胃癌分子标志物研究
课程文献：点此进入
PMID: 20965966 影响因子：8.808 GE0 样本数： 160
通过 GCBI 搜索文献的功能找到了一篇应用大量样本研究胃癌分子标志物的文献，文章作者收集到了 80 对配对临床样本，并用 Affymetrix Exon 1.0 芯片进行基因表达检测。之后通过机器学习的方法找到了能区别胃癌与正常样本的 28 个基因 marker。接下来，作者运用了一个非常新颖的思路——通过计算机预测的方法找出了产物能分泌到血清的差异基因，并在这群基因中寻找到了 18 个基因 marker。通过后续的生物学实验进一步验证了其中有 5 个基因的产物在胃癌患者和正常人群中存在差异。
我们可以利用 GCBI 在线分析平台对这批数据再进行多方面的分析。视频从两个大家十分关注的两个方面对数据分析思路进行了讲解：如何找出关键基因和关键通路。
在分析前，首先要做的是仔细了解样本的详细信息。这对我们设定可行的研究目标和设置相应分组非常有帮助。我们可能将样本按癌组织和癌旁组织进行分组，研究癌症发生中关键的基因或信号通路。我们也可以根据临床样本的肿瘤分级情况进行分组，研究影响癌症恶化的关键基因或信号通路。
寻找关键基因用了两个相互递进的思路，第一个比较简单，展示了如何运用一些基本分析工具找到关键基因，在该思路中，运用基础的差异筛选、基因功能分析和信号通路分析工具。通过联合各部分分析结果能找出有意义的关键基因。如果基础分析仍找不出关键的基因，这时可以参考第二个思路。本思路在前一思路的基础上运用了高级网络分析工具来探寻关键基因。
通过此分析思路寻找可能的关键基因
通过网络分析胃癌中的关键基因
寻找关键通路的思路相对比较简单，主要运用了差异筛选、信号通路分析、信号间互作网络分析等工具。通过这个思路可以找到肿瘤中关键的信号通路，以及涉及的差异基因。当然，再进一步的分析，还可以在关键通路中再探寻关键的节点。
详细内容请点击视频：http://college.gcbi.com.cn/silu/652.jhtml
GCBI 学院每周四晚 8 点在线直播肿瘤基因大数据挖掘的课程，提供相关课题设计思路、研究思路，生物信息学分析方法介绍、精彩文章解读以及数据重新挖掘等内容，不断提升生物医学科研人员在基因研究领域的技能。
点击链接进入 GCBI 学院报名听课，http://college.gcbi.com.cn/html/index.html。