基于生存结局加权多组学数据整合的胶质瘤分子分型

目的探讨将生存结局加权的多组学数据整合方法survClust应用于胶质瘤(glioma)数据,以识别具有显著分子异质性和预后差异的胶质瘤分子分型。方法采用survClust方法对中国胶质瘤基因数据库(Chinese glioma genome atlas,CGGA)的胶质瘤多组学数据进行结局加权整合分型,并拟合Cox比例风险模型评估不同分型患者预后。对不同分型间的差异表达基因(DEmiRNAs,DEmRNAs,DMGs)进行筛选,对DEmiRNAs靶基因、DEmRNAs、DMGs的重合基因进行GO功能注释;最后对不同分型患者进行免疫浸润分析。结果survClust将胶质瘤患者分为高危组和低危组,高危组患者的死亡风险是低危组的2.931倍。不同分型差异基因的分布存在差异,共筛选出194个DEmiRNAs,3396个DEmRNAs,1230个DMGs。将189个重合基因进行GO功能注释,得到52条差异具有统计学意义的GO生物项。此外,不同分型在B淋巴细胞、CD4+T细胞、CD8+T细胞、中性粒细胞、巨噬细胞和髓样树突状细胞的免疫浸润水平存在统计学差异。结论结局加权整合算法survClust能够有效识别兼具分子异质性和显著预后差异的胶质瘤亚型,同时基于分型结果筛选出的潜在生物标志物将为胶质瘤的个性化治疗提供科学理论依据。

网络增强核融合方法的改进及其在乳头状肾细胞癌多组学数据整合分子分型中的应用

目的针对网络增强的相似网络融合(network enhancement fusion,ne-SNF)方法先融合不同组学网络,再对融合后的网络降噪,忽略了不同组学相似网络噪声对融合网络影响的问题,本文提出了改进的网络增强融合(improved network enhancement fusion,improved ne-SNF)方法,并探讨其在乳头状肾细胞癌(papillary renal cell carcinoma,PRCC)分子分型中的应用,识别PRCC高危患者,筛选重要通路及免疫浸润细胞。方法通过模拟研究评估improved ne-SNF分型性能,并将其用于PRCC多组学数据的整合分型,利用Cox回归模型分析不同分型患者的预后风险;筛选不同分型的差异表达mRNA(DEmRNAs)、miRNA(DEmiRNAs)及差异甲基化基因(DMGs),并对其重合基因进行KEGG通路分析;最后对不同分型患者进行免疫细胞浸润分析。结果模拟研究结果表明improved ne-SNF在不同信号比例和噪声强度下的分型准确性均优于SNF和ne-SNF。improved ne-SNF方法将PRCC患者分为高危组和低危组,高危组患者的死亡风险是低危组的7.727倍;筛选出3511个DEmRNAs,96个DEmiRNAs及3426个DMGs,其联合分析的649个重合基因得到42条有统计学差异的KEGG通路。此外,筛选出3种在不同分型中存在统计学差异的免疫浸润细胞。结论improved ne-SNF分型性能优于SNF和ne-SNF,且能够有效识别PRCC预后高风险患者,并筛选出PRCC重要通路及相关免疫浸润细胞,为PRCC的治疗及预后提供新的思路和参考依据。

