跳到主要内容
访问密钥 NCBI主页 MyNCBI主页 主要内容 主导航
肿瘤。2004年1月；6(1): 1–6.
数字对象标识：10.1016/s1476-5586（04）80047-2
预防性维修识别码：PMC1635162型
PMID：15068665

ONCOMINE：癌症微阵列数据库和集成数据挖掘平台1

丹尼尔·罗兹,*†,2 于建军,*†中，2 K Shanker公司,‡ 南丹德什潘德,‡ 拉迪卡·瓦兰巴利,* 德巴希斯·戈什,§ 特伦斯·巴雷特,* 阿克希利什·潘迪,和阿鲁尔M钦奈扬*#**
作者信息 文章注释 版权和许可信息 PMC免责声明

摘要

DNA微阵列技术导致了肿瘤基因组分析的爆炸式发展，产生了大量数据，揭示了癌症复杂的基因表达模式。不幸的是，由于缺乏统一的生物信息资源，这些数据中的大多数在出版后停滞不前，相互脱节，癌症研究界的利用率严重不足。这里，我们介绍ONCOMINE公司这是一个癌症微阵列数据库和基于web的数据挖掘平台，旨在促进全基因组表达分析的发现。迄今为止，ONCOMINE公司包含65个基因表达数据集，包括4700多个微阵列实验中近4800万个基因表达测量值。将大多数主要类型的癌症与各自的正常组织以及各种癌症亚型进行比较的差异表达分析以及基于临床和病理学的分析可供探索。可以在所有分析中查询和可视化所选基因的数据，也可以在所选分析中查询多个基因的数据。此外，基因集可以局限于临床上重要的注释，包括分泌型、激酶、膜和已知的基因药物靶点对，以便于发现新的生物标记物和治疗靶点。

关键词：癌症、转录组、基因表达、微阵列、，ONCOMINE公司

介绍

利用DNA微阵列进行基因表达谱分析已成为研究癌症转录组的有力方法。100多项已发表的研究对人类癌症样本进行了分析，确定了大多数主要癌症类型和亚型的基因表达特征，并揭示了与肿瘤各种特征相关的基因表达模式，包括肿瘤分级或分化状态、转移潜能和患者生存率[1–24]. 此外，新型组织[25,26]和血清[27,28]生物标志物和潜在治疗靶点[29,30]已使用这些全基因组筛查进行鉴定。这些发现突出了DNA微阵列对癌症研究的显著影响；然而，我们认为，由于数据可用性和集成的局限性，利用微阵列进行基因表达谱分析的全部潜力尚未实现。对于大多数已发表的微阵列研究，可能包括数十或数百个癌症样本的数千个基因测量，作者对他们的数据进行了一种解释，并且只报道了证明他们特定假设的基因子集。完整的微阵列数据集有时可用作补充数据，但即使是这样，数据集通常作为隐秘的文本文件，以非系统的方式存储和处理，因此仅对具有计算专业知识的人有用。尽管现在已经制定了记录和交换微阵列数据的标准[31]，并敦促作者在出版时提供完整的数据集[32]只有当癌症微阵列数据得到统一、逻辑分析并易于癌症研究社区访问时，才能充分发挥其潜力。

在这里，我们描述了我们正在进行的努力，通过基于网络的数据库和数据挖掘平台，系统地策划、分析和提供所有公共癌症微阵列数据，指定ONCOMINE公司(网址：www.oncomine.org). 我们的工作还包括集中各种基因组资源的基因注释数据，以便于快速解释基因在癌症中的潜在作用。此外，我们正在将微阵列数据分析与其他资源集成，包括基因本体注释和治疗靶点数据库。在本报告中，我们描述了微阵列数据的收集和分析，以及可在ONCOMINE公司并展示重要发现的潜力。

数据收集和分析

由于这项持续努力的目标是编译、分析和服务所有公共癌症微阵列数据，我们通过文献检索确定了所有潜在的研究，重点是那些已经生成人类癌症组织样本基因表达谱的研究。我们检索了完整的数据集（如果可用），如果不可用，我们联系作者请求数据集。截至2003年5月1日，我们对152项癌症微阵列研究的信息进行了分类（目录可在ONCOMINE公司)其中有40项研究可用，共有3762个微阵列实验的37901459个基因测量值。我们通过一种方法独立处理和规范化每个数据集（参见方法部分），并将每个微阵列特征映射到Unigene构建159。

