项目名称: 基于血清甲基化谱建立结直肠癌肝转移预测模型及预后价值的评价

项目编号: No.81502591

项目类型: 青年科学基金项目

立项/批准年度: 2016

项目学科: 医药、卫生

项目作者: 张朋军

作者单位: 北京大学

项目金额: 18万元

中文摘要: 结直肠癌肝转移的早期预测在临床上尤为重要,然而,临床上尚缺乏有效的预测指标。我们的前期结果证明DNA 450K甲基化芯片是一种有效的血清甲基化谱筛选工具。为此,我们提出假说:血清甲基化谱及多参数联合分析可以建立结直肠癌肝转移的预测模型及预后评价。为了验证这一假说,我们采用DNA 450K甲基化芯片、生物信息学分析、重亚硫酸盐测序、多参数联合分析以及预后评价等手段。从临床需求出发,经芯片筛选、生物信息学分析和多参数分析等多方面研究,最后回归到临床,完成血清甲基化谱用于结直肠癌肝转移预测的转化医学模式。本研究从血清甲基化谱和多参数联合分析这个新视点为结直肠癌肝转移的预测及预后评价提供一种新的模型和评价指标。

中文关键词: 结直肠癌;肝转移;血清;甲基化;预后

英文摘要: Early prediction of liver metastases of colorectal cancer is very important in clinical practice, however, there is still lack of effective predictive biomarkers. Our preliminary results demonstrated that the DNA 450K methylation chip was an effective tool for screening the serum methylation profiles. Based on this, we propose a hypothesis: Serum DNA methylation profiles and multi-parameter joint analysis may be used to build a prediction model of liver metastases of colorectal cancer and prognosis evaluation. To test this hypothesis, we used DNA methylation 450K chips, bioinformatic analysis, bisulfite sequencing, multi-parameter joint analysis and prognostic evaluation. From the needs of clinical practice, by methylation chips screening, bioinformatics analysis and multi-parameter analysis methods, and then back to the clinical practice. After this, we completely built a predictive model of liver metastases of colorectal cancer by translational medicine model. In our study, we provide a new predictive model and prognosis indicators for the liver metastases of colorectal cancer based on a new viewpoint of combining the serum DNA methylation profiles and multi-parameter joint analysis.

英文关键词: Colorectal Cancer;Liver Metastases;Serum;Methylation;Prognosis

成为VIP会员查看完整内容
0

相关内容

《华为云数据库在金融行业的创新与探索》华为26页PPT
专知会员服务
13+阅读 · 2022年3月23日
基于表格数据的深度学习方法
专知会员服务
37+阅读 · 2021年10月19日
专知会员服务
12+阅读 · 2021年10月6日
专知会员服务
16+阅读 · 2021年9月18日
专知会员服务
28+阅读 · 2021年8月27日
专知会员服务
30+阅读 · 2021年2月7日
专知会员服务
27+阅读 · 2021年1月29日
【学科交叉】抗生素发现的深度学习方法
专知会员服务
24+阅读 · 2020年2月23日
【华侨大学】基于混合深度学习算法的疾病预测模型
专知会员服务
96+阅读 · 2020年1月21日
金融时序预测中的深度学习方法:2005到2019
专知会员服务
166+阅读 · 2019年12月4日
深度学习预测蛋白质-蛋白质相互作用
机器之心
5+阅读 · 2022年1月15日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年5月11日
Arxiv
13+阅读 · 2021年6月14日
Arxiv
17+阅读 · 2018年4月2日
Arxiv
13+阅读 · 2018年1月20日
小贴士
相关主题
相关VIP内容
《华为云数据库在金融行业的创新与探索》华为26页PPT
专知会员服务
13+阅读 · 2022年3月23日
基于表格数据的深度学习方法
专知会员服务
37+阅读 · 2021年10月19日
专知会员服务
12+阅读 · 2021年10月6日
专知会员服务
16+阅读 · 2021年9月18日
专知会员服务
28+阅读 · 2021年8月27日
专知会员服务
30+阅读 · 2021年2月7日
专知会员服务
27+阅读 · 2021年1月29日
【学科交叉】抗生素发现的深度学习方法
专知会员服务
24+阅读 · 2020年2月23日
【华侨大学】基于混合深度学习算法的疾病预测模型
专知会员服务
96+阅读 · 2020年1月21日
金融时序预测中的深度学习方法:2005到2019
专知会员服务
166+阅读 · 2019年12月4日
相关基金
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员