从临床多组学整合调控网络探究雷公藤多苷片治疗类风湿关节炎的“效-毒”关联机制

目的:通过雷公藤多苷片治疗类风湿关节炎疗效应答和诱发药源性肝损伤相关分子互作网络挖掘,揭示雷公藤多苷片的“效-毒”关联机制。方法:利用前期已获得临床来源的雷公藤多苷片疗效应答相关基因表达谱和诱发药源性肝损伤相关蛋白质表达谱数据,根据生物分子间的相互作用信息,构建雷公藤多苷片“效-毒”关联网络,并通过计算网络节点的拓扑特征值,筛选关键网络靶标和挖掘其生物学功能。结果:经临床转录组学检测,获得雷公藤多苷片治疗类风湿关节炎疗效相关差异表达基因119个。经临床蛋白质组学检测,获得雷公藤多苷片诱发药源性肝损伤相关差异表达蛋白质49个。进一步的临床症状富集分析表明,雷公藤多苷片治疗类风湿关节炎的效应基因与痹症相关中医症状和医学临床表型紧密相关,雷公藤多苷片诱发药源性肝损伤相关的差异蛋白质最显著富集于消化系统异常的临床症状,可见,上述多组学数据能够表征雷公藤多苷片治疗类风湿关节炎和诱发药源性肝损伤的主要临床症状。进而,“效-毒”关联网络挖掘表明,雷公藤多苷片治疗类风湿关节炎的关键效应靶标和诱发药源性肝损伤核心致毒蛋白质均参与机体“免疫-炎症”失衡的调节,特别在中性粒细胞脱颗粒、补体级联反应、蛋白质翻译后修饰介导的免疫炎症反应等方面发挥着重要作用;二者还显著富集于肾素-血管紧张素系统(RAS)和丝裂原活化蛋白激酶(MAPK)信号通路等与细胞增殖和细胞周期调控密切相关的信号通路,以及参与糖原代谢和氧化还原反应等肝脏功能直接相关的生物学通路。结论:本研究采用临床表型组学、临床转录组学和蛋白质组学整合的研究策略,系统阐释了雷公藤多苷片“效-毒”的关联特征和分子机制,为探索雷公藤多苷片“增效减毒”机制奠定良好的数据基础。

基于多组学技术整合的中药复方治疗溃疡性结肠炎的作用机制研究进展

中药复方是传统中医治病的主要手段,在多因素复杂慢性疾病的临床治疗中具有显著优势。而中药复方作用机制的阐释对中医药现代化和国际化的推进具有重大意义。中药复方基于“整体观”,体现了多组分、多靶点、多途径等特点,而多组学如转录组学、代谢组学、肠道微生态等技术为中药复方作用机制的阐释提供了不同的视角。溃疡性结肠炎是一种结肠黏膜的慢性非特异性炎性疾病,其病程缠绵难愈,反复发作,已被世界卫生组织列为现代难治病之一。随着大数据时代的到来,高通量、高效的多组学等联合分析已成为必然趋势,在探究溃疡性结肠炎的发病机制和治疗方面可提供极大的帮助。越来越多的研究者通过两种或两种以上技术方法从基因、菌群以及代谢产物等水平共同解释溃疡性结肠炎病变过程及中药复方的作用机制。该文以溃疡性结肠炎为例,基于转录组学、代谢组学、肠道微生态等多组学技术,对近20年国内外中药复方治疗溃疡性结肠炎作用机制文献进行梳理和分析,并对各种技术在应用层面的内在联系加以阐述,为防治溃疡性结肠炎等炎症性肠病的中药研发和其他中药复方作用机制提供研究思路。

整合化学物质组学的整体系统生物学——中药复方配伍和作用机理研究的整体方法论

本文以中医药学和系统生物学为基础,探讨建立一个整合化学物质组学的整体系统生物学体系,用于研究外部干预系统(中药复方)与生物应答系统(人体复杂系统)之间“系统-系统”的相互作用。整合化学物质组学的整体系统生物学提供了一个中医药学与现代科学交流融合的平台,有助于全面、系统、深刻的揭示中医方剂的药效物质基础和作用机理,阐明中药复方的配伍规律,指导复方新药研发,更好地传承和发展中医药理论。

整合宏组学方法研究番茄与玉米秸秆共堆肥生境中的关键微生物及其功能

【目的】探究番茄秸秆与玉米秸秆共堆肥发酵过程中的关键微生物及其功能,以进一步加速其发酵进程。【方法】以番茄秸秆和玉米秸秆为原料,二者按质量比3∶1混合进行条垛式堆肥,每周采集发酵堆20~50 cm深度样品检测木质纤维素酶活力的变化,以酶活力最高时期的代表性样品为研究对象,对其进行高通量焦磷酸测序和Orbitrap宏蛋白质组学研究。【结果】多数真菌隶属于子囊菌门Ascomycota,其中嗜热丝孢菌Thermomyces的相对丰度最高,约占真菌全部序列的70.5%,该属真菌主要分泌内切-1,4-β-木聚糖酶,是主要的半纤维素降解真菌。主要细菌为放线菌门Actinobacteria、变形菌门Proteobacteria和厚壁菌门Firmicutes,三者共占细菌总序列数的87.0%。其中,嗜热裂孢菌属Thermobifida和糖单孢菌属Saccharomonospora是主要的放线菌属,其相对丰度分别占全部细菌序列的16.5%和1.36%。Thermobifida是唯一的纤维素降解菌,鉴定到4种内切纤维素酶组分和3种外切纤维素酶组分;同时产生一种果胶裂解酶和一种β-木聚糖酶。Saccharomonospora分别产生一种β-木聚糖酶、两种丝氨酸蛋白酶和两种胰蛋白酶,在半纤维素的降解和蛋白质降解方面发挥重要作用。Idiomarina是变形菌门下的主要细菌属,平均相对丰度15.6%,主要参与蛋白质的降解。而厚壁菌门下的清野氏菌属Planifilum虽基因丰度不高(仅为1.23%),但却在半纤维素的降解过程中发挥重要作用。【结论】将高通量焦磷酸测序和Orbitrap宏蛋白质组学结合的整合宏组学方法在探明复杂生境中关键微生物的群落结构及功能方面具有可行性。

