胰腺癌体液肿瘤标志物的系统挖掘与机理分析

Cancer marker plays an important role in the detection of early stage of cancer as well as the mechanism of tumor occurrence and development. Meanwhile, pancreatic cancer attracts more attention for its low survival rate and the high degree of malignance. With the rapid development of Omics technology, researchers have obtained a lot of cancer-related data and information on gene expression level. With this improvement, how to systematically and efficiently mine clinical body fluid markers which are easily detectable, highly sensitive and highly specific from vast amounts of data by Bioinformatics technology has become the hot topic in current studies. Also this research has a great practical significance in pancreatic cancer diagnosis, control, prevention and personalized treatments in China...This project will focus on systematically collecting cancer transcriptome data and molecular biomarker information at first. And then, we will analyze the preprocessed data to predict specific combinational biomarkers for cancer diagnosis via computational intelligence, statistical analysis and bioinformatics technology along with therapists and oncologists. These combinational biomarkers will focus on pancreatic cancer rather than other cancer types or diseases. In the same time, we will build novel models for body fluid protein identification and study what kind of tumor biomarker's corresponding proteins could be secreted into blood/urine/saliva, and which may be applied in real clinical diagnosis easily. Meanwhile, we will explore the deep relationship between combinational markers and pancreatic tumor. With other Omics data and biomedical knowledge, we hope our project can reveal the inner mechanism and the reason of the development of tumor. At last, we will try to implement the results in the field of tumor early diagnosis and treatments.

肿瘤标志物在癌症早期诊断及发生发展机理研究中具有重要作用；胰腺癌作为致死率和恶性程度高的癌症则备受关注。随着转录组和其它组学技术的迅猛发展，研究者已在基因表达水平上获得了大量肿瘤相关数据。如何利用生物信息学技术，在海量数据中系统高效地挖掘胰腺癌高效特异的临床易检测体液标志物，并揭示其内在机理，已成为当前肿瘤分子标志物研究的前沿课题，对于我国胰腺癌的诊断和个性化治疗具有实际意义。..本项目融合计算智能、统计分析和生物信息学技术，与医学和肿瘤学家紧密合作，自主产生胰腺癌转录组数据，并搜集整理已有相关肿瘤组学数据，系统地挖掘其中隐含的关联信息，预测胰腺癌中特异肿瘤复合标志物；搭建新预测模型，提取能够进入血液、尿液和唾液等易于临床检测的体液复合肿瘤标志物；融合其它组学信息和生物医学知识，搭建基因功能模型，分析胰腺癌发生发展的深层关系；最终尝试将分析结果在胰腺癌的早期诊断和相关治疗领域中有所应用。

胰腺癌被称为“癌中之王”，是腹部肿瘤中预后效果最差的恶性肿瘤，寻找临床上易于普查的血液、尿液、唾液等胰腺癌体液肿瘤标志物，对于胰腺癌预警和早期诊断具有重要的意义。.本项目融合计算智能、统计分析和生物信息学等技术，对胰腺癌体液肿瘤标志物进行系统挖掘，针对癌症数据分析与机理、优化算法及关联分析，以及数据挖掘和网络结构算法应用方面进行了深入研究。主要研究内容包括：（1）基于支持向量机、深度学习等优化学习算法从基因组学、转录组学与蛋白组学的角度上，对肿瘤标志物进行差异分析，对胰腺癌的体液标志物和胰腺癌的早期检测进行数据挖掘分析；（2）对多种优化算法进行改进，其中包括进化计算、群智能与深度学习算法的改进；提出了新型引力场算法，并在此基础上进行了改进与应用；此外，对相关算法在硬件加速计算方面进行了研究；（3）对网络结构算法方面，对社区发现与重叠社区算法进行改进，并应用在一系列数据发掘相关的工作中。同时，在诺禾致源测序公司进行40套胰腺癌症样本的全基因组表达测序，得到了mRNA基因表达数据、miRNA表达数据、lncRNA表达数据和cirRNA表达数据等表达数据，同时配合相关病历资料，为后续工作的开展奠定了坚实基础。截至2019年，本项目共资助发表论文38篇，其中SCI论文27篇，EI论文11篇，译著1部；申请专利3项，取得软件著作权9项；获得2019年全国商业科技进步一等奖1项，2017年吉林省自然科学奖一等奖1项；在人才培养方面，本项目共计派出学生国外学术交流3人次，培养博士3人、硕士7人。.本项目的研究结果在临床个性化医疗和制药中具有应用价值，也有利于胰腺癌发生发展的机理研究，其研究思路和方法将为其它相关癌症研究和生物信息学研究带来启发作用，对于我国癌症的控制和预防更具有实际意义。