尽管许多分析方法已应用于微阵列数据，但我们选择了差异表达分析，使用吨-统计作为差异表达和错误发现率的度量[33]作为显著性的校正度量。为了定义潜在的差异表达分析，我们审查了每个数据集中的样本。34个数据集的样本对应于两类至少一个感兴趣的比较，包括癌症对各自正常组织，高级别（未分化）癌对低级别（分化癌）癌症，预后不良（转移、复发或癌症特异性死亡）癌症对预后良好（长期或无复发生存）癌症、转移癌对原发性癌症和癌症亚型1（例如雌激素受体阳性）对亚型2（例如雌激素受体阴性）。我们共进行了81次差异表达分析，包括939117个基因/癌症假设。这些分析中差异最大的基因可以在ONCOMINE公司（见下文）。

基因模块

统一癌症微阵列数据，然后通过单一方法处理、规范化和分析所有数据集，从而实现以基因为中心的分析。通常，研究人员使用单个微阵列数据集来识别与特定癌症类型或亚型相关的一组基因。使用ONCOMINE公司，用户现在可以在所有可用数据集和差异表达分析中评估和可视化选定基因的差异表达。在搜索感兴趣的基因之后，ONCOMINE公司列出了包含该基因的所有差异表达分析，并允许用户选择感兴趣的分析。对于选定的分析，提供统计结果并链接到微阵列数据的图形表示。为了说明基因中心分析的价值抑癌胺，我们搜索ERBB2（即HER2/neu（新）)，一种已知在乳腺肿瘤子集中扩增的癌基因，被抗体治疗药物Herceptin靶向[34]. 根据Sorlie等人的研究，我们首先观察了ERBB2在乳腺癌中的表达[21]. 我们发现，与正常乳腺样本相比，ERBB2在部分乳腺癌样本中高度过表达(对= .057;图1A类). 接下来，我们观察了ERBB2在所有“癌症”中的表达对正常”分析。有趣的是，相对于正常血B细胞，ERBB2在弥漫性大B细胞淋巴瘤（DLBCL）中显著过度表达(对=1.2e–6），非小细胞肺癌（NSCLC）相对于正常肺(对=1.7e–5和对=1.1e–5），卵巢癌相对于正常卵巢(对=1.0e–5），但不适用于大多数其他癌症类型。图1B类将这些分析以及选定的其他不重要分析描述为ERBB2的多数据集方框图。值得注意的是，Her2的协会/neu（新）非小细胞肺癌和卵巢癌ONCOMINE公司已被其他独立研究记录在案[35]，赫赛汀用于非小细胞肺癌的临床试验正在进行中[36].

保存图片、插图等的外部文件。对象名称为neo0601_0001_fig001.jpg

ONCOMINE显示的ERBB2（Her2/neu）基因中心表达分析。（A） 相对于正常乳腺组织，ERBB2在一组乳腺癌中过度表达（P=0.0567）。（B） ERBB2在DLBCL中相对于正常血B细胞（P=1.2e-6）、非小细胞肺癌相对于正常肺（P=1.1e-5）、卵巢癌相对于正常卵巢（P=1.0e-5）显著过表达，但在肝细胞癌或前列腺癌相对于其各自正常组织中不表达。Y轴单位是标准化表达式值（每个数组中位数以上或以下的标准偏差）。每个类中的样本数在括号中给出。阿德诺卡。表示腺癌；Ca.表示癌；DLBCL提示弥漫性大B细胞淋巴瘤。

研究模块

这个研究该模块提供了一个标准的基因表达彩色图，以可视化选定分析中差异最大的基因。许多差异表达分析与原始出版物中的分析类似；然而，与ONCOMINE公司它们是集中的，并且应用了一种单一、稳健的统计方法。此外，一些分析可在ONCOMINE公司在原始出版物中没有进行，从而增加了这些微阵列数据集的价值。例如，Ramaswamy等人发表了一份关于多肿瘤类型分类的报告，其中强调了一个能够准确分类不同来源肿瘤类型的聚焦基因集[16]. 由于数据集还包括许多癌症类型的相应正常组织样本，因此我们执行了多个“癌症”对正常”差异表达分析，包括胰腺癌对正常胰腺-从其他任何可用数据集都无法验证的假设。关于研究模块：直接链接提供给基因模块，这样，如果通过探索差异表达分析来识别感兴趣的基因，用户可以在其他差异表达分析中快速评估该基因的表达（如下所示，使用前列腺素）。