多组学数据驱动的机器学习模型在乳腺癌生存及治疗响应预测中的应用

乳腺癌的高度异质性导致其治疗及预后评估较为复杂。治疗方案的选择受到肿瘤亚型、病变分级、基因型等多种因素的影响,因此需要制定个体化治疗策略。患者的预后效果因病情不同而产生显著差异。作为人工智能的一个重要分支,机器学习能高效处理海量数据,并实现决策过程的自动化。机器学习方法的引入将为乳腺癌治疗的选择和预后评估提供新的解决方案。在癌症治疗领域,传统方法预测生存与治疗效果往往依赖于单一或少量的生物标志物,难以全面捕捉复杂的生物学过程。机器学习通过分析患者的多组学数据以及它们在疾病发生发展过程中复杂的变化趋势,预测患者的生存和治疗响应效果,从而选择适合的治疗措施,实施早期干预,改善患者的治疗效果。本文首先介绍了常用的机器学习方法,在此基础上分别从评估生存情况和预测治疗效果这两方面展开,详细分析了机器学习在乳腺癌患者生存预测及预后领域中的应用,以期为乳腺癌患者提供精准医疗治疗策略,提高治疗效果和生存质量。

JIVE方法在卵巢癌多组学数据整合分析中的应用

目的引入JIVE方法对多组学数据进行整合分析,并应用于肿瘤分子分型研究。方法使用TCGA数据库中卵巢癌mRNA和miRNA的组学数据,应用JIVE方法整合分析两个组学数据,提取两不同组学数据的共同特征,然后通过对其具有共同结构的数据做主成分分析,给出卵巢癌miRNA分子分型的结果。结果经过JIVE方法整合分析后,使miRNA数据具有明显与mRNA相一致的分型结构,从而进一步支持了mRNA的分型结果,同时揭示了两组学之间在组织分子分型上具有一定的调控关系。结论JIVE方法可以用于提取组学之间存在的共同结构矩阵,从而进行多组学数据的整合分析。

整合mRNA转录本与基因组信息的基因组选择方法研究

基因组预测已成为畜禽、作物遗传评估和人类疾病风险预测的主要技术,但经典的基因组预测方法在性状遗传调控机制等生物学先验信息的整合方面有一定的不足。本研究提出一种将mRNA转录本信息整合应用于复杂性状表型预测的方法。基于国际上广泛应用于数量遗传学研究的果蝇群体,对本研究提出的新方法进行准确性评估。结果显示,整合mRNA转录本,可有效提高部分性状基因组预测准确性,但对部分性状的表型预测准确性没有改善。与GBLUP相比,雄性果蝇D-香芹酮嗅觉反应(dCarvone)准确性由0.256提高到0.274,提高幅度7%。雄性果蝇咖啡因耐受反应(cafe)准确性由0.355提高到0.401,提高幅度13%。雄性果蝇百草枯耐受反应(survival_paraquat)准确性由0.101提高到0.138,提高幅度36%。雌性果蝇1-已醇嗅觉反应(1hexanol)准确性由0.147提高到0.210,提高幅度43%。综上所述,对于部分性状,通过整合mRNA转录本可有效提高基因组预测准确性(提高幅度为7%~43%)。对于部分性状,整合mRNA转录本并考虑互作效应可进一步提高预测准确性。

