因特征的方法仍然是一种挑战。本研究的目的是开发微阵列统计数据分析方法和SVM分类器，以确定在不同的癌症类型中的差异表达基因。使用我们的方法来测试16组数据，如6个乳腺癌，4结肠癌和6卵巢癌的不同的数据。我们利用4种方法对结果进行分析：(a) 对数据进行预处理，通过删除空白值和非有效值以确定表达数据的质量(p<0.05)；(b) 利用统计学分析基因差异表达情况以预测上调和下调的基因表达情况；(c) 根据癌症的类型进行数据的分组；(d) 基因网络预测，确定基因-基因的相互作用以了解生物标记。我们已经预测了乳腺癌中的8个标志物，结肠癌中的10个标记物和卵巢癌中的16个标志物，为癌症的诊断和治疗发展提供了新的方向。

乳腺癌；结肠癌；卵巢癌；基因芯片；统计； Limma, Biocoductor；geNETClassifier