CMAP数据库简介及操作
基于生物信息学和CMap_数据库分析肺癌相关基因及潜在治疗药物
㊀基金项目:国家自然科学基金项目(Ｎｏ.８２１０４２２２)ꎻ山东省自然科学基金项目(Ｎｏ.ＺＲ２０２１ＱＨ２４７)作者简介:张虎ꎬ男ꎬ硕士ꎬ研究方向:药理学ꎬＥ－mail:137****8218＠１６３.ｃｏｍ通信作者:李羚ꎬ女ꎬ博士ꎬ主管药师ꎬ研究方向:药理学ꎬＴｅｌ:０５３１－８９２６９５９４ꎬＥ－ｍａｉｌ:ｌｉｎｇｌｉｊｕｎ０２２０＠１６３.ｃｏｍ基于生物信息学和ＣＭａｐ数据库分析肺癌相关基因及潜在治疗药物张虎ꎬ黄欣ꎬ李妍ꎬ韩毅ꎬ李羚(山东第一医科大学第一附属医院<山东省千佛山医院>临床药学ꎬ山东省儿童药物临床评价与研发工程技术研究中心ꎬ山东省医药卫生临床药学重点实验室ꎬ山东济南２５００１４)摘要:目的㊀基于生物信息学和关联性图谱(ＣＭａｐ)数据库筛选肺癌相关基因及其潜在的治疗药物ꎬ为肺癌的治疗提供新思路ꎮ方法㊀从基因表达数据库(ＧＥＯ)中选择ＧＳＥ８９０３９㊁ＧＳＥ１１８３７０和ＧＳＥ１３６０４３ꎬ采用Ｒ软件筛选差异表达基因(ＤＥＧｓ)ꎬ将ＤＥＧｓ进行ＧＯ和ＫＥＧＧ富集分析ꎬ并构建蛋白质－蛋白质相互作用(ＰＰＩ)网络ꎻ使用基因表达谱交互分析(ＧＥＰＩＡ)验证枢纽基因的表达以及预后价值ꎻ采用ＣＭａｐ数据库筛选具有肺癌治疗作用的潜在候选药物ꎮ结果㊀我们共确定了５３０个ＤＥＧｓꎬ包括１５０个上调基因和３８０个下调基因ꎮ这些ＤＥＧｓ主要富集在细胞外基质(ＥＣＭ)－受体相互作用㊁细胞黏附等方面ꎮＰＰＩ网络由５２７个节点ꎬ１２９８条连接线组成ꎬ前十个枢纽基因分别为ＳＤＣ１㊁ＣＤＨ５㊁ＦＧＦ２㊁ＰＥＣＡＭ１㊁ＩＬ６㊁ＣＡＶ１㊁ＭＭＰ９㊁ＳＰＰ１㊁ＶＷＦ㊁ＰＰＡＲＧꎮ通过ＧＥＰＩＡ分析这些枢纽基因相关的总生存期(ＯＳ)ꎬ结果显示ＳＰＰ１对ＯＳ具有显著影响ꎮ使用ＣＭａｐ数据库筛选出的对肺癌具有潜在治疗作用的ＦＤＡ批准上市的候选药物ꎬ包括腺苷脱氨酶抑制剂(克拉屈滨)㊁核糖苷还原酶抑制剂(氯法拉滨)㊁抗病毒药(阿糖腺苷)㊁拓扑异构酶抑制剂(替尼泊苷)㊁ＲＮＡ聚合酶抑制剂(放线菌素)㊁抗代谢药物(阿糖胞苷)ꎮ结论㊀借助生物信息学和ＣＭａｐ数据库挖掘发现克拉屈滨等药物对肺癌具有潜在的治疗作用ꎮ本研究为寻找肺癌的治疗方案提供了新的思路ꎬ具有重要的临床意义ꎮ关键词:肺癌ꎻ差异表达基因ꎻ生物信息学ꎻＣＭａｐ数据库中图分类号:Ｒ７３４.２㊀文献标志码:Ａ㊀文章编号:２０９５－５３７５(２０２３)０９－０６５４－００７ｄｏｉ:１０.１３５０６/ｊ.ｃｎｋｉ.ｊｐｒ.２０２３.０９.００３ＩｄｅｎｔｉｆｉｃａｔｉｏｎｏｆｈｕｂｇｅｎｅｓａｎｄｐｏｔｅｎｔｉａｌｃａｎｄｉｄａｔｅｄｒｕｇｓｆｏｒｌｕｎｇｃａｎｃｅｒｖｉａｂｉｏｉｎｆｏｒｍａｔｉｃｓａｎｄＣＭａｐＺＨＡＮＧＨｕꎬＨＵＡＮＧＸｉｎꎬＬＩＹａｎꎬＨＡＮＹｉꎬＬＩＬｉｎｇ(ＳｈａｎｄｏｎｇＥｎｇｉｎｅｅｒｉｎｇａｎｄＴｅｃｈｎｏｌｏｇｙＲｅｓｅａｒｃｈＣｅｎｔｅｒｆｏｒＰｅｄｉａｔｒｉｃＤｒｕｇＤｅｖｅｌｏｐｍｅｎｔꎬＳｈａｎｄｏｎｇＭｅｄｉｃｉｎｅａｎｄＨｅａｌｔｈＫｅｙＬａｂｏｒａｔｏｒｙｏｆＣｌｉｎｉｃａｌＰｈａｒｍａｃｙꎬＤｅｐａｒｔｍｅｎｔｏｆＣｌｉｎｉｃａｌＰｈａｒｍａｃｙꎬＴｈｅＦｉｒｓｔＡｆｆｉｌｉａｔｅｄＨｏｓｐｉｔａｌｏｆＳｈａｎｄｏｎｇＦｉｒｓｔＭｅｄｉｃａｌＵｎｉｖｅｒｓｉｔｙ＆ＳｈａｎｄｏｎｇＰｒｏｖｉｎｃｉａｌＱｉａｎｆｏｓｈａｎＨｏｓｐｉｔａｌꎬＪｉｎａｎ２５００１４ꎬＣｈｉｎａ)Ａｂｓｔｒａｃｔ:Ｏｂｊｅｃｔｉｖｅ㊀ＴｏｓｃｒｅｅｎｈｕｂｇｅｎｅｓａｎｄｐｏｔｅｎｔｉａｌｃａｎｄｉｄａｔｅｄｒｕｇｓｆｏｒｌｕｎｇｃａｎｃｅｒｖｉａｂｉｏｉｎｆｏｒｍａｔｉｃｓａｎｄＣＭａｐꎬｗｈｉｃｈｐｒｏｖｉｄｅｄｎｅｗｉｄｅａｓｆｏｒｔｈｅｔｒｅａｔｍｅｎｔｏｆｌｕｎｇｃａｎｃｅｒ.Ｍｅｔｈｏｄｓ㊀Ｗｅｏｂｔａｉｎｅｄｔｈｒｅｅｄａｔａｓｅｔｓ(ＧＳＥ８９０３９ꎬＧＳＥ１１８３７０ꎬＧＳＥ１３６０４３)ｆｒｏｍｔｈｅＧｅｎｅＥｘｐｒｅｓｓｉｏｎＯｍｎｉｂｕｓ(ＧＥＯ)ｄａｔａｂａｓｅ.Ｆｕｎｃｔｉｏｎａｎｎｏｔａｔｉｏｎａｎｄｅｎｒｉｃｈｍｅｎｔｐａｔｈｗａｙａｎａｌｙｓｉｓｏｆｔｈｅｄｉｆｆｅｒｅｎｔｉａｌｌｙｅｘｐｒｅｓｓｅｄｇｅｎｅｓ(ＤＥＧｓ)ｗｅｒｅｐｒｏｖｉｄｅｄｂｙＧｅｎｅＯｎｔｏｌｏｇｙ(ＧＯ)ꎬＫｙｏｔｏＥｎｃｙｃｌｏｐｅｄｉａｏｆＧｅｎｅｓａｎｄＧｅｎｏｍｅｓ(ＫＥＧＧ)ａｎｄｐｒｏｔｅｉｎ－ｐｒｏｔｅｉｎｉｎｔｅｒａｃｔｉｏｎ(ＰＰＩ)ｎｅｔｗｏｒｋꎬａｎｄｔｈｅｎｗｅｅｘａｍｉｎｅｄｔｈｅａｓｓｏｃｉａｔｉｏｎｂｅｔｗｅｅｎｔｈｅｔｏｐ１０ｓｃｒｅｅｎｅｄｈｕｂｇｅｎｅｓａｎｄｔｈｅｏｖｅｒａｌｌｓｕｒｖｉｖａｌ(ＯＳ)ｏｆｌｕｎｇｃａｎｃｅｒｐａｔｉｅｎｔｓ.ＴｈｅｃａｎｄｉｄａｔｅｄｒｕｇｓｗｉｔｈｔｈｅｒａｐｅｕｔｉｃｅｆｆｅｃｔｓｗｅｒｅｉｄｅｎｔｉｆｉｅｄｂｙＣｏｎｎｅｃｔｉｖｉｔｙＭａｐ(ＣＭａｐ).Ｒｅｓｕｌｔｓ㊀Ａｔｏｔａｌｏｆ５３０ＤＥＧｓｗｅｒｅｉｄｅｎｔｉｆｉｅｄꎬｉｎｃｌｕｄｉｎｇ１５０ｕｐ－ｒｅｇｕ￣ｌａｔｅｄｇｅｎｅｓａｎｄ３８０ｄｏｗｎ－ｒｅｇｕｌａｔｅｄｇｅｎｅｓ.ＴｈｅｓｅＤＥＧｓｗｅｒｅｍａｉｎｌｙｉｎｖｏｌｖｅｄｉｎｅｘｔｒａｃｅｌｌｕｌａｒｍａｔｒｉｘ(ＥＣＭ)－ｒｅｃｅｐｔｏｒｉｎｔｅｒ￣ａｃｔｉｏｎａｎｄｃｅｌｌａｄｈｅｓｉｏｎ.ＴｈｅＰＰＩｎｅｔｗｏｒｋｃｏｎｓｉｓｔｅｄｏｆ５２７ｎｏｄｅｓｗｉｔｈ１２９８ｃｏｎｎｅｃｔｉｏｎｌｉｎｅｓ.Ｔｈｅｔｏｐ１０ｈｕｂｇｅｎｅｓｗｅｒｅＳＤＣ１ꎬＣＤＨ５ꎬＦＧＦ２ꎬＰＥＣＡＭ１ꎬＩＬ６ꎬＣＡＶ１ꎬＭＭＰ９ꎬＳＰＰ１ꎬＶＷＦａｎｄＰＰＡＲＧ.ＧＥＰＩＡａｎａｌｙｓｉｓｓｈｏｗｅｄｔｈａｔｔｈｅｅｘｐｒｅｓｓｉｏｎｌｅｖｅｌｏｆＳＰＰ１ｈａｄｓｉｇｎｉｆｉｃａｎｔｉｍｐａｃｔｏｎＯＳ.ＵｓｉｎｇｔｈｅＣＭａｐꎬＦＤＡ－ａｐｐｒｏｖｅｄｃａｎｄｉｄａｔｅｄｒｕｇｓｓｃｒｅｅｎｅｄｗｉｔｈｐｏｔｅｎｔｉａｌｔｈｅｒａ￣ｐｅｕｔｉｃｅｆｆｅｃｔｓｏｎｌｕｎｇｃａｎｃｅｒｉｎｃｌｕｄｅｄａｄｅｎｏｓｉｎｅｄｅａｍｉｎａｓｅｉｎｈｉｂｉｔｏｒｓ(ｃｌａｄｒｉｂｉｎｅ)ꎬｒｉｂｏｓｉｄｅｒｅｄｕｃｔａｓｅｉｎｈｉｂｉｔｏｒｓ(ｃｌｏｆａｒａ￣ｂｉｎｅ)ꎬａｎｔｉｖｉｒａｌｄｒｕｇｓ(ｖｉｄａｒａｂｉｎｅ)ꎬｔｏｐｏｉｓｏｍｅｒａｓｅｉｎｈｉｂｉｔｏｒｓ(ｔｅｎｉｐｏｓｉｄｅ)ꎬＲＮＡｐｏｌｙｍｅｒａｓｅｉｎｈｉｂｉｔｏｒｓ(ａｃｔｉｎｏｍｙｃｉｎ)ꎬａｎｔｉ￣ｍｅｔａｂｏｌｉｔｅｓ(ｃｙｔａｒａｂｉｎｅ).Ｃｏｎｃｌｕｓｉｏｎ㊀ＷｉｔｈｔｈｅｈｅｌｐｏｆｂｉｏｉｎｆｏｒｍａｔｉｃｓａｎｄＣＭａｐｄａｔａｂａｓｅꎬｉｔｉｓｆｏｕｎｄｔｈａｔｃｌａｄｒｉｂｉｎｅａｎｄｏｔｈｅｒｄｒｕｇｓｍａｙｂｅｃａｎｄｉｄａｔｅｓｆｏｒｔｈｅｔｒｅａｔｍｅｎｔｏｆｌｕｎｇｃａｎｃｅｒ.Ｔｈｉｓｓｔｕｄｙｐｒｏｖｉｄｅｓａｎｅｗｗａｙｆｏｒｆｉｎｄｉｎｇｃａｎｄｉｄａｔｅｔｈｅｒａ￣ｐｅｕｔｉｃｄｒｕｇｓａｎｄｈａｓｉｍｐｏｒｔａｎｔｃｌｉｎｉｃａｌｓｉｇｎｉｆｉｃａｎｃｅ.