癌症多组学数据深度自编码器整合分型方法

在癌症研究中,随着高通量测序技术发展已经产生了海量的复杂数据。尽管有了一些利用深度学习和统计学方法进行多组学数据整合的研究,但目前仍缺乏较为有效率的整合方法。因此提出一种基于深度自编码器的多组学数据整合方法(deep autoencoder for multi-omics integration,DAEMI)。它利用自编码器中的瓶颈层,学习多组学数据的特征表示。与先前利用深度学习整合的研究相比,DAEMI可以发现明显生存差异的癌症亚型。同时因为不需要生存数据来选择特征,DAEMI可以使用更多特征进行K均值聚类,进而完成癌症分型任务。将DAEMI应用于模拟数据集与四个癌症数据集实验,通过与高阶路径相似度网络的融合模型(HOPES)、相似性网络融合(SNF)、iClusterPlus和moCluster进行比较,结合模拟数据集测试结果与真实癌症数据集测试结果来看,DAEMI要优于其他方法。相应的生物功能分析揭示,神经退行性疾病与线粒体功能障碍可能与癌症共享某些生物学通路。

基于rMKL-LPP方法的乳头状肾细胞癌多组学数据整合分型分析

目的探讨局部保留投影的正则化多核学习(regularized multiple kernel learning with locality preserving projections,rMKL-LPP)在乳头状肾细胞癌(papillary renal cell carcinoma,PRCC)多组学数据分子分型中的应用,进一步研究PRCC分子分型在信号通路活性和基因表达调控方面的异质性。方法采用rMKL-LPP方法对PRCC的mRNA、miRNA和DNA甲基化数据进行整合,进一步采用k-means方法聚类分型,并通过Cox回归分析研究不同分型的预后风险。针对不同分型,进行通路活性分析,使用差异表达分析筛选DEmRNAs(differentially expressed mRNAs),DEmiRNAs(differentially expressed miRNAs)和DMGs(differentially methylated genes),并对三者的重合基因进行GO(gene ontology)富集分析,最后使用相关及生存分析筛选可能受DNA甲基化或miRNA调控且影响患者生存的基因。结果PRCC患者分为三型,不同亚型在通路活性和基因表达方面均有差异。筛选出10条活性存在差异的通路;1185个DEmRNAs,13个DEmiRNAs及416个DMGs,其中36个重合基因富集于有统计学差异的8个GO生物项。相关分析发现,ABL2可能受hsa-miR-107调控,13个基因可能受DNA甲基化调控。生存分析表明,ZNF135和RBPMS2可能与患者生存结局相关。结论rMKL-LPP能够有效识别PRCC亚型,筛选出的通路及潜在生物标志物,可为PRCC针对性治疗提供依据。

整合组学在甲基苯丙胺所致精神障碍法医学鉴定中的应用前景

甲基苯丙胺所致精神障碍(methamphetamine-associated psychosis,MAP)和精神分裂症的临床症状及体征十分相似,但MAP和精神分裂症患者在发生危害行为后需评定刑事责任时的情况却完全不同,因而两者的甄别在法医精神病学鉴定中十分重要。目前对于两者的鉴别主要依据《精神障碍诊断与统计手册(第五版)》《中国精神障碍分类与诊断标准(第三版)》等诊断标准,但由于两者高度相似的临床表现和客观指标的缺乏,给法医学鉴识实践工作带来了很大的困难和挑战。不同于单一组学的局限性,整合组学将多个维度的数据整合起来,已在精神分裂症领域开展了广泛研究并初步取得一些应用成果。鉴于MAP和精神分裂症的关联性和整合组学的潜在的应用价值,本文提出以整合组学的策略进行MAP发病机制及法医学鉴识的研究思路,旨在完善对MAP与精神分裂症之间的关系及相应发病机制的进一步理解,也为未来整合组学在法医学精准鉴识及有效监测预警方法的探索提供借鉴与参考。

基于多维组学的冠心病遗传研究进展

冠心病(CHD)是心血管疾病的重要分支,也是心血管疾病导致死亡的主要原因。随着基因检测技术的快速发展,依托各组学技术研究可以获取CHD遗传信息,从而进行CHD的预测、诊断、治疗。基于多组学的相互交融,可以深入研究CHD的遗传基础,进行风险预测及目标识别,进而降低CHD的患病率及死亡率。CHD转录组学研究已发现该疾病的早期诊断生物标志物并经临床研究验证,而CHD多组学研究也将对CHD疾病机制进行多维度解读。在总结前人的CHD相关成果基础上,构建并整合基因库、转录组学库、蛋白质组学库等融合分析可以为遗传研究提供借鉴,探索新方向,实现新突破。CHD多组学分析能够进一步明确CHD疾病遗传机制并提供风险评估。尽管CHD的不同组学已经有相关研究报道,然而多组学联合分析尚未进行深入研究探讨。本文将统筹多组学对CHD疾病进行深入探讨。