基因本体集成

许多癌症微阵列研究的重点是确定潜在的治疗靶点或诊断标记。如果基因在特定癌症中高度过度表达，那么它们通常被视为潜在的靶点或标记，其分子功能或定位表明它们可能适合药物抑制或在血清或组织中检测。为了为发现癌症中过度表达的潜在靶点或标记提供一个平台，我们使用相关的基因本体描述符注释基因。通过结合GO本体联盟的基因本体注释创建了三个本体类别[37]：1）膜结合，可作为抗体治疗的靶点；2） 激酶，可被小分子激酶抑制剂抑制；3）分泌，可作为血清生物标志物。在几乎所有的分析中都存在来自每个本体类别的显著过表达的基因。特定本体类别（如膜）中的基因在特定分析中表达差异最大（如肺腺癌对正常肺）可以在ONCOMINE公司此外，特定GO注释（例如DNA结合）也可用于筛选差异表达分析。

为了演示此方法的实用性，我们将使用ONCOMINE公司确定卵巢癌的血清生物标志物。卵巢癌尤其需要改进血清生物标记物，以帮助早期检测，因为当治疗选择有限时，卵巢癌通常在疾病后期出现。最近，一项研究表明前列腺素是卵巢癌的潜在血清生物标记物[28]. 作者分析了少数卵巢癌细胞系，发现前列腺素相对于正常卵巢细胞系过度表达，然后使用酶联免疫吸附试验表明，卵巢癌患者血清中前列腺素蛋白水平较高。在中使用“隐藏”过滤器ONCOMINE公司根据Welsh等人的研究，我们寻找卵巢癌中过度表达的基因[23]共分析了27例原发性卵巢癌。这项研究独立地证实了前列腺素是卵巢癌中最高度过表达的基因之一，具有隐秘的注释(图2). 前列腺素研究的作者是否可以获得这些资源[28]，他们本可以避免直接从ONCOMINE公司验证研究。值得注意的是，编码其他五种分泌蛋白的基因比前列腺素（LIF、SPINT2、LGALS3BP、LYZ和ECGF1）更显著过度表达，这表明可能存在更准确的生物标记物。以基因为中心的前列腺素分析显示，正如两个独立数据集所定义的那样，该基因在前列腺癌和肺癌的一个子集中也高度表达，这表明该标志物的作用有所扩大。

保存图片、插图等的外部文件。对象名称为neo0601_0001_fig002.jpg

ONCOMINE显示，与正常卵巢样本相比，编码分泌蛋白的基因在卵巢癌中的过度表达最为显著。PRSS8是第六个最重要的基因，先前被证明是卵巢癌的准确血清生物标记物[28]. 红色表示相对于平均正常值过度表达，黑色表示相等，绿色表示不足。每个类中的样本数在括号中给出。

已知治疗靶点整合

基于治疗药物在靶点高度表达的癌症类型中最有效的假设（例如，乳腺癌中ERRB2过度表达导致Herceptin敏感性），我们试图提供一个平台来探索所有已知治疗靶点在癌症中的表达，甚至那些针对癌症以外疾病的药物。我们假设该平台可能导致新的药物靶向肿瘤类型关联，这表明目前正在使用的治疗药物具有新的应用。我们通过查询治疗靶点数据库，汇编了148个已知药物靶点及其各自的药物[38]以及PubMed自动搜索（参见方法部分）。在至少一次差异表达分析中，发现其中65个靶点显著过度表达（数据未显示）。

在研究模块中，用户可以应用治疗靶点过滤器来识别在特定差异表达分析中过度表达的靶点。例如，我们发现与正常膀胱组织相比，PTGS2（也称为COX-2）是膀胱癌中最显著的过度表达药物靶点(问=3.1e–15；图3A类). COX-2是前列腺素生物合成的关键酶，是阿司匹林等非甾体抗炎药的靶向酶。我们不知道，COX-2以前被证明在膀胱癌中过表达，COX-2抑制剂塞来昔布被证明可以抑制大鼠膀胱肿瘤的形成[39]目前正在进行预防人类膀胱癌的三期临床试验[40]. 尽管这种关联是以前建立的，但我们的巧合发现支持了这种方法的价值。

保存图片、插图等的外部文件。对象名称为neo0601_0001_fig003.jpg

ONCOMINE发现癌症中的治疗靶点过度表达。（A） 与正常膀胱样本相比，PTGS2（COX-2）在膀胱癌中显著过度表达（Q=3.1e-15），证实了之前的工作，即COX-2是膀胱癌的潜在靶点。（B） 相对于正常胰腺样本，ABL1在胰腺癌中显著过度表达（Q=0.0097），这表明应研究使用Abl酪氨酸激酶抑制剂Gleevec。每个类中的样本数在括号中给出。