Ｋｅｙｗｏｒｄｓ:ＬｕｎｇｃａｎｃｅｒꎻＤＥＧｓꎻＢｉｏｉｎｆｏｒｍａｔｉｃｓꎻＣＭａｐｄａｔａｂａｓｅ㊀㊀肺癌是全球癌症死亡的首要原因ꎬ同时也是中国高发癌症之一[１]ꎮ近年来肺癌的治疗取得了较大的进展ꎬ比如新的治疗药物免疫检查点抑制剂的疗效已经得到了证实[２－３]ꎬ但仍有患者面临着耐药㊁复发㊁转移和个体差异等问题ꎬ限制了现有药物的使用[４]ꎮ因此有效控制肺癌的发展及改善患者的总体生存期仍面临巨大的挑战ꎬ寻找新的治疗靶点和新的治疗药物也变得尤为重要ꎮ通过整合基因相关数据库ꎬ可以更深入的研究肿瘤相关基因㊁分子机制ꎬ在基因层面为肿瘤的治疗寻找新的生物标志物ꎮ开发一种新的药物需要大量资金ꎬ时间和各种资源的投入ꎬ并且伴有一定的风险ꎬ而药物重定位是一种非常规的方法来识别已批准或实验药物的新适应证[５]ꎬＣｏｎｎｅｃｔｉｖｉｔｙＭａｐ(ＣＭａｐ)数据库是基于基因表达谱的药物研究平台ꎬ该数据库通过大量细胞系实验将基因㊁药物和疾病联系起来[５]ꎮ通过ＣＭａｐ数据库ꎬ可筛选逆转肺癌的基因表达变化的药物ꎮ本研究通过生物信息学和ＣＭａｐ数据库分析ꎬ筛选出肺癌的关键致病基因和候选治疗药物ꎬ为肺癌的治疗提供了新的治疗策略ꎮ１㊀材料与方法１.１㊀数据的下载和ＤＥＧｓ的筛选㊀从ＧＥＯ(ＧｅｎｅＥｘ￣ｐｒｅｓｓｉｏｎＯｍｎｉｂｕｓꎬＧＥＯ)数据库(ｈｔｔｐｓ://ｗｗｗ.ｎｃｂｉ.ｎｌｍ.ｎｉｈ.ｇｏｖ/ｇｅｏ/)中获得基因表达谱数据集ꎬＧＳＥ８９０３９采用ＧＰＬ１７０７７平台ꎬ其包括８个肺癌组织样本和８个正常组织样本ꎬＧＳＥ１１８３７０采用ＧＰＬ５７０平台ꎬ其包括６个浸润性肺腺癌组织样本和６个正常组织样本ꎬＧＳＥ１３６０４３采用ＧＰＬ１３４９７平台ꎬ其包括５个肺癌组织样本和５个正常组织样本ꎮ采用Ｒ软件筛选ＤＥＧｓꎬ所筛选的条件为｜ｌｏｇ２ＦＣ｜ȡ１.０ꎬＰ<０.０５[６]ꎬ将筛选出的差异基因通过Ｒ语言(ｖ４.２.３)可视化为火山图ꎮ１.２㊀ＧＯ和ＫＥＧＧ的分析㊀通过ＤＡＶＩＤ(ｖ２０２１)进行ＧＯ(ＧｅｎｅＯｎｔｏｌｏｇｙꎬＧＯ)和ＫＥＧＧ(ＫｙｏｔｏＥｎｃｙ￣ｃｌｏｐｅｄｉａｏｆＧｅｎｅｓａｎｄＧｅｎｏｍｅｓꎬＫＥＧＧ)功能富集分析[７]ꎮ将差异基因在ＧＯ数据库进行细胞组分(ｃｅｌ￣ｌｕｌａｒｃｏｍｐｏｎｅｎｔꎬＣＣ)㊁分子功能(ｍｏｌｅｃｕｌａｒｆｕｎｃｔｉｏｎꎬＭＦ)㊁生物过程(ｂｉｏｌｏｇｉｃａｌｐｒｏｃｅｓｓꎬＢＰ)三方面的富集分析ꎬ在ＫＥＧＧ数据库进行细胞相关通路的富集分析ꎮ使用Ｂｅｎｊａｍｉｎｉ－Ｈｏｃｈｂｅｒｇ方法调整Ｐ值以控制错误发现率ꎬ将调整后的Ｐ<０.０５的富集设定为显著富集的临界标准[８]ꎬ并且通过Ｒ语言来可视化ＤＡＶＩＤ的分析结果ꎮ１.３㊀蛋白质－蛋白质相互作用分析和枢纽基因筛选㊀将３个数据集中的交集基因放入相互作用基因/蛋白质数据库(ＳＴＲＩＮＧ)中ꎬ高于０.４的相互作用评分设定为截止值[９]ꎮ使用Ｃｙｔｏｓｃａｐｅ软件(ｖ３.９.１)构建ＤＥＧ编码蛋白的网络ꎬ并将其可视化ꎬ展现重叠ＤＥＧ之间潜在的相互关系[６]ꎮ通过插件ＣｙｔｏＨｕｂｂａ基于度的拓扑算法来分析网络ꎬ将具有高相互作用的前１０个基因鉴定为枢纽基因ꎮＭＣＯＤＥ(分子复合物检测)插件来可视化和鉴定来自ＰＰＩ网络的重要模块ꎬ参数设置设为默认值:ｄｅｇｒｅｅ＝２ꎬｎｏｄｅｓｃｏｒｅ＝０.２ꎬｋ－ｃｏｒｅ＝２ꎬｍａｘｉｍｕｍｄｅｐｔｈ＝１００[１０]ꎮ１.４㊀枢纽基因的生存分析㊀使用基因表达谱交互分析(ＧＥＰＩＡ)中的箱形图比较每个枢纽基因在肺癌组织和正常组织之间的差异表达谱[１１]ꎮ使用Ｋａ￣ｐｌａｎ－Ｍｅｉｅｒ分析枢纽基因上调或下调患者的总生存期(ｏｖｅｒａｌｌｓｕｒｖｉｖａｌꎬＯＳ)[１２]ꎮ１.５㊀ＣＭａｐ数据库筛选候选药物㊀利用Ｃｙｔｏｓｃａｐｅ计算差异基因中ＰＰＩ得分前１００的基因集合ꎬ包括２７个上调基因和７３个下调基因ꎮ将这１００个差异基因输入ＣＭａｐ(ｈｔｔｐｓ://ｃｌｕｅ.ｉｏ/)数据库ꎬ所得结果按照Ｓｃｏｒｅ大小进行排序ꎬ筛选负相关的候选药物ꎮ１.６㊀统计学分析㊀Ｋａｐｌａｎ－Ｍｅｉｅｒ的生存分析ꎬ采用对数秩和检验ꎬＰ<０.０５具有统计学差异ꎮ在线数据库分析应用系统默认的统计学方法ꎮ２㊀结果２.１㊀差异表达基因的筛选㊀在本研究中ꎬ共有３８个样本ꎬ包括１９个肺癌组织样本和１９个正常肺部组织样本(ＧＳＥ８９０３９:８Ｔ/８ＮꎻＧＳＥ１１８３７０:６Ｔ/６ＮꎻＧＳＥ１３６０４３:５Ｔ/５Ｎ)ꎮ在基因表达测定及数据处理和标准化之后ꎬ使用Ｌｉｍｍａ包对每个数据集筛选ＤＥＧｓꎬ筛选标准为:｜ｌｏｇ２ＦＣ｜ȡ１.０且Ｐ值<０.０５ꎮ最终我们从ＧＳＥ８９０３９数据集中筛选了２７０８个ＤＥＧｓꎬ包括１０９３个上调和１６１５个下调的基因(见图１Ａ)ꎻ在ＧＳＥ１１８３７０中筛选了１８８７个ＤＥＧｓꎬ包括８１４个上调和１０７３个下调的基因(见图１Ｂ)ꎻ在ＧＳＥ１３６０４３中筛选了２３５２个ＤＥＧｓꎬ包括１１６４个上调和１１８８个下调的基因(见图１Ｃ)ꎮ接下来ꎬ我们分别取３个基因数据集上调基因和下调基因中的重叠基因ꎬ得到１５０个共有上调基因和３８０个共有下调基因ꎬ共计５３０个ＤＥＧｓ(见图１Ｄ㊁Ｅ)ꎮ２.２㊀差异基因的功能富集分析㊀我们将５３０个ＤＥＧｓ进行ＧＯ和ＫＥＧＧ的富集分析ꎮ结果显示ＫＥＧＧ通路富集主要是ＥＣＭ－受体相互作用ꎬ这些相互作用导致细胞活动的直接或间接控制ꎬ如黏附㊁迁移㊁分化㊁增殖和凋亡(见图２Ａ)ꎮ对于ＧＯ＿ＢＰ富集分析ꎬ它们在细胞黏附ꎬ细胞外基质组织ꎬ血管生成ꎬ细胞分化等富集ꎬ细胞黏附分子与肿瘤的侵袭转移密切相关ꎬ起至关重要的作用ꎮ对于ＧＯ＿ＭＦ分析ꎬ它们富集在钙离子结合ꎬ细胞外基质结构成分ꎬ信号受体活性等分子功能方面ꎮＧＯ＿ＣＣ分析显示ꎬ它们在细胞质膜的组成成分ꎬ细胞表面ꎬ转录因子复合物等部位富集(见图２Ｂ)ꎮ㊀Ａ~Ｃ.ＧＳＥ－ＤＥＧＳ的火山图ꎻＤ.来自３个基因数据集的上调基因的Ｖｅｎｎ图ꎻＥ.来自３个基因数据集的下调基因的Ｖｅｎｎ图图１㊀ＤＥＧｓ的分析㊀Ａ.ＫＥＧＧ富集分析ꎻＢ.ＧＯ富集分析ꎬ自上而下分别为生物过程(ＢＰ)㊁细胞成分(ＣＣ)㊁分于功能(ＭＦ)图２㊀差异基因富集分析２.３㊀ＰＰＩ网络模块分析㊀将５３０个ＤＥＧｓ构建ＰＰＩ网络ꎬ由图３Ａ可知ꎬＰＰＩ网络由５２７个节点蛋白和１２９８个相互作用组成ꎮ通过Ｃｙｔｏｓｃａｐｅ的ＭＣＯＤＥ插件将整个网络聚类为１２个模块ꎬ对模块得分前二进行富集分析ꎮ由图３Ｂ可知ꎬ模块１包含１０个上调基因和１０个下调基因ꎬ主要富集于ＰＩ３Ｋ－Ａｋｔ信号通路ꎬ该通路某些因素的突变导致的功能获得或功能缺失ꎬ引起细胞转化ꎬ同时可调节肿瘤细胞的增殖和存活ꎬ并与肿瘤的侵袭转移行为密切相关ꎮ模块２包含３个上调基因和１５个下调基因ꎬ显著富集于癌症通路ꎬＲＮＡ聚合酶Ⅱ启动子ｐｒｉ－ｍｉＲＮＡ转录的正向调节ꎬ转录因子复合物等ꎬ与肿瘤密切相关ꎮ通过Ｃｙｔｏｓｃａｐｅ的ＣｙｔｏＨｕｂｂａ插件在重叠ＤＥＧｓ中选择枢纽基因ꎮ筛选前１０个基因作为枢纽基因ꎬ包括ＩＬ－６㊁ＰＥＣＡＭ１㊁ＶＷＦ㊁ＦＧＦ２㊁ＣＡＶ１㊁ＭＭＰ９㊁ＣＤＨ５㊁ＳＤＣ１㊁ＳＰＰ１和ＰＰＡＲＧꎬ１０个枢纽基因之间的ＰＰＩ连接见图３Ｃꎮ㊀Ａ.肺癌相关网络ꎻ红色表示常见的上调基因ꎬ蓝色表示常见的下调基因ꎻＢ.差异基因中的前两个基因模块ꎻＣ.肺癌相关差异基因的前１０个枢纽基因模块图３㊀蛋白质相互作用网络２.４㊀枢纽基因的鉴定㊀接下来ꎬ我们使用ＧＥＰＩＡ比较１０个枢纽基因的差异表达(见图４)ꎮ在这１０个枢纽基因中ꎬＭＭＰ９㊁ＳＤＣ１和ＳＰＰ１在肺腺癌(ＬＵ￣ＡＤ)和肺鳞状细胞癌(ＬＵＳＣ)中均上调表达ꎬ其余７个基因在ＬＵＡＤ和ＬＵＳＣ均下调表达ꎬ与３组数据集中基因表达一致ꎮ为了检验这些基因的预后价值ꎬ我们通过ＧＥＰＩＡ分析这些枢纽基因相关的总生存期(ｏｖｅｒａｌｌｓｕｒｖｉｖａｌꎬＯＳ)ꎬ结果显示ＳＰＰ１对ＯＳ具有显著影响(见图５)ꎮ㊀㊀使用ＧＥＰＩＡ中唯一的肿瘤数据对十个枢纽基因进行多基因比较分析ꎮ在十个基因中ꎬＳＤＣ１和ＳＰＰ１具有较高的表达水平ꎬ其次是ＣＡＶ１㊁ＰＥＣＡＭ１㊁ＶＷＦ㊁ＭＭＰ９㊁ＣＤＨ５㊁ＰＰＡＲＧ㊁ＩＬ－６㊁ＦＧＦ２(见图６)ꎮ２.