7、癌症诊断与遗传多态性研究进展

癌症诊断与遗传多态性研究进展

1. 癌症诊断新方法与生物标志物发现

癌症诊断一直是医学领域的重要课题,近年来出现了许多新的方法和生物标志物。例如,在卵巢癌诊断方面,传统的癌症抗原 125(CA125)虽然在大多数晚期患者中水平较高,但在早期疾病中的敏感性仅为 50 - 60%。而通过 SELDI - TOF 质谱分析技术,研究人员对 50 例 I - IV 期卵巢癌患者血浆样本和 50 例正常对照样本进行分析,创建了一种算法,该算法能够区分卵巢癌患者和正常个体的蛋白质谱。在对 117 例盲法患者样本(包括 67 例正常个体和 50 例 I - IV 期卵巢癌患者)的分析中,66 例对照样本中的 63 例(95%)被正确分类为非癌性,包括 17 例良性疾病对照,所有 50 例癌症患者样本也都被正确分类,其中包括所有 18 例 I 期癌症。这一分析的显著准确性表明 SELDI - TOF 质谱技术可能成为一种非常有用的诊断工具。

此外,识别导致正常对照和患者蛋白质模式差异的单个蛋白质,有助于确定编码这些蛋白质的基因的遗传改变。这些基因中的突变或多态性的识别对于分子流行病学建立新的癌症生物标志物具有重要意义,而识别伙伴蛋白及其编码基因则对癌症发生过程中的细胞信号传导研究具有重要价值。

2. 分子流行病学的发展

在过去十年中,分子流行病学领域取得了广泛的发展。现在可以常规测量化学物质及其代谢物,并且能够轻松检测体内的大分子加合物和不可逆的遗传变化,如突变和染色体畸变。人类基因组测序项目提供的信息和由此产生的高通量技术也已经应用到分子流行病学中。生物信息学的进展有望帮助控制和解释大量的数据。过渡流行病学正在发展以实现生物标志物的验证。

分子流行病

先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值