22、胰腺癌与多亚型肿瘤基因研究：数据挖掘与选择新方法

胰腺癌与多亚型肿瘤基因研究：数据挖掘与选择新方法

1. 胰腺癌相关基因研究

1.1 相关工作概述

基因表达分析在肿瘤研究中至关重要，关联规则挖掘是常用的数据挖掘技术，用于识别共表达基因。此前已有研究利用该技术从人类SAGE数据中识别协同表达组。不同学者将关联规则挖掘应用于不同数据集，如从酵母数据集找基因关联、从微阵列数据提取基因关联，还有研究将其用于关联基序与基因表达。不过，传统关联规则挖掘算法不适用于基因表达数据库，因其结构与传统数据库相反，基因表达数据库有大量项目（基因）和少量事务（组织样本），为此也开发了专门算法。

疾病组织中差异表达基因的识别也是研究领域，这些基因被称为标记基因，可通过基因表达谱分析实现，SAGE技术是基因表达谱分析的有力工具，已用于多种癌症标记基因的识别，也有研究用SAGE数据识别胰腺癌的特征基因。此外，识别差异共表达基因也是相关研究方向，其基于癌症相关基因在正常和癌症组织中可能形成不同基因 - 基因共表达模式的概念，可用于识别癌症标记基因。

1.2 数据挖掘方法

1.2.1 数据选择

基因表达谱技术分为基于杂交的技术（如DNA微阵列）和基于测序的方法（如SAGE）。本研究选择了SAGE数据，从癌症基因组解剖项目网站下载，包含六个胰腺癌SAGE文库和两个正常胰腺文库，文库为文本文件，每个文件包含一组标签（代表基因）及其对应计数（表示表达水平），各文库记录数量如下表：
| 文库名称 | 记录数量 |
| — | — |
| CL_PL45 | 11121 |
| CL_ASPC | 10622 |
| B_96_6252 | 14339