５㊀ＣＭａｐ数据库筛选候选药物㊀ＣＭａｐ数据库包含广泛的小分子库ꎬ药物的高阳性评分表明药物可以引起或加剧疾病状态ꎬ而高阴性评分表明药物能够减轻甚至逆转该疾病状态[１２]ꎮ我们将２７个上调基因和７３个下调基因输入ＣＭａｐ数据库中ꎬ筛选ＦＤＡ批准上市的得分前８的药物ꎬ具体见表１ꎮ图４㊀ＴＣＧＡ中枢纽基因的基因表达水平㊀注:红框:肿瘤样本ꎻ灰框:正常样本ꎮ图５㊀ＳＰＰ１的总生存期(ＯＳ)曲线㊀注:蓝线表示ＳＰＰ１低表达样本ꎻ红线表示ＳＰＰ１高表达样本ꎮ表１㊀ＣＭａｐ筛选的抗肺癌候选药物排序药物名称评分主要作用机制１克拉屈滨－９９.０８２氯法拉滨－９８.５９３阿糖腺苷－９６.０２４替尼泊苷－９５.９１５托泊替康－９５.５８６阿糖胞苷－９５.４１７吉西他滨－９３.８２８放线菌素Ｄ－９２.０７腺苷脱氨酶抑制剂核糖核苷还原酶抑制剂抗病毒药物拓扑异构酶抑制剂拓扑异构酶抑制剂核糖核苷酸还原酶抑制剂核糖核苷酸还原酶抑制剂ＲＮＡ聚合酶抑制剂３㊀讨论通过对肺癌细胞与正常细胞之间的基因测序ꎬ对肺癌作用机制的分析和理解更加深入ꎬ促进了分子诊断和靶向治疗研究的进展ꎬ因此我们通过生物信息学分析来寻找肺癌组织样本中有明显差异的生图６㊀１０个肺癌候选生物标志物的多基因比较分析物标志物ꎬ为肺癌的治疗寻找新的思路与方案ꎮ在本研究中ꎬ我们建立了差异基因的ＰＰＩ网络ꎬ筛选出基因之间相互作用得分前十的差异基因作为与肺癌发生发展显著关联的枢纽基因ꎬ验证枢纽基因在肺腺癌与肺鳞癌样本组织中的表达情况ꎬ发现除了ＳＤＣ１在肺腺癌样本中无显著差异外ꎬ其他枢纽基因均与正常肺部组织样本基因表达量存在统计学差异ꎮ之后在基因的预后价值分析中ꎬＳＰＰ１低表达患者的总生存期显著高于ＳＰＰ１高表达患者ꎮ另外ꎬ有报道表明[１３]ꎬ非小细胞肺癌中循环ＳＰＰ１水平或肿瘤细胞中ＳＰＰ１表达水平的升高与预后不良有关ꎮＹｉ等[１４]研究也发现ＳＰＰ１通过上调ＣＯＬ１１Ａ１的表达促进细胞迁移和侵袭ꎬ将ＳＰＰ１作为肺腺癌转移和预后的潜在生物标志物ꎬ并且在化疗治疗的晚期非小细胞肺癌患者中ꎬＳＰＰ１编码的骨桥蛋白在血浆中低水平表达与临床预后的改善显著相关[１５]ꎬ这与我们的研究一致ꎮ药物治疗疗效的个体差异和耐药性的出现限制了现有药物的使用ꎬ且现有化疗药物不良影响较大ꎬ降低了癌症患者的生活质量ꎬ因此ꎬ这也增加了对新的候选药物的需求ꎮ然而研究和开发一种全新的药物需要大量的金钱和时间ꎬ需要广泛的进行细胞和动物研究ꎬ以及在人体进行各种安全性和有效性的临床试验[１６]ꎬ而药物重新定位具有成本低㊁风险小㊁周期短等优势ꎬ现已成为国内外各医药机构药物研发的重要策略[１７]ꎮ在本研究中ꎬ我们将ＰＰＩ中基因相互作用得分前１００的基因输入到ＣＭａｐ数据库中ꎬ筛选出８种经ＦＤＡ批准上市的药物ꎬ其中有７种为抗肿瘤药物ꎬ分别为克拉屈滨㊁氯法拉滨㊁替尼泊苷㊁拓扑替康㊁阿糖胞苷㊁吉西他滨和放射菌素ꎻ剩余一种非抗肿瘤药物为阿糖腺苷ꎮ拓扑替康和替尼泊苷为拓扑异构酶抑制剂ꎬ前者适用于肺癌的治疗[１８]ꎬ后者用于治疗恶性淋巴瘤㊁胶质母细胞瘤[１９]ꎮ３种核糖核苷酸还原酶抑制剂分别为吉西他滨㊁氯法拉滨和阿糖胞苷ꎬ吉西他滨是治疗非小细胞肺癌有效的一线药物[２０]ꎬ氯法拉滨和阿糖胞苷共同适用于白血病的治疗[２１－２２]ꎮ克拉屈滨为腺苷脱氨酶抑制剂ꎬ适用于治疗多发性硬化症[２３]ꎬ也可以用于治疗白血病[２４]ꎮＲＮＡ聚合酶抑制剂放射菌素ꎬ抗瘤谱较窄ꎬ用于尤文氏肉瘤㊁睾丸癌和横纹肌肉瘤等[２５]ꎬＣｈｅｎ等[２６]研究发现放线菌素可以下调肺细胞中的Ｍｃｌ－１ꎬ继而促进细胞凋亡ꎬ可能有助于新的肺癌治疗策略ꎮ总之ꎬ通过整合ＧＥＯ数据库中肺癌的ＤＥＧｓꎬ构建了一个关键枢纽基因网络来评估肺癌与正常组织样本的蛋白水平表达ꎬ并发现与肺癌相关的ＳＰＰ１枢纽基因ꎬ为以后肿瘤基因水平的靶向治疗提供了新的理论依据ꎮ与此同时ꎬ我们筛选了８种具有潜在肺癌治疗作用的候选药物ꎬ为下一步的体内外实验奠定了良好的基础ꎬ也为寻找肺癌的治疗方案提供了新的思路ꎮ参考文献:[１]㊀ＷＵＦꎬＷＡＮＧＬꎬＺＨＯＵＣ.ＬｕｎｇｃａｎｃｅｒｉｎＣｈｉｎａ:ｃｕｒｒｅｎｔａｎｄｐｒｏｓｐｅｃｔ[Ｊ].ＣｕｒｒＯｐｉｎＯｎｃｏｌꎬ２０２１ꎬ３３(１):４０－４６. [２]ＨＥＬＬＭＡＮＮＭＤꎬＰＡＺ－ＡＲＥＳＬꎬＢＥＲＮＡＢＥＣＡＲＯＲꎬｅｔａｌ.ＮｉｖｏｌｕｍａｂｐｌｕｓＩｐｉｌｉｍｕｍａｂｉｎＡｄｖａｎｃｅｄＮｏｎ－Ｓｍａｌｌ－ＣｅｌｌＬｕｎｇＣａｎｃｅｒ[Ｊ].ＮＥｎｇｌＪＭｅｄꎬ２０１９ꎬ３８１(２１):２０２０－２０３１.[３]ＨＥＲＢＳＴＲＳꎬＧＩＡＣＣＯＮＥＧꎬＤＥＭＡＲＩＮＩＳＦꎬｅｔａｌ.Ａｔｅ￣ｚｏｌｉｚｕｍａｂｆｏｒＦｉｒｓｔ－ＬｉｎｅＴｒｅａｔｍｅｎｔｏｆＰＤ－Ｌ１－ＳｅｌｅｃｔｅｄＰａｔｉｅｎｔｓｗｉｔｈＮＳＣＬＣ[Ｊ].ＮＥｎｇｌＪＭｅｄꎬ２０２０ꎬ３８３(１４):１３２８－１３３９.[４]ＭＡＴＳＵＢＡＲＡＥꎬＹＡＮＯＨꎬＰＡＮＣꎬｅｔａｌ.ＴｈｅＳｉｇｎｉｆｉｃａｎｃｅｏｆＳＰＰ１ｉｎＬｕｎｇＣａｎｃｅｒｓａｎｄＩｔｓＩｍｐａｃｔａｓａＭａｒｋｅｒｆｏｒＰｒｏｔｕｍｏｒＴｕｍｏｒ－ＡｓｓｏｃｉａｔｅｄＭａｃｒｏｐｈａｇｅｓ[Ｊ].Ｃａｎｃｅｒｓ(Ｂａｓｅｌ)ꎬ２０２３ꎬ１５(８):２２５０.[５]ＺＯＵＤꎬＢＡＩＪꎬＬＵＥꎬｅｔａｌ.ＩｄｅｎｔｉｆｉｃａｔｉｏｎｏｆＮｏｖｅｌＤｒｕｇＣａｎｄｉｄａｔｅｆｏｒＥｐｉｔｈｅｌｉａｌＯｖａｒｉａｎＣａｎｃｅｒｖｉａＩｎＳｉｌｉｃｏＩｎ￣ｖｅｓｔｉｇａｔｉｏｎａｎｄＩｎＶｉｔｒｏＶａｌｉｄａｔｉｏｎ[Ｊ].ＦｒｏｎｔＯｎｃｏｌꎬ２０２１ꎬ１１:７４５５９０.[６]ＬＩＣꎬＷＡＮＹꎬＤＥＮＧＷꎬｅｔａｌ.Ｐｒｏｍｉｓｉｎｇｎｏｖｅｌｂｉｏｍａｒｋｅｒｓａｎｄｃａｎｄｉｄａｔｅｓｍａｌｌ－ｍｏｌｅｃｕｌｅｄｒｕｇｓｆｏｒｌｕｎｇａｄｅｎｏｃａｒｃｉ￣ｎｏｍａ:Ｅｖｉｄｅｎｃｅｆｒｏｍｂｉｏｉｎｆｏｒｍａｔｉｃｓａｎａｌｙｓｉｓｏｆｈｉｇｈ－ｔｈｒｏｕｇｈｐｕｔｄａｔａ[Ｊ].ＯｐｅｎＭｅｄꎬ２０２１ꎬ１７(１):９６－１１２. [７]ＷＡＮＧＺꎬＧＵＯＭꎬＡＩＸꎬｅｔａｌ.ＩｄｅｎｔｉｆｉｃａｔｉｏｎｏｆＰｏｔｅｎｔｉａｌＤｉａｇｎｏｓｔｉｃａｎｄＰｒｏｇｎｏｓｔｉｃＢｉｏｍａｒｋｅｒｓｆｏｒＣｏｌｏｒｅｃｔａｌＣａｎｃｅｒＢａｓｅｄｏｎＧＥＯａｎｄＴＣＧＡＤａｔａｂａｓｅｓ[Ｊ].ＦｒｏｎｔＧｅｎｅｔꎬ２０２１(１１):６０２９２２.[８]ＺＨＡＮＧＴꎬＳＵＮＢꎬＺＨＯＮＧＣꎬｅｔａｌ.ＴａｒｇｅｔｉｎｇｈｉｓｔｏｎｅｄｅａｃｅｔｙｌａｓｅｅｎｈａｎｃｅｓｔｈｅｔｈｅｒａｐｅｕｔｉｃｅｆｆｅｃｔｏｆＥｒａｓｔｉｎ－ｉｎ￣ｄｕｃｅｄｆｅｒｒｏｐｔｏｓｉｓｉｎＥＧＦＲ－ａｃｔｉｖａｔｉｎｇｍｕｔａｎｔｌｕｎｇａｄｅｎｏ￣ｃａｒｃｉｎｏｍａ[Ｊ].ＴｒａｎｓｌＬｕｎｇＣａｎｃｅｒＲｅｓꎬ２０２１ꎬ１０(４):１８５７－１８７２.[９]ＷＥＩＭꎬＢＡＩＸꎬＤＯＮＧＱ.Ｉｄｅｎｔｉｆｉｃａｔｉｏｎｏｆｎｏｖｅｌｃａｎｄｉｄａｔｅｇｅｎｅｓａｎｄｓｍａｌｌｍｏｌｅｃｕｌｅｄｒｕｇｓｉｎｏｖａｒｉａｎｃａｎｃｅｒｂｙｂｉｏｉｎｆｏｒｍａｔｉｃｓｓｔｒａｔｅｇｙ[Ｊ].ＴｒａｎｓｌＣａｎｃｅｒＲｅｓꎬ２０２２ꎬ１１(６):１６３０－１６４３.[１０]ＬＩＵＪꎬＭＥＮＧＨꎬＬＩＳꎬｅｔａｌ.ＩｄｅｎｔｉｆｉｃａｔｉｏｎｏｆＰｏｔｅｎｔｉａｌＢｉｏ￣ｍａｒｋｅｒｓｉｎＡｓｓｏｃｉａｔｉｏｎＷｉｔｈＰｒｏｇｒｅｓｓｉｏｎａｎｄＰｒｏｇｎｏｓｉｓｉｎＥｐｉｔｈｅｌｉａｌＯｖａｒｉａｎＣａｎｃｅｒｂｙＩｎｔｅｇｒａｔｅｄＢｉｏｉｎｆｏｒｍａｔｉｃｓＡ￣ｎａｌｙｓｉｓ[Ｊ].ＦｒｏｎｔＧｅｎｅｔꎬ２０１９(１０):１０３１.[１１]ＷＡＮＧＣＣＮꎬＬＩＣＹꎬＣＡＩＪＨꎬｅｔａｌ.