非小细胞肺癌生物标志物的定量蛋白质组学研究

非小细胞肺癌生物标志物的定量蛋白质组学研究

摘要第1-9页Abstract第9-11页前言第11-17页参考文献第14-17页第一章高质量分泌蛋白质组学技术筛选非小细胞肺癌血清生物标志物第17-41页1材料和方法第17-23页·化学试剂第17-18页·血清样本收集与制备第18页·细胞培养;细胞蛋白质组、分泌蛋白质组样本收集第18-19页·1维凝胶电泳和胶内酶解第19页·ELISA和Western杂交第19-20页·反向液相色谱质谱联合分析第20页·蛋白质的鉴定第20-21页·生物信息学分析第21-23页·分泌蛋白的预测和蛋白质的注释第21页·蛋白质非标记定量、系统聚类和主成份分析第21页·在线数据库第21-22页·两套独立测试数据集:血清蛋白质组学、基因芯片第22-23页2结果第23-33页·1D凝胶电泳-液相色谱质谱技术创建的肺癌A549初始分泌蛋白质组数据集第23-24页·高质量分泌蛋白质组数据集的建立第24-26页·肺癌A549细胞株分泌蛋白质组的质量评估第26-28页·高质量分泌蛋白质组作为肺癌候选生物标志物的文献挖掘第28-31页·独立测试数据集评估高质量分泌蛋白质组第31-32页·PAI-1和C4BP在肺癌血清中的表达第32-33页3讨论第33-35页参考文献第35-41页第二章靶向蛋白质组学技术与鸟枪法研究非小细胞肺癌诊断及预后相关生物标志物第41-67页1前言第41-42页2材料和方法第42-46页·血清样本采集第42页·酶解第42页·一体柱色谱-串联质谱分析第42-43页·蛋白质的鉴定第43页·ELISA与非标记定量分析第43页·建立“MRM试剂盒”第43-44页·生物信息学分析第44-45页·机器学习ELISA数据:“训练集-预测集”法第45页·组织芯片研究第45-46页3结果第46-55页·实验流程第46页·非标记定量技术筛选出的非小细胞肺癌生物标志物第46-50页·利用ELISA数据构建一个肺癌血清生物标志物群第50-52页·靶向蛋白质组学技术建立“MRM”肺癌血清试剂盒第52-53页·5种蛋白质在细胞水平的表达量第53-54页·血清C4BP、SAA、LRGl浓度与肺癌预后的相关性第54-55页4讨论第55-57页参考文献第57-67页论文目录第67页读博期间所获科研基金第67-68页附发表论文第68-79页致谢第79-80页。