本文是一篇医学论文，本文基于Notch信号通路的泛癌多组学分子分型与预后模型构建这一主题，从多分子层面数据集成分析提取特征值、预后模型构建及数据整合分析等方面展开。
第一章绪论
1.1 Notch信号通路的构成
在生物学中，“信号通路”一词代表一连串化学反应的总和，特定分子参与反应过程从而控制细胞，Notch信号通路就是其中之一。Notch这一名字来自于它的主要成分之一——NOTCH基因。由Morgan及其同事于1917年在突变果蝇中发现[1]，该基因的部分功能缺失影响果蝇翅膀表型，导致翅膀边缘出现缺刻（Notch）。随后该通路被证实广泛存在于多种动物体内，分布在造血干/祖细胞、上皮细胞、淋巴细胞等多种细胞表面，与配体结合激活后可直接作为基因转录调节因子，它通过调节各个细胞过程如细胞增殖、分化和凋亡从而影响细胞的命运[2]，对正常的胚胎发育和组织稳态至关重要。
Notch信号通路是一种不含次级信使的非级联通路。不同于其他通路通过激酶磷酸化以级联放大的形式逐步活化传递信号，Notch依赖三步蛋白酶切水解，把活化后具有转录调节作用的Notch蛋白片段（NICD或ICN）易位至细胞核内，然后与转录因子CSL（RBP-Jκ）结合，招募转录激活因子置换辅抑制因子复合物，进而调节下游基因表达。Notch通路控制的常见的下游靶基因有“Hes”和“Hey”基因家族，这些基因家族控制着许多成体组织分化过程中的干细胞，通过这样的方式发挥细胞命运决定的作用[3]。
具体来说，Notch通路主要由Notch受体、Notch配体、CSL DNA结合蛋白以及下游效应因子这四部分组成。此外，还有三步蛋白酶切水解涉及的调节因子。
1.2 Notch信号通路的研究进展
1.2.1 Notch信号通路在癌症发生发展中发挥致癌/抑癌作用
Notch通路在大量造血和实体肿瘤中出现基因变异和异常表达现象[32]。根据不同癌症的微环境和激活状态，这些改变可能导致该途径的激活或抑制[33]。在癌症中，该通路及其靶点有着多种不同的异常调控模式，包括激活和失活突变、受体/配体过表达、表观遗传调控和翻译后修饰的影响，最显著的是受体和配体岩藻糖基化（特别是O-岩藻糖基化）[34]和泛素化[35]。T细胞急性淋巴细胞性白血病(T cell acute lymphoblastic leukemia,T-ALL)是首个证实Notch具有明确的致癌作用的疾病[36]。随后，研究人员在越来越多的癌症中发现了Notch通路的异常调控模式[37]。
NOTCH1是一种控制先天免疫和适应性免疫的基因，在促进T细胞谱系方面发挥着重要作用。Ellisen等人[36]首次发现了癌症中Notch通路的改变，他们发现NOTCH1（ICN1）的胞内域和T细胞受体β位点之间发生了重排，导致截短的、具有组成性活性的NOTCH1在白血病中高水平表达。随后一系列研究发现大约50%的T-ALL中存在NOTCH1功能获得性突变，证实ICN1是一个强致癌等位基因。与NOTCH1在T-ALL中的高突变不同的是，NOTCH4和Notch配体的突变频率很低[38]。
慢性淋巴细胞性白血病（Chronic lymphocytic leukemia,CLL）也是一种常见的白血病。基于下一代测序的方法证明，10%-12%的CLL病例表现出NOTCH1的激活突变，其中P2515Rfs是最普遍的突变[39]，这强调了这种突变作为预后标志物的重要性。除此之外，CLL中SPEN（4%突变）、RBPJ（8%缺失）和SNW1（8%缺失）发生基因改变，这些改变导致NOTCH1靶基因HES1、DTX1和MYC表达降低[40]。
第二章多组学数据分析预测与相关原理
2.1引言
全面了解人类疾病需要在基因组、表观基因组、转录组、蛋白质组和代谢组等多个层面解释分子的复杂性。随着测序技术的发展，生物学研究越来越依赖于这些水平上产生的数据，这些数据一起被称为“多组学”数据。每种类型的组学数据本身通常提供与疾病相关的差异性表达，综合提供不同层次生物分子信息的多组学数据似乎有望系统地和全面地理解复杂的疾病形成过程和各种生物学过程。