ＩｄｅｎｔｉｆｉｃａｔｉｏｎｏｆＰｒｏｇｎｏｓｔｉｃＣａｎｄｉｄａｔｅＧｅｎｅｓｉｎＢｒｅａｓｔＣａｎｃｅｒｂｙＩｎｔｅｇｒａｔｅｄＢｉｏｉｎｆｏｒｍａｔｉｃＡｎａｌｙｓｉｓ[Ｊ].ＪＣｌｉｎＭｅｄꎬ２０１９ꎬ８(８):１１６０.[１２]ＸＩＡＯＹꎬＺＨＡＮＧＢꎬＣＬＯＹＤＪＭꎬｅｔａｌ.ＮｏｖｅｌＤｒｕｇＣａｎ￣ｄｉｄａｔｅＰｒｅｄｉｃｔｉｏｎｆｏｒＩｎｔｒａｈｅｐａｔｉｃＣｈｏｌａｎｇｉｏｃａｒｃｉｎｏｍａｖｉａＨｕｂＧｅｎｅＮｅｔｗｏｒｋＡｎａｌｙｓｉｓａｎｄＣｏｎｎｅｃｔｉｖｉｔｙＭａｐｐｉｎｇ[Ｊ].Ｃａｎｃｅｒｓ(Ｂａｓｅｌ)ꎬ２０２２ꎬ１４(１３):３２８４.[１３]ＣＡＲＢＯＮＥＦꎬＧＲＯＳＳＩＦꎬＢＯＮＡＶＥＮＴＵＲＡＡꎬｅｔａｌ.Ｂａｓｅ￣ｌｉｎｅｓｅｒｕｍｌｅｖｅｌｓｏｆｏｓｔｅｏｐｏｎｔｉｎｐｒｅｄｉｃｔｃｌｉｎｉｃａｌｒｅｓｐｏｎｓｅｔｏｔｒｅａｔｍｅｎｔｗｉｔｈｎｉｖｏｌｕｍａｂｉｎｐａｔｉｅｎｔｓｗｉｔｈｎｏｎ－ｓｍａｌｌｃｅｌｌｌｕｎｇｃａｎｃｅｒ[Ｊ].ＣｌｉｎＥｘｐＭｅｔａｓｔａｓｉｓꎬ２０１９ꎬ３６(５):４４９－４５６.[１４]ＹＩＸꎬＬＵＯＬꎬＺＨＵＹꎬｅｔａｌ.ＳＰＰ１ｆａｃｉｌｉｔａｔｅｓｃｅｌｌｍｉｇｒａｔｉｏｎａｎｄｉｎｖａｓｉｏｎｂｙｔａｒｇｅｔｉｎｇＣＯＬ１１Ａ１ｉｎｌｕｎｇａｄｅｎｏｃａｒｃｉｎｏｍａ[Ｊ].ＣａｎｃｅｒＣｅｌｌＩｎｔꎬ２０２２ꎬ２２(１):３２４. [１５]ＭＡＣＫＰＣꎬＲＥＤＭＡＮＭＷꎬＣＨＡＮＳＫＹＫꎬｅｔａｌ.Ｌｏｗｅｒｏｓｔｅｏｐｏｎｔｉｎｐｌａｓｍａｌｅｖｅｌｓａｒｅａｓｓｏｃｉａｔｅｄｗｉｔｈｓｕｐｅｒｉｏｒｏｕｔ￣ｃｏｍｅｓｉｎａｄｖａｎｃｅｄｎｏｎ－ｓｍａｌｌ－ｃｅｌｌｌｕｎｇｃａｎｃｅｒｐａｔｉｅｎｔｓｒｅｃｅｉｖｉｎｇｐｌａｔｉｎｕｍ－ｂａｓｅｄｃｈｅｍｏｔｈｅｒａｐｙ:ＳＷＯＧＳｔｕｄｙＳ０００３[Ｊ].ＪＣｌｉｎＯｎｃｏｌꎬ２００８ꎬ２６(２９):４７７１－４７７６. [１６]ＤＥＬＥＬＬＩＳＬꎬＶＥＳＣＨＩＳꎬＴＩＮＡＲＩＮꎬｅｔａｌ.ＤｒｕｇＲｅｐｕｒ￣ｐｏｓｉｎｇꎬａｎＡｔｔｒａｃｔｉｖｅＳｔｒａｔｅｇｙｉｎＰａｎｃｒｅａｔｉｃＣａｎｃｅｒＴｒｅａｔ￣ｍｅｎｔ:ＰｒｅｃｌｉｎｉｃａｌａｎｄＣｌｉｎｉｃａｌＵｐｄａｔｅｓ[Ｊ].Ｃａｎｃｅｒｓ(Ｂａ￣ｓｅｌ)ꎬ２０２１ꎬ１３(１６):３９４６.[１７]ＴＵＲＡＮＬＩＢꎬＧＲØＴＬＩＭꎬＢＯＲＥＮＪꎬｅｔａｌ.ＤｒｕｇＲｅｐｏｓｉ￣ｔｉｏｎｉｎｇｆｏｒＥｆｆｅｃｔｉｖｅＰｒｏｓｔａｔｅＣａｎｃｅｒＴｒｅａｔｍｅｎｔ[Ｊ].ＦｒｏｎｔＰｈｙｓｉｏｌꎬ２０１８(９):５００.[１８]ＨＡＲＴＬＬꎬＦＥＲＲＡＲＯＴＴＯＲꎬＡＮＤＲＩＣＺＧꎬｅｔａｌ.Ｍｙｅｌｏ￣ｐｒｅｓｅｒｖａｔｉｏｎｗｉｔｈＴｒｉｌａｃｉｃｌｉｂｉｎＰａｔｉｅｎｔｓＲｅｃｅｉｖｉｎｇＴｏｐｏｔｅ￣ｃａｎｆｏｒＳｍａｌｌＣｅｌｌＬｕｎｇＣａｎｃｅｒ:ＲｅｓｕｌｔｓｆｒｏｍａＲａｎｄｏｍ￣ｉｚｅｄꎬＤｏｕｂｌｅ－ＢｌｉｎｄꎬＰｌａｃｅｂｏ－ＣｏｎｔｒｏｌｌｅｄＰｈａｓｅＩＩＳｔｕｄｙ[Ｊ].ＡｄｖＴｈｅｒꎬ２０２１ꎬ３８(１):３５０－３６５.[１９]ＬＩＫꎬＧＯＮＧＹꎬＱＩＵＤꎬｅｔａｌ.Ｈｙｐｅｒｂａｒｉｃｏｘｙｇｅｎｆａｃｉｌｉｔａｔｅｓｔｅｎｉｐｏｓｉｄｅ－ｉｎｄｕｃｅｄｃＧＡＳ－ＳＴＩＮＧａｃｔｉｖａｔｉｏｎｔｏｅｎｈａｎｃｅｔｈｅａｎｔｉｔｕｍｏｒｅｆｆｉｃａｃｙｏｆＰＤ－１ａｎｔｉｂｏｄｙｉｎＨＣＣ[Ｊ].ＪＩｍ￣ｍｕｎｏｔｈｅｒＣａｎｃｅｒꎬ２０２２ꎬ１０(８):ｅ００４００６.[２０]ＴＯＳＣＨＩＬꎬＦＩＮＯＣＣＨＩＡＲＯＧꎬＢＡＲＴＯＬＩＮＩＳꎬｅｔａｌ.Ｒｏｌｅｏｆｇｅｍｃｉｔａｂｉｎｅｉｎｃａｎｃｅｒｔｈｅｒａｐｙ[Ｊ].ＦｕｔｕｒｅＯｎｃｏｌꎬ２００５ꎬ１(１):７－１７.[２１]ＧＲＵＢＥＲＴＡꎬＰＥＩＤꎬＣＨＯＩＪꎬｅｔａｌ.ＣｌｏｆａｒａｂｉｎｅｔｒｅａｔｍｅｎｔｏｆＫＭＴ２ＡｒｉｎｆａｎｔｉｌｅｐａｔｉｅｎｔｓｗｉｔｈａｃｕｔｅｌｙｍｐｈｏｂｌａｓｔｉｃｌｅｕｋｅｍｉａｉｎＳｔ.ＪｕｄｅＴｏｔａｌＴｈｅｒａｐｙＳｔｕｄｙ１６[Ｊ].ＢｌｏｏｄＡｄｖꎬ２０２２ꎬ６(２４):６１３１－６１３４.[２２]ＺＨＡＮＧＢꎬＬＩＵＱꎬＬＩＪꎬｅｔａｌ.Ｖｅｎｅｔｏｃｌａｘｐｌｕｓｃｙｃｌｏｐｈｏｓ￣ｐｈａｍｉｄｅａｎｄｃｙｔａｒａｂｉｎｅａｓｉｎｄｕｃｔｉｏｎｒｅｇｉｍｅｎｆｏｒａｄｕｌｔａ￣ｃｕｔｅｍｙｅｌｏｉｄｌｅｕｋｅｍｉａ[Ｊ].ＦｒｏｎｔＯｎｃｏｌꎬ２０２３(１３):１１９３８７４.[２３]ＡＥＲＴＳＳꎬＫＨＡＮＨꎬＳＥＶＥＲＩＪＮＳＤꎬｅｔａｌ.Ｓａｆｅｔｙａｎｄｅｆ￣ｆｅｃｔｉｖｅｎｅｓｓｏｆｃｌａｄｒｉｂｉｎｅｔａｂｌｅｔｓｆｏｒｍｕｌｔｉｐｌｅｓｃｌｅｒｏｓｉｓ:Ｒｅ￣ｓｕｌｔｓｆｒｏｍａｓｉｎｇｌｅ－ｃｅｎｔｅｒｒｅａｌ－ｗｏｒｌｄｃｏｈｏｒｔ[Ｊ].ＭｕｌｔＳｃｌｅｒＲｅｌａｔＤｉｓｏｒｄꎬ２０２３(７５):１０４７３５.[２４]ＭＡＲＺＯＩꎬＰÉＲＥＺ－ＧＡＬÁＮＰꎬＧＩＲＡＬＤＯＰꎬｅｔａｌ.Ｃｌａｄｒｉｂｉｎｅｉｎｄｕｃｅｓａｐｏｐｔｏｓｉｓｉｎｈｕｍａｎｌｅｕｋａｅｍｉａｃｅｌｌｓｂｙｃａｓｐａｓｅ－ｄｅｐｅｎｄｅｎｔａｎｄ－ｉｎｄｅｐｅｎｄｅｎｔｐａｔｈｗａｙｓａｃｔｉｎｇｏｎｍｉｔｏｃｈｏｎｄｒｉａ[Ｊ].ＢｉｏｃｈｅｍＪꎬ２００１ꎬ３５９(３):５３７－５４６. [２５]ＨＯＡＮＧＮＴꎬＡＣＥＶＥＤＯＬＡꎬＭＡＮＮＭＪꎬｅｔａｌ.Ａｒｅｖｉｅｗｏｆｓｏｆｔ－ｔｉｓｓｕｅｓａｒｃｏｍａｓ:ｔｒａｎｓｌａｔｉｏｎｏｆｂｉｏｌｏｇｉｃａｌａｄｖａｎｃｅｓｉｎｔｏｔｒｅａｔｍｅｎｔｍｅａｓｕｒｅｓ[Ｊ].ＣａｎｃｅｒＭａｎａｇＲｅｓꎬ２０１８(１０):１０８９－１１１４.[２６]ＣＨＥＮＣＬꎬＴＳＥＮＧＰＣꎬＣＨＡＯＹＰꎬｅｔａｌ.ＰｏｌｙｐｅｐｔｉｄｅａｎｔｉｂｉｏｔｉｃａｃｔｉｎｏｍｙｃｉｎＤｉｎｄｕｃｅｓＭｃｌ－１ｕｎｃａｎｏｎｉｃａｌｄｏｗｎｒｅｇｕｌａｔｉｏｎｉｎｌｕｎｇｃａｎｃｅｒｃｅｌｌａｐｏｐｔｏｓｉｓ[Ｊ].ＬｉｆｅＳｃｉꎬ２０２３(３２１):１２１６１５.(收稿日期:２０２３－０６－２８)«药学研究»关于抵制学术不端行为的声明捏造与篡改数据㊁抄袭剽窃㊁重复发表㊁虚假署名㊁一稿多投等学术不端行为不仅违反学术规范和道德ꎬ同时也有悖于国家相关法律法规ꎬ在学术界乃至社会造成恶劣影响ꎮ为加强科技道德规范ꎬ促进科研诚信ꎬ本刊编辑部严格遵守«中华人民共和国著作权法»等相关法律法规ꎬ坚决反对学术不端行为ꎮ编辑部将对所有来稿采用中国知网 科技期刊学术不端文献检测系统 进行检测来稿是否存在抄袭㊁一稿多投㊁伪造等学术不端行为ꎬ如来稿与已经刊发的文章雷同率在３０％以上ꎬ本刊即退稿ꎮ对最终认定为属于学术不端的论文ꎬ本刊会及时通知作者ꎬ在做出最终处理决定前ꎬ允许作者就此问题做出解释和申辩ꎻ如果该论文是已经正式刊出的ꎬ则以书面的形式通知论文作者ꎬ取消论文的录用资格ꎮ重复发表者ꎬ向相关期刊发通告函ꎬ责成撤稿ꎻ如给本刊造成声誉或是其他损失的ꎬ本刊将保留继续追索赔偿的权利ꎮ对情节严重的作者ꎬ就此事件向作者所在单位和该领域内的其他科技期刊进行通报ꎻ对严重抄袭剽窃㊁一稿多投的论文作者作为第一作者所撰写的论文ꎬ３年内本刊将一概不予录用ꎮ。
cmap检测方法
cmap检测方法CMap检测方法CMap（Character Map）是一种用于描述字形和字符之间关系的标准格式。
在计算机科学中，CMap通常用于描述字体文件中的字符映射信息。
CMap检测方法是一种用于验证和检查CMap文件的有效性和正确性的技术。
本文将介绍CMap检测方法的原理、步骤以及其在字体设计和文本处理中的应用。