检验组学在精准医疗中的应用价值

随着多组学时代的到来,检验组学这一综合性科学应运而生。检验组学是综合基因组学、蛋白组学、代谢组学、免疫组学及药物基因组学等多组学的检验数据结果,并利用大数据的计算方法对各个组学的数据指标进行分析、筛选、分类、整合的多领域交叉学科。通过大数据、高通量的数据分析方法,可得到更加精准的病理指标置信区间,完善疾病的早期预警诊断体系,形成个体化的生物医学信息库,以满足精准诊断、精准治疗的要求。尽管检验组学大数据分析在实际应用中处于起步阶段,但通过与相关科学技术的结合发展,检验组学将会成为临床检验医学领域的重要发展方向。

融合生物学通路的变分自编码器在肺癌蛋白与代谢组学数据中的应用研究

目的本研究提出了融合生物学通路的变分自编码器(variational auto encoder,VAE),对蛋白质与代谢组学数据进行整合分析,并应用于肺腺癌患者探索可能的病理机制。方法为VAE的隐变量层节点赋予通路的实际意义,解码器按通路包含的生物学分子信息构建稀疏神经网络,使通路节点只与自身包含的分子连接,将隐变量作为提取的高级特征。对隐变量进行Kmeans聚类分析并使用调整兰德系数评估效果,引入基因差异表达分析方法limma探索差异表达通路,在北京大学人民医院胸外科肺腺癌患者的蛋白质与代谢组学数据中进行实例分析。结果融合生物学通路的VAE提取的高级特征不仅将聚类准确度提高了38%,还通过差异表达分析鉴别出了实性与亚实性结节肺腺癌间的差异通路。结论融合生物学通路的VAE可用于组学数据整合分析,其提取的高级特征具有通路表达活性的实际生物学意义。

多组学数据分析中关联网络融合ANF算法及应用研究

目的引入关联网络融合(affinity network fusion,ANF)方法对多组学数据进行整合分析,并应用于肿瘤分子分型研究。方法模拟产生两组学数据,改变总体差异大小等情况比较多种多组学整合方法的效果。实例分析中目标人群选择TCGA数据库中对铂类药物敏感并拥有mRNA和甲基化两个组学的卵巢癌患者,目标基因是TCGA数据库和ImmPort数据库中共有基因,目标甲基化位点是目标基因对应的所有甲基化位点。使用ANF、SNF、K-means、系统聚类和iCluster五种方法比较聚类效果。结果模拟实验提示存在总体差异的两亚型间差异较小时ANF方法的效果明显优于其他方法。实例分析结果表明,通过ANF方法进行多组学数据整合得到的分子分型较单组学得到的分子分型有更好的生物学意义且多组学聚类效果优于其他方法。结论ANF方法可以应用于多组学数据整合分析,具有实际应用意义。