然而，单个组学数据中潜在的异质性、计算密集型的海量数据使得多组学数据集成和分析成为一项具有挑战性的任务。我们需要思考如何对宏观多组学数据进行数据预处理、降维筛选特征、预测建模以及整合分析。一系列机器学习方法被应用于解决具体的生物信息研究问题。例如特征选择可以从复杂庞大的生物序列数据中提取出感兴趣的特征来构建后续模型。此外，由于多组学数据使用多种平台生成，因此数据存储和格式差异很大，直接合并多组学数据可能会导致数据维度进一步扩大甚至产生异常数据。因此，多组学数据整合分析进一步发展必须旨在简化多个数据集的互操作性，将来自每个数据集的不同变量转换到相同的空间和尺度，便于集成变量选择、基因集分析、通路和下游分析。
为了探讨Notch信号通路在不同分子层面参与癌症发生发展过程的机制，本章节重点介绍了从各种RNA表达水平（mRNA和ncRNA）、DNA甲基化、体细胞突变和拷贝数变异数据分析Notch通路基因在不同癌症中的分子特征的相关原理，同时阐明基于降噪自编码器筛选多组学特征以及结合临床数据构建Cox比例风险模型的相关数学原理。
2.2相关数据库介绍
2.2.1 TCGA数据库
癌症基因组图谱（The Cancer Genome Atlas,TCGA）[107]是拥有超过33种不同类型癌症的最大的多组学数据库之一，累计包含20000多个肿瘤样本。该数据库旨在生成、合并、分析和注释肿瘤样本中的DNA、RNA、蛋白质和表观遗传学变化以及临床和组织学数据。它包含来自各种癌症及其亚型的原发肿瘤样本的丰富分子和基因图谱。数据库中存储着高通量RNA-Seq、DNA-Seq、miRNA-Seq、单核苷酸变异、拷贝数变异、DNA甲基化和反相蛋白质阵列数据。TCGA提供的泛癌症图谱被全球研究团体广泛使用，这些数据帮助人们在癌症的进展、表现和治疗方面取得了新的发现。
为方便使用者检索数据，TCGA有其独特的样本编码，最长可达28个字符，例如“TCGA-02-0001-01C-01D-0182-01”，可以清楚得知样品来源的信息。“Project”代表来自哪个项目，如TCGA、TARGET等等。TSS（Tissue source site）表明样品来自哪个组织机构，不同组织机构有其独特编码。“participant”是样品唯一编号，也可代表患者号，临床数据样本多用前12位表示。“Sample”表明该样本来自的人体组织类型，也是区分正常样本和肿瘤样本的依据，01至10代表肿瘤样本，10往上则表示正常样本。“Vial”通常是A-Z编号，表示分割后样本的第几份。“Portion”是指每份样品再分割成不同的小样品，取值在01-99。从“Analyte”中可得出实验数据来源分子类型，如“R”代表RNA，“D”代表DNA等等。“Plate”则是96孔序列中板的顺序，由4个数字组成。最后一部分“Center”表示数据由哪个机构分析。
第三章基于多组学数据分析Notch信号通路分子特征................................30
3.1引言......................................30
3.2材料与方法....................................30
第四章基于多组学数据构建Notch信号通路预后模型.................................55
4.1引言........................................55
4.2材料与方法........................56
第五章总结与展望..............................66
5.1工作总结........................................66