一、CMap检测方法的原理CMap检测方法的核心原理是通过对CMap文件的解析和分析，验证其中的字符映射信息是否符合规范。
CMap文件通常由一系列映射规则组成，每个规则都描述了一个字符编码和其对应的字形信息。
CMap检测方法通过检查这些映射规则的正确性和完整性，来确定CMap文件是否有效。
二、CMap检测方法的步骤1. 解析CMap文件：将CMap文件加载到内存中，并进行解析，提取其中的映射规则和相关的字形信息。
2. 验证字符编码：检查CMap文件中的字符编码是否符合规范。
字符编码通常由Unicode码或其他特定编码表示，检测方法会验证编码的合法性和唯一性。
3. 验证字形信息：检查CMap文件中的字形信息是否正确。
字形信息描述了字符在字体中的具体形状和位置，检测方法会验证字形信息与字符编码的对应关系是否准确。
4. 检查映射规则：检查CMap文件中的映射规则是否完整且正确。
映射规则描述了字符编码和字形信息之间的关系，检测方法会验证映射规则的一致性和完整性。
5. 输出检测结果：根据验证的结果，生成检测报告并输出。
检测报告会详细描述CMap文件中存在的问题和错误，并提供相应的修复建议。
三、CMap检测方法的应用1. 字体设计：在字体设计过程中，CMap检测方法可以用于验证字体文件中的CMap信息是否正确。
通过检测方法，设计师可以及时发现和修复CMap文件中的错误，确保字体在各种设备和平台上的兼容性和稳定性。
2. 文本处理：在文本处理过程中，CMap检测方法可以用于验证输入文本中的字符编码和字形信息是否正确。
cmap流程
cmap流程一、cmap流程的概念cmap流程是一个基于概念图的信息可视化工具，用于展示不同概念之间的逻辑关系和连接。
它可以帮助人们更好地理解复杂的问题、概念和信息，形成系统性的思维和创造性的想象。
通过cmap流程，人们可以将抽象的概念和具体的信息有机地连接在一起，形成清晰的概念图，从而更好地理解和分析问题。
cmap流程的目的是帮助人们更好地理解和解决问题，通过构建清晰的概念图，帮助人们构建和表达自己的思维，促进信息的交流和传播。
cmap流程不仅可以用于个人的学习和思考，也可以用于团队的合作和决策，帮助团队成员共同理解和探索问题，达成共识和共鸣。
cmap流程的特点是可以灵活地构建和扩展概念图，根据自己的需要和目的进行不断地修改和完善。
它具有丰富的功能和工具，可以方便地添加、删除、连接和编辑概念，满足不同用户的需求和要求。
二、cmap流程的原理cmap流程基于概念图的原理，通过将不同概念之间的关系和连接用图形方式展示出来，帮助人们更好地理解和分析问题。
概念图是一种表示概念、信息和关系的图形化工具，它可以帮助人们更好地理清概念、理顺思路、发现问题和解决问题。
概念图由节点和连接线组成，节点表示概念或信息，连接线表示概念之间的关系和连接。
通过将不同的节点和连接线组织在一起，构成一个完整的概念图，展示不同概念之间的逻辑关系和联系。
通过概念图，人们可以以一种直观的方式理解复杂的概念和信息，形成系统性的思维和创造性的想象。
cmap流程的核心原理是帮助人们构建和表达自己的思维，通过概念图展示不同概念之间的关系和连接，帮助人们理清概念、理顺思路、发现问题和解决问题。
通过cmap流程，人们可以以一种直观的方式展示自己的思维过程，帮助他人更好地理解和理解问题。
三、cmap流程的使用方法cmap流程的使用方法有多种，可以根据个人的需求和目的进行选择和调整。
下面介绍几种常见的使用方法：1. 构建概念图：通过cmap流程工具可以方便地构建概念图，首先选择一个中心概念或主题，然后逐步添加、编辑和连接其他概念节点，构建一个完整的概念图。
cma参数
cma参数CMA（内容管理体系）是一种用于管理和组织内容的系统，它可以帮助企业和组织高效地创建、存储、管理和分发内容。
CMA有很多重要的参数，以下将详细介绍。
1.内容创建：CMA提供了一系列的参数来帮助用户创建内容。
用户可以使用富文本编辑器来编辑和格式化内容，包括文字、图片、视频和其他多媒体元素。
此外，CMA还可以支持多种语言的内容创建，以满足不同用户的需求。
2.内容存储：CMA可以存储和管理大量的内容。
用户可以创建和组织内容库，将内容按照不同的类别、主题或其他标准进行分类。
CMA还支持版本控制功能，可以保存和管理不同版本的内容，以便后续的修改和查看。
3.内容管理：CMA提供了一系列的参数来管理内容。
用户可以通过CMA对内容进行审核、审批和发布。
CMA还可以自动化工作流程，使内容的管理更加高效和规范。
此外，CMA还可以对内容进行标签和关键词的添加，以便后续的搜索和检索。
4.内容分发：CMA可以将内容分发给不同的用户或渠道。
用户可以通过CMA将内容发布到不同的网站、社交媒体平台或其他数字渠道上。
CMA还可以根据用户的需求和权限，对内容进行不同的访问控制和权限管理。
此外，CMA还可以提供统计和分析功能，帮助用户了解内容的使用情况和效果。
5.用户体验：CMA重视用户体验，提供了一系列的参数来改善用户的体验。
用户可以自定义界面和布局，以适应自己的需求和喜好。
CMA还可以根据用户的历史访问记录和偏好，提供个性化的内容推荐和建议。
6.系统集成：CMA可以与其他系统进行集成，以实现更多的功能和价值。
例如，CMA可以与CRM系统集成，帮助企业更好地管理和分析客户信息。
CMA还可以与电子邮件系统集成，实现内容的自动化发送和推送。
7.安全性：CMA非常重视内容的安全性和保密性。
CMA提供了多层次的安全措施，以保护用户的内容不被未授权的人员访问和使用。
CMA可以控制用户的访问权限，只允许经过授权的人员查看和编辑内容。
CMap使用
•点击改变图谱类型 •点击可增添所需显示的feature
17
Map Search
选项按顺序依次为： 选择比对的物种 选择比对的数据库（根据你所选择物种会自动更换） 必须与数据库中的名称相匹配 相关图谱的最小值。
18
图示即为所得结果，点击蓝色超链接，可以按顺序排列相应图谱。
19
Feature Search
•输入特征名称 选择物种（任选） 选择特征类型 搜索名称或seccssion ID
20
•特征名称 特征类型 物种 图谱数据库 位置 查看细节
21
Matrix
通过先选择参考数据库的类型和物种名称进行比对，然后点击submit。
22
表示这两个图谱数据库的16个图谱中有14个对应。 点击图谱对应的数字，可查看详细相应结果
12
确定图像是根据各自的大小情况显示（NO），还 是都画同样长度（YES）
比对图谱显示的顺序， 根据输入比对图谱显示 的顺序，根据输入顺序 还是对应数量排序。 图像是否可点击，USE ALL：所有都可点击；Omit Features： 特征和特征标签不可点击，使图像显示更快速；Omit all Buttons：生成可供发表的最终图像。 如果特征太多将会造成浏览障碍，如果选择check将使其全部 可选。
13
即为生成的图谱
14
选择比对图谱的类型 显示对应的数量 点击插入 新的比对图谱
点击redraw，显示比对结果
15
图示即为Sequence:Oryza Sativa Gramene IRGSP.aSSM 2005（1号染色体） 与QTL:Barley-Tadmor/Er Apm RI RF LP/AFLP/SSR [1](ALL 1H[2,2])的比对图谱。
第18章 CMAP程序
第18章 CMAP程序18.1 CMAP概述ANSYS程序和DISPLAY程序记录彩色的方法是赋予各种色彩不同的索引号。
索引号及其分配的色彩之间的相关性定义了彩色图，可通过CMAP程序产生用户化的彩色图文件。
