一、题名

宏基因组分析平台建设与蛋白质组数据挖掘(徐西林2016)

二、文章结构

摘要
Abstract
英文缩略词中英文注释表
第一章绪论
第二章基于16SrRNA数据的疾病预测平台构建
第三章基于蛋白组学数据的卵巢癌预后预测分析
第四章总结与展望
参考文献
致谢
作者简历

三、关键词及摘要解读

关键词：高通量测序；生物信息学；疾病；16SrRNA；蛋白质组学
摘要
1、基于16S rRNA数据的疾病预测平台构建：
1.1、近年来的研究热点之一。目前宏基因组学分析的工具很多，但数据分析仍是个难题，特别是对于缺乏生物信息学或计算机背景的用户来说。

1.2、为了解决这个难题，本研究开发了一个用户使用友好的宏基因组分析平台--MetaDP（Disease Prediction for Metagenomic Datasets），该平台针对16S rRNA测序数据构建了一套自动分析流程，包含了质量过滤、操作性分类单元（Operational Taxonomic Unit,OTU）聚类、多样性分析以及疾病预测。

1.3、并将平台应用于108个儿童肠道微生物16S rRNA测序数据分析，并构建了一个基于支持向量机（Support Vector Machine，SVM）的肠道应激综合征（Intestinal Bowel Syndrome，IBS）预测模型。

2、基于蛋白组学数据的卵巢癌预后预测分析：
2.1、大部分卵巢癌患者发现时已为晚期，5年生存率低。因此，寻找有效、准确的预后生物标志物对卵巢癌的治疗与预后具有重要的意义。

2.2、对174个卵巢癌患者的蛋白质组学样本进行生物信息学分析，最终获得13个差异蛋白标志物。通过功能富集分析发现，这些蛋白标志物显著富集到多个细胞黏附过程中，且与肿瘤相关的PPAR通路显著关联。

2.3、将这些蛋白标志物应用于多个卵巢癌数据集，进行预后评估验证，均表现出稳定、良好的预后预测效果。结果表明该研究发现了一组可靠的卵巢癌生物标志物，可以有效地预测预后效果，有利于改善病人的生存质量。

Time:11:04~11:26 22m