结合基因关联和转录组分析鉴定小麦成株期抗条锈病位点YrZ501-2BL的候选基因

【目的】小麦条锈病是小麦的主要病害之一,每年都会对小麦产量安全造成严重危害,挖掘小麦抗条锈病基因,为小麦抗条锈病种质创新和揭示小麦抗条锈病遗传机制奠定基础。【方法】利用多组学手段结合全基因关联分析(GWAS)开展对小麦成株期抗条锈病性状的解析。首先对411份来自CIMMYT和ICARDA的春小麦进行全基因组关联分析,在小麦2BL染色体上定位到一个主效的成株期抗条锈病位点,并利用含有该位点的抗病材料Z501及感病亲本晋麦79的双亲群体进行连锁作图,成功验证了该位点抗性的稳定性,暂命名为YrZ501-2BL。在此基础上,通过基因注释、比较基因组分析、转录组分析和候选基因的关联分析对目标区间筛选候选基因。【结果】综合GWAS和连锁作图结果,将YrZ501-2BL锁定在小麦2B染色体0.26 Mb(575.706—576.587 Mb)范围内,根据中国春参考基因组注释信息分析,该区间含有12个基因,其中,高可信基因6个;利用在线网站,将目标区间所在的中国春参考基因组与其他已公布的不同倍性小麦基因组进行比较,发现该区间的6个高可信小麦基因基本都能在其他小麦材料中找到同源基因,且基因排列顺序相同,说明该区间可能不存在较大片段的插入、缺失、倒位等现象,可以利用参考基因组信息进行候选基因预测;结合抗病亲本Z501和感病亲本晋麦79的成株期接种条锈菌后的转录组数据,发现只有TraesCS2B02G406400、TraesCS2B02G406500和TraesCS2B02G406600受诱导表达,且抗感病亲本存在表达差异。根据中国春基因组注释,三者分别编码GATA转录因子、SH3P2蛋白和锌指蛋白。通过进一步的候选基因关联分析,发现只有SH3P2蛋白中存在与条锈病表型显著性差异的SNP位点(G/A),虽然该位点(G1369A)在2个可变剪切的转录本中均未引起氨基酸编码变化(TCG和TCA均编码丝氨酸),但可能与可变剪切有关,同时该位点(G1369A)的不同单倍型表型之间也存在极显著差异,进一步分析发现,在G1369A位点下游还有2个引起氨基酸改变的变异位点G1377A和G1431A,分别引起缬氨酸(GTT)到异亮氨酸(ATT)和缬氨酸(GTG)到甲硫氨酸(ATG)的改变,但这两个位点在455份重测序材料中所占比例只有0.87%,属于稀有变异,因此,未进行显著性检验。综上,推测TraesCS2B02G406500为YrZ501的重要抗病候选基因;此外,针对YrZ501候选区间的差异SNP开发了相应的AQP标记,可用于辅助选择,为下一步小麦抗锈病分子育种应用提供了标记资源。【结论】利用多组学整合关联分析的方法,成功在小麦2B染色体上挖掘到1个抗条锈病候选基因TraesCS2B02G406500。

从临床出发,以信号通路为靶标的复方新药研发策略、途径与实践——六论创建新医药学

本文对中医药现代化之路朝向何方之问,提出了新药研发重点将从新化学实体(NCE)转向复方新药(innovative compound drug,ICD)的观点。在分析新化学实体研究开发模式的缺陷——从动物模型和从靶点出发的新药研究开发的局限性基础上,指出"病"(西医)和"证"(中医)具有统一的生物学意义和生物物质基础(基因、蛋白质、代谢物等)。本文提出了基于"系统-系统"(人体系统-药物系统)模式的复方药物的定义和特点,给出了从临床出发,以信号通路为靶标的复方新药(包括中药复方、西药复方和中西药复方)研发策略。以中药方剂糖肾方治疗糖尿病肾病(DN)的临床研究为例,阐述了研究途径和实例。最后,再次提出设立中国"新医药学发展计划"的倡议。

基于堆叠降噪自编码器的肝癌亚型分类

肝癌是威胁人类健康的常见恶性肿瘤之一。通过对基因数据使用深度学习方法进行整合来系统地获取对肝癌的认知,使用多组学的疾病分析方法来探究各组学之间的相互关系,有助于更准确的临床决策。然而,由于多组学数据具有高维稀疏性,存在大量的冗余特征和较少的可用临床标签样本。堆叠降噪编码器(SDAE)是能够从海量数据中获取有效特征的高效模型,因此基于SDAE模型提出一种层次式堆叠降噪编码器,来学习肝癌的RNA表达、miRNA表达和DNA甲基化数据的特征并进行整合和识别。实验结果表明:Hi-SDAE方法提高了对肝癌亚型分类的准确度,为肝癌针对性治疗提供了更有价值的参考依据。

整合组学分析在骨肉瘤生物标志物筛选中的应用

目的建立整合组学分析方法以筛选骨肉瘤早期诊断的生物标志分子。方法分别采用基因芯片和SELDI．TOF-MS技术筛选候选的骨肉瘤标志基因和骨肉瘤血清标志物。运用Link-test统计学方法对基因芯片和SELDI-TOF-MS数据进行整合分析，提取骨肉瘤早期诊断的候选标志分子。结果基因芯片在骨肉瘤细胞系中筛选到653个候选骨肉瘤标志基因；SELDI-TOF-MS技术在骨肉瘤患者血清中检测到6个差异显著的候选质谱峰标志物。利用Link-test整合分析一共鉴定出13个候选的骨肉瘤标志分子。结论整合组学分析法是一个稳定有效的筛选骨肉瘤早期诊断标志分子的方法，可以作为骨肉瘤早期诊断的监测平台。