CMAP 程序同样支持标准输入输出的重定向。
要运行CMAP程序须有一种诸如鼠标的光标设备。
18.2 作为独立程序启动CMAPCMAP程序可脱离ANSYS程序运行，启动CMAP程序的方法有：从XANSYS启动器中启动（UNIX系统），从图标菜单启动（WINDOWS系统），从UNIX命令行启动或在ANSYS程序中启动。
18.2.1 从UNIX系统的启动器中启动CMAP可以从ANSYS程序的UNIX启动器中进入CMAP程序，操作过程如下：1．从XANSYS启动器中选择UTILITY菜单项，CMAP程序显示如下提示符：Enter Display Device Name:Press RETURN if current value is correctCMAP可能会直接进入下一步，但如果CMAP停在上述提示符上面没有继续下去，则要键入适当的图形设备名，发出/SHOW命令，可显示设备名。
CMAP显示下列提示符：Set Display Device Specifications(Press RETURN if the current value is correct)Enter Number of Bit Planes (Currently 8)键入彩色位面数，如何使用16色的显示设备，键入4（即 16=24），如使用256色的显示设备，使用缺省值8（256=28），若不需要更改则按下回车键，CMAP显示如下提示符：Enter the number of contours (Maximum=128)(currently 9)注释：仅当图形设备设为X11C时方可独立地改变等值色彩。
对其它设备该选项将被忽略。
键入等值线号，若不需要作任何改变，键入回车键。
cmap简书
CMap简书CMap是一款功能强大的概念图谱工具，而简书是一个知识分享平台。
本文将介绍CMap简书的特点、用途、优势以及如何使用CMap进行知识分享。
1. CMap简介CMap是一种概念地图工具，用于帮助用户组织和表示知识。
通过CMap，用户可以创建概念图谱，将概念、关系和连接表示为节点和边。
CMap提供了直观的界面和丰富的功能，使用户能够轻松地创建、编辑和共享概念图谱。
2. CMap的特点2.1 可视化表示CMap通过图形化的方式展示概念和它们之间的关系，使得复杂的知识结构更加直观和易于理解。
用户可以使用不同的图标、颜色和线条来表示不同类型的概念和关系。
2.2 多人协作CMap支持多人协作，多个用户可以同时编辑同一个概念图谱。
用户可以通过分享链接邀请他人加入协作，实时编辑和讨论概念图谱。
这种协作方式极大地促进了知识分享和团队合作。
2.3 强大的搜索和导航功能CMap提供了强大的搜索和导航功能，使用户能够快速找到所需的概念和信息。
用户可以按关键词搜索概念图谱中的节点和边，也可以通过导航栏浏览整个概念图谱的结构。
2.4 导出和分享CMap允许用户将概念图谱导出为多种格式，如图片、PDF和文本文件。
用户可以将概念图谱分享给他人，以便他人查看和使用。
此外，CMap还支持将概念图谱嵌入到网页或博客中，方便在线展示和访问。
3. CMap在简书中的用途CMap可以在简书中发挥重要作用，帮助作者更好地组织和分享知识。
3.1 知识整理和分类作者可以使用CMap创建概念图谱来整理和分类自己的知识。
通过将知识点和关系表示为节点和边，作者可以清晰地展示知识的结构和逻辑。
这有助于读者更好地理解和学习作者的知识。
3.2 文章导读和扩展作者可以使用CMap将自己的文章和其他相关文章链接在一起，创建一个知识网络。
读者可以通过概念图谱导航到不同的文章，深入了解相关的知识。
这种方式可以提供更多的内容选择和学习路径，丰富读者的阅读体验。
CMap的使用（转）
CMap的使⽤（转）CMap的使⽤参数： KEY对象的类，⽤作映射的关键码。
ARG_KEY参数KEY使⽤的数据类型，通常为KEY的参考。
VALUE存储在映射中对象的类。
ARG_VALUE参数VALUE使⽤的数据类型，通常为VALUE的参考。
说明： CMap是把唯⼀关键码映射到值的字典收集类。
⼀旦在映射中插⼊了⼀个关键码值对（元素），就可以使⽤这些关键码，有效地获取或删除对。
同样，也可以反复使⽤映射中的所有元素。
POSITION类型变量⽤于替换所有映射变量的⼊⼝。
可以使⽤POSITION来“记忆”⼊⼝和映射中的遍历。
可能认为这种遍历是通过关键码值来依次进⾏的，但其实不是。
获取元素的次序没有确定。
该类的某些成员函数调⽤了全局的帮助函数，它们必须定制，以满⾜CMap类的更多⽤途。
请参阅“Microsoft Visual C++ MFC库参考”中的“宏和全局”部分中的“收集类帮助程序”。
CMap引⼊了宏IMPLEMENT_SERIAL，⽀持其元素的串⾏化和转储。
如果映射存储到档案⽂件中，那么每⼀元素都可利⽤加载插⼊（<<）操作符或Serialize成员函数来依次进⾏串⾏化。
如果要了解有关在映射中进⾏个别元素的诊断转储，那么转储内容的深度必须为1或更⼤。
当CMap对象删除或其元素被删除，那么关键码和值都将被删除。
映射类的派⽣与列表的派⽣相似。
为什么使⽤CMap：如果你要存储的每个数据⾄少有⼀个唯⼀的标志（数字、字符、字符串、类的对象。
），并且这些数据会频繁的被查找和替换。
那么你就需要使⽤CMap类来简化你的代码，提⾼你的效率。
CMap就是对Hash表的⼀种实现。
对于Hash表来说，我们需要提供成对的Key与Value进⾏操作，其实，也就是将我们⽇常使⽤的数组下标替换成现在Key，这样就⽅便我们使⽤key来查找到相应的Value，提⾼我们遍历的速度。
⾄于MFC是采⽤了什么样的散列函数，我们不必知道。
cmap数据库使用
cmap数据库使用
cMAP 数据库是一个可以进行基因表达谱分析的数据库，通过将基因列表分为上调和下调两类，并采用 GSEA 算法评价与库中药物标识的相似性，从而输出与未知功能化合物功能关联的药物，并按相似性进行排序。
以下是 cMAP 数据库的使用步骤：
1. 进入数据库界面，点击【tools】【query】。
2. 选择【Individual query】，上传上调的基因列表，系统会弹出之前上传的基因列表，核实无误后点击【submit】进行分析。
3. 分析自动运行，等待运行结束。
4. 查看分析结果，点击【HEATMAP】，选择【CLUE Card】，查看感兴趣的小分子的化学式结构和详细介绍。
请注意，在使用 cMAP 数据库时，需要遵守相关的法律法规和伦理准则，确保数据的合法性和隐私安全。
如你还想了解更多关于 cMAP 数据库的信息，可以继续向我提问。
vc6 cmap的用法
vc6 cmap的用法「VC6 cmap的用法」专题引言：VC6（Visual C++ 6.0）是微软推出的一款经典的集成开发环境（IDE），被广泛应用于Windows平台的软件开发中。
在VC6中，cmap（又称为字符映射表）是一种用于存储和处理字符编码的数据结构。
本文将详细介绍VC6 cmap的用法，包括其定义、初始化、遍历和销毁。
第一部分：定义cmap在VC6中，通过定义结构体或类来创建cmap。
下面是一种常见的定义方法：cpptypedef CMap<TCHAR, TCHAR, int, int> CCharMap;上述定义了一个名为CCharMap的字符映射表，该映射表的key和value 均为TCHAR类型（即宽字符或窄字符）。
第二部分：初始化cmap初始化cmap主要涉及插入元素到映射表中。