5.2工作展望....................................67
第四章基于多组学数据构建Notch信号通路预后模型
4.1引言
Notch信号通路是一个关键的进化保守通路，参与多个生物过程，主要包括细胞增殖、分化、发育、稳态和生存。Notch通路的激活可能导致异常的生物过程，这些过程可能与人类疾病，特别是癌症的进展有关，研究Notch通路将有助于理解癌症的病理生理过程。正是由于Notch通路广泛参与不同癌症过程，Notch有望成为癌症治疗的潜在标志物，因此揭示Notch在肿瘤微环境中不同细胞中的预后能力至关重要，这可以用来预测Notch靶向治疗是否有效，并进一步确定新的药物靶向。
在医学上，预后通常与个人根据自己的临床和非临床特征，在特定时间内发展出特定健康状态（一种结果）的概率或风险有关。结果通常是特定的事件，如死亡或并发症。医学预后和预后模型用于各种环境和各种原因。主要原因是告知个人他们的未来病程（或他们患病的风险），并指导医生和患者联合决定进一步的治疗。但影响预后的因素有很多，比如患者的性别年龄、诊断时间、病理类型、遗传特质、治疗方案，甚至生活方式的不同，都会对预后产生很大的影响，而预后代表着对治疗成功的估计及恢复的可能性。癌症，作为一种复杂的多基因疾病，同样的癌症在不同个体上的表现也不相同，相同的临床表现也可能需要不同的治疗方案，这种癌症的异质性使得仅依靠有限的临床指标进行评估已经远不能满足实际需要，这也体现出在分子水平上研究癌症相关的必要性。因此，围绕多组学层次探讨癌症预后相关的指标，特别是联合不同RNA分子层次，紧紧围绕mRNA着手，进一步拓展到非编码RNA层次，可为相关癌症的预后相关的研究提供更多参考。
第五章总结与展望
5.1工作总结
Notch信号通路异常会影响多种癌症中细胞的致瘤性和增殖等，但其在不同肿瘤中的抑癌/致癌作用不尽相同。从泛癌角度进行Notch信号通路成分在不同分子层面的刻画，探究Notch信号通路在癌症中的分子特异性，对深入了解Notch信号通路在癌症发生发展中的机制，以及基于Notch信号通路的精准医疗策略制定具有重要意义。本文基于Notch信号通路的泛癌多组学分子分型与预后模型构建这一主题，从多分子层面数据集成分析提取特征值、预后模型构建及数据整合分析等方面展开，主要内容分为两部分：
（1）基于多组学数据分析Notch信号通路全面分子特征：首先，我们通过数据库搜集和文献挖掘筛选出22个Notch信号通路核心基因。其次，基于TCGA数据库中33种癌症的9,125个肿瘤样本的高通量测序数据，综合基因突变、拷贝数变异、mRNA表达、甲基化及非编码RNA五个分子水平从信息学分析及功能扰动方法对Notch信号通路核心基因进行分子表征，主要包括Notch信号通路分子的泛癌表达模式、体细胞改变模式及其功能效应、Notch通路核心基因的ncRNA调控网络等。结果鉴定NOTCH1是突变频率最高的基因，在多种癌症中可能作为驱动癌症发生的显著突变基因。Notch通路具有癌症特异性的表达模式，其中DLL3在16种癌症中显著上调。据其表达模式聚类得出6个集群且具有显著预后性。
（2）基于多组学数据分子特征，构建Notch信号通路预后模型：本文首先对不同癌症中筛选出的多组学特征进行编码-解码处理，即将高维多组学特征数据输入至DAE网络获得代表性特征，并基于转化后的数据进行生存分析、聚类分型及药物敏感性分析等，以了解Notch通路在不同癌症中的独特预后能力。此外，本研究还探究了与Notch信号相关的生物学途径、浸润免疫细胞组成和药物敏感性等方面。研究发现Notch基因单核苷酸变体（SNV）水平与免疫细胞浸润在不同癌症中具有正/负调节相关性。药物敏感性分析显示DLL3与多种药物密切相关，表明DLL3靶向药物研发具有较好的应用前景。最后，通过整合多组学特征证明Notch基因可以用来评估患者风险，具有一定的预后能力，暗示其在癌症发生发展和预后中的潜在贡献。
参考文献（略）