可以通过以下方式进行初始化：cppCCharMap MyCharMap;MyCharMap.SetAt(_T('A'), 65);MyCharMap.SetAt(_T('B'), 66);MyCharMap.SetAt(_T('C'), 67);上述代码首先创建了一个名为MyCharMap的字符映射表，然后通过SetAt函数向映射表中插入了三个元素，分别是'A'，'B'和'C'，其对应的值分别是65，66和67。
第三部分：遍历cmap遍历cmap可以获取映射表中的所有元素。
以下是一种常见的遍历方法：cppPOSITION pos = MyCharMap.GetStartPosition();TCHAR key;int value;while (pos != NULL){MyCharMap.GetNextAssoc(pos, key, value);处理每一个元素，如打印key和valuewprintf(_T("Key: %c, Value: %d\n"), key, value);}上述代码首先通过GetStartPosition函数获取映射表的起始位置，然后通过GetNextAssoc函数依次取出每个元素的key和value，并进行相应的处理。
cmap 用法
cmap 用法
CMap是一种用于描述字符编码映射的文件格式。
它通常用于解决Unicode字符集和其他字符集之间的转换问题。
以下是CMap的一些常见用法：
1. 字符编码转换：通过CMap，可以将一个字符集中的字符映射为另一个字符集中对应的字符。
例如，可以使用CMap将Unicode字符转换为Adobe字符集中对应的字符。
2. 字形索引：对于某些字符集，CMap可以提供与每个字符相关联的字形索引，这些索引用于定位和显示正确的字形形状。
3. 字形变换：CMap还可以定义一些额外的操作，从而对字符形状进行变换，例如旋转、缩放、倾斜等。
4. 旁注和其他特殊信息：CMap可以包含一些额外的信息，如字符的注释、类别或其他特殊属性，以帮助更好地处理字符。
总之，CMap主要是为了提供字符编码之间的映射和转换，以及相关的字形索引和变换。
这些用法可以在文档处理、字体设计和字形渲染等领域中发挥重要作用。
connectivity map (cmap) 原理
Connectivity Map（CMap）是一种在生物医学领域中用于理解化合物作用和疾病之间相互关系的分析和可视化工具。
CMap通过比较化合物的基因表达谱或药物治疗的基因表达谱，来推断出化合物和疾病之间的关联。
CMap的工作原理如下：
1. 数据收集和处理：CMap首先收集和整理大量的基因表达数据，包括药物处理的基因表达谱、疾病样本的基因表达谱等。
这些数据通常来源于公开可用的数据库或实验室研究。
2. 表达谱比较：CMap通过计算不同表达谱之间的相似性来比较不同条件下基因表达的差异。
常用的相似性度量方法包括基于相关系数、欧氏距离、余弦相似性等。
3. 构建连接图：根据表达谱比较的结果，CMap将每个化合物或治疗条件表示为一个点，并绘制连接线来表示它们之间的相似性。
这样就得到了一个连接图，也称为CMap。
连接图可以是二维平面上的散点图，也可以是更复杂的网络图。
4. 数据分析和解释：通过对连接图的分析，可以发现具有相似表达谱模式的化合物或治疗条件。
这些相似性可以暗示某
些化合物的相似性作用机制，或者某些疾病的潜在治疗方式。
通过进一步的功能富集分析和实验验证，可以深入理解和验证这些潜在关联。
CMap凭借其高通量和系统性的分析方式，可以帮助科研人员挖掘新的药物治疗策略、发现潜在的治疗靶点，并加速药物开发和疾病研究的进展。
然而，要注意CMap的结果需要进一步验证和解释，以确保其在生物学和临床应用中的可靠性。
cmap数据库结果解读
cmap数据库结果解读
CMap（Connectivity Map）数据库是一个基因表达数据库，主要用于研究药物、基因和疾病之间的功能联系。
CMap数据库的结果解读主要包括以下几个
方面：
1.差异基因表达分析：CMap数据库通过处理不同类型试剂（小分子化合物为主）
处理的细胞系，进行转录组层面的测序，分析这些试剂所造成的相对于正常细胞系的差异基因图谱。
通过比较不同条件下的基因表达谱，可以发现与特定药物或疾病相关的差异表达基因。
2.药物与基因的关联性分析：CMap数据库旨在发现药物、基因和疾病之间的功能
联系，通过比对CMap数据库中的基因表达谱，可以推导出药物、基因和疾病之间的关联性。
这种关联性分析有助于研究新的药物靶点、预测药物的疗效和不良反应等方面。
3.药物反应谱分析：CMap数据库提供了不同药物处理条件下的基因表达谱，通过
比较不同药物处理条件下的基因表达谱，可以构建出药物反应谱。
这种药物反应谱可以用于预测新药在不同个体内的效果和安全性。
4.疾病预测与分类分析：CMap数据库中的基因表达谱可以用于疾病预测和分类分
析。
通过比对不同疾病状态下的基因表达谱，可以发现与疾病相关的特异表达基因，从而用于疾病的早期诊断、分类和预后判断等方面。
综上所述，CMap数据库的结果解读需要结合差异基因表达分析、药物与基
因的关联性分析、药物反应谱分析和疾病预测与分类分析等多个方面进行综合分析。
通过深入挖掘CMap数据库中的数据，可以为药物研发和疾病治疗提供重要的理论支持和实验依据。
cmap结果解读 -回复
cmap结果解读-回复"解读cmap结果"概念映射（Concept Mapping）是一种用来表示知识和理解概念之间关系的图形化工具。
这篇文章将介绍如何解读cmap结果，并一步一步回答有关该主题的问题。
首先，让我们了解一下cmap是什么。
cmap是一个开源工具，用于创建和共享概念映射。
它通过将关键概念和它们之间的关系可视化，帮助人们更好地理解和组织知识。
当你创建和完成一个cmap之后，你可以运行分析工具来生成cmap结果。
这些结果提供了关于概念的定量数据和图形化表示。
下面是一些例子：1. 概念密度图：这个图显示了每个概念在概念映射中出现的频率。
较高的概念密度意味着这个概念在映射中出现了很多次，可能是一个核心概念。
2. 概念关联图：这个图显示了概念之间的关系。
每条连接线代表两个概念之间的关联强度。
较粗的连接线意味着两个概念有较强的关联关系。
3. 概念分类图：这个图显示了概念之间的层次结构。
较高的概念类别显示在顶部，较低级别的概念显示在底部。
这个图可以帮助你理解概念之间的父子关系。
现在，让我们一步一步回答几个与cmap结果相关的问题。
问题1：哪些概念出现频率较高？在概念密度图中，你可以识别出出现频率较高的概念。
这些概念可能是你研究或讨论的焦点，并且可能需要更详细的分析。
问题2：哪些概念具有强关联性？概念关联图可以帮助你找到具有强关联性的概念。
你可以通过粗线条的连接线来识别出具有较强关联性的概念。
这些概念之间的关系可以提供关于你研究领域的重要见解。
问题3：概念是否有明确的分类和层次结构？概念分类图可以帮助你了解概念之间的分类和层次结构关系。
通过观察图中的不同层次，你可以了解到概念的父子关系以及它们在整个概念体系中的位置。
最后，解读cmap结果不仅仅是观察图形化表示，还需要深入分析和理解概念之间的关系。
要充分利用cmap的结果，你可以进行附加的统计分析，如频率分析和相关性分析，并进一步研究特定的概念和它们之间的关系。
cmap参数
cmap参数CMAP（Constrained Mean Average Precision）是一种用于衡量信息检索系统性能的指标。
该指标主要用于评估结果排序的质量，尤其适用于解决文档排序问题。
本文将从介绍CMAP的含义、计算方法以及应用场景等方面进行阐述，以便更好地理解和使用该指标。
首先，我们来了解一下CMAP的含义。
CMAP是一种综合性指标，它结合了两个重要的信息检索指标：MAP（Mean Average Precision）和P10（Precision at 10）。
MAP是评估信息检索系统排序性能的常用指标，表示在所有查询中，所有文档的平均精确率的均值。
而P10是表示在前十个检索结果中的平均精确率的指标。
CMAP综合了MAP和P10的优点，能够更全面地评估排序性能。
接下来，我们来看一下CMAP的计算方法。
CMAP的计算可以分为两个主要步骤：首先是计算MAP，然后再计算P10。
计算MAP的方法如下：首先，对于每个查询，计算出检索结果的平均精确率。
然后，将所有查询的平均精确率相加得到总和，最后除以查询的总数，得到MAP值。
计算P10的方法如下：首先，对于每个查询，计算出前十个检索结果的平均精确率。
然后，将所有查询的平均精确率相加得到总和，最后除以查询的总数，得到P10值。
最后，将MAP和P10的结果进行加权求和，得到CMAP的最终结果。
CMAP的应用场景主要是在信息检索系统中。
通过对系统的排序结果进行评估，可以帮助改进检索算法和优化排序策略。
通过使用CMAP指标，系统开发者可以更加准确地评估算法的性能，从而针对性地改进系统的性能。
总结起来，CMAP是一种综合性的信息检索指标，能够更全面地评估排序性能。
它结合了MAP和P10的优点，可以帮助改进检索算法和优化排序策略。
在信息检索系统中，使用CMAP指标可以更准确地评估算法的性能，并针对性地改进系统的性能，从而提高用户的搜索体验。
药物研发利器：基因表达谱数据库cMap(Connectivity Map)
科science topicsConnectivity map (简称cmap) Todd Golub Eric Lander为一个基因表达谱数据库，是由与领导的菁英团队，集哈佛、剑桥大学与麻省理工学院等众多优秀研究人员所建构，利用小分子药物处理人类细胞后的基因表现差异，建立一个小分子药物、基因表现与疾病相互关连的生物应用数据库。
研究团队认为以基因表达谱为所建立之基因、疾病与药物的关联性，应可协助学者们在药物开发领域上，快速利用基因表达谱的数据比对出与疾病高关联性的药物、推论大部分药物分子的主要化学结构，并能够归纳出药物分子可能作用的机制方向！目前已累积有药物分子，总共有超过笔的基因表达谱资料。
每一种药物分子会以不同浓度与在不同的细胞株、、理不同的时间点与小时基因表达谱数据区分成正向调控基因群与负向调控基因群进行分析，以运算基因图谱的相似程度为主，最后给予分数。
分数越接近代表两者的药物分子为正相关，称作或是反之，与负向调控基因群的基因图谱相近之药物分子，则会呈现负值，称作或是细的分数运算方式可参考文献，本期的专文将着重应用方式的介绍与讨论。
能正确输出与雌激素同或类似的药物结果。
的基因表达谱数据需先分成正向调控与负向调控的基因群，此笔数据显著差异的正向调控基因数目有个，负向调控的基因则是个。
经过的比对之后，类的药物均呈现图一、cmap 建立方式该团队的成果发表在国际科学期刊Science 1， 1,309 个 7000 (10nm 、100nm 、1 µM 10µM) 处理 (breast prostate leukemia 与 melanoma cell line)，并处 (612)。
1positive induce connection ；score negative药物研发利器：基因表达谱数据库 cmapreverse connection 。
详案例一：推论药物的主结构与药理作用天然雌激素受体的配体细胞株的数据，验证该研究团队以 (natural estrogen receptor ligand)，17β-estradiol (E2) 处理MCF7Microarray cmap 是否Microarray 12989cmap E2highEstrogen receptoragonists and antagonists包括为人所熟知的大豆异黄酮其中在当中所呈现出的药物分子，其药理作用也表示与所持之药理功能是相反的，例如窗体中类的药物分子，药理功能分类上是属于的药物。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
▪ 这样通过比较各种药物刺激同种细胞系的 基因组表达标识，便可发现相似（相反） 功能的药物。下图给出了联通图的使用策 略：
▪ 首先，用基因芯片检测某未知功能化合物 刺激前后生物体（人、鼠、细胞系）的全 基因组表达水平，比较刺激前后的表达谱 水平，采用生物信息学方法提取基因组标
CMAP数据库网址： /cmap/
点击注册 新的用户
点击注册 新的用户
输入相 关
信息
点击保存
三、登录
主页上输入用 户名及密码， 点击sign in
进入界面
instances
显示某个 药物刺激 的信息
下载表达谱数 据的cel文件
输入化合物名 称，回车
点击
P值排秩
化合物 名称
平均得分
该合物刺 激
的次数 点 击
对所得到的结 果富集得分
分类
百分
P值
特异性
比
该处理
批
化合物
化合物
的得分
次
名称
信息
排秩
上调探 针相符
度 处理组
ID
处理 浓度
细胞系
得分
下调探针 相符度
Instance qury
刺激组 信息
输入刺激的化 合物名称
选择刺激 组提交
输入上调阈 值 正值
Quick query
点击
上传上调的 signatures
提交
上传下调的 signatures
Load signatures
提交
命 名 描述
内容
上调 signatures
下调qury
提交
为结果命名
选择上传 signature
的名称
点击执行
结果 统计
输入下调阈 值 负值
计算探针个数
上调探针个数
下调探针个数
执行查询
Results
全部结果 详细的信息
根据p值排 序的简单结果
选择结 果名称
Admin
用户提交的 signatures和结
果
用户信息更改
隐私条 款
范围及条件
Downloads
所有的 cel格式
数据
预处理数据 矩阵
每个处理的 详细信息
MSigDB数 据库中化合
物对应的
signatures
Help
简单教程
描述、定义、 忠告 同admin
联系方式 发表文章
识（eg.刺激前后的差异表达基因依据表达 量改变的排秩，所有基因依据表达量改变
大小的排秩）
▪ 然后，将这些有序的基因列表分为上调 和 下调 两类，录入到联通图的查询界面。联
通图数据库采用GSEA算法评价此标识与 库中药物标识的相似性；最后，输出与此 未知功能化合物功能关联的药物，作用越 相似的排序越靠前，作用越相反的排序越 靠后，这样通过一致药物的功能，便能推 得未知化合物的功能。
CMAP数据库简介及操作
一、CMAP数据库简介
▪ CMAP数据库应用全基因组转录谱系统全 面地描述疾病、生理、药物诱导等生物学 状态，以GSEA算法提取并比较这些生物 学状态的基因表达标识，将相同（似）或 相反功能药物、药物适用疾病、药物作用 途径（基因、通路）联系起来。
▪ 联通图的基本假设是，药物刺激前后全基 因组范围的基因表达改变，能够从本质上 反应生物系统对药物的应答——药物反应 状态，也就是说可以代表药物的药理活性 特征。
化合物
名称
刺激的 浓度
处理组表 达谱数据
芯片
批 次
化合物 介绍
细胞 系
该处理 的编号
编号
对照组表达 谱数据编号
类型
点击
输入表 达谱数 据编号
点 击
命名下载cel 压缩格式
直接下载cel 格式文件
query
快速查询 结果不保
存
查询 结 果可保
存
运用以前上传的 signatures查询
运用数据库中处理组的 signatures查询