这种方法产生的大多数假设仍有待探索。例如，胰腺癌迫切需要有效的治疗策略，因为目前的治疗效果有限，生存率低于5%[41]. 通过应用药物靶点过滤器，我们发现与正常胰腺相比，ABL1（Abl酪氨酸激酶）是胰腺癌中最显著的过度表达药物靶点(问= 0.0097;图3B类). Abl激酶由Gleevec靶向，Gleevec是一种小分子抑制剂，最近被批准用于慢性粒细胞白血病的一线治疗[42]. 尽管ABL1过表达的胰腺样本数量很少(n个=8），这种关联是新颖的，值得探索。如果进一步研究证实ABL1过度表达并证明其在胰腺癌发生中的作用，那么Gleevec可能对其治疗有用。以基因为中心的ABL1分析进一步揭示其在胶质母细胞瘤中过度表达(对=0.012）和髓母细胞瘤(对= .0005).

ONCOMINE公司附加功能和未来方向

为了便于快速解释基因在癌症中的潜在作用，抑癌胺提供集中的基因注释资源，集成其他生物信息学资源的信息，包括Swiss-Prot、LocusLink[43]和Unigene，并提供与人类蛋白质参考数据库（HPRD）的直接链接[44]和来源[45]和路径资源京都基因和基因组百科全书（KEGG）[46]和Biocarta。在线教程位于ONCOMINE公司网站通过一系列样本分析来演示其功能。未来的工作将包括收集更多可用的微阵列数据集，增加与其他基因组资源的集成，以及基于相关性的分析。ONCOMINE公司也作为一个平台来探索从癌症微阵列简编中识别出的“亚信号”，如我们的配套报告（提交供出版）中所述。

总之，ONCOMINE公司是一个强大的生物信息发现平台，将癌症微阵列数据和分析功能带给癌症研究社区。我们希望这项工作以及ONCOMINE公司将促进进一步的研究，最大限度地获取癌症微阵列数据并从中产生假设，最终提高对癌症的理解，并开发新的诊断和治疗策略。

方法

数据收集、处理和存储

微阵列数据集从公共网站下载，或由作者应要求提供。下载特定数据集的网址列于ONCOMINE公司(网址：www.oncomine.org). 除了不包括负值外，作者提供的所有数据都包括在处理和分析中。所有数据都是对数转换的，每个数组以中值为中心，标准偏差标准化为每个数组一个。研究按以下约定命名：FirstAuthor_TissueTypeProfiled（例如Dhanasekaran_Prostate）。为了便于多研究分析，将微阵列特征映射到Unigene Build 159。数据存储在Oracle 8.1关系数据库中。

数据分析

对于数据库中的40个微阵列研究中的每一个，我们都回顾了所分析的样本。三十四项研究至少有四个样本对应于一个感兴趣分析的两个类别，并进行了进一步分析。兴趣分析包括癌症对各自正常组织，高级别（未分化）癌对低级别（分化癌）癌症，预后不良（转移、复发或癌症特异性死亡）癌症对良好结果（长期或无复发生存率）癌症、原发性癌症对转移性疾病和亚型1对亚型2。在将样本分配到类别后，使用吨-使用2002年Total Access statistics的统计数据（弗吉尼亚州维也纳FMS Inc.）。吨-对差异表达分析进行双侧测试，对特异性过表达分析进行单侧测试。为了进行整个研究分析，对通过错误发现率方法对多次比较的值进行了校正。已更正对值指定为问值[33]，其中问=对*n个/我(n个=基因总数；我=的排序等级对值）。

药物靶点

通过两种方法确定药物靶点。第一，治疗靶点数据库[38]查询了所有具有明确拮抗剂、抑制剂或抗体的靶点。确定了109个独特的药物靶点。使用SOURCE提供的基因名称、符号和别名将目标映射到Unigene build 159[45]. 其次，国家癌症研究所（NCI）临床试验数据库中的所有药物名称(http://www.nci.nih.gov/clinicaltrials网站/)进行了PubMed的自动搜索，识别出具有药物名称和标题中“抑制剂”或“抗体”一词的文章。此标题列表是针对药物及其特定靶点（如利妥昔单抗、CD20）进行的手动调查。该方法识别了53个独特的目标。共鉴定出148个具有特定药物抑制剂或抗体的独特基因靶点。

基因本体论

GO基因本体[37]链接到Unigene Cluster ID的注释从SOURCE下载[45]. 通过组合多个注释创建了三个本体类别。以下注释是膜结合类别的一部分：细胞粘附受体、G蛋白偶联受体、质膜、外周质膜蛋白、跨膜受体和跨膜受体蛋白酪氨酸激酶。激酶类包括：1-磷脂酰肌醇3-激酶、细胞周期蛋白依赖性蛋白激酶、二酰甘油激酶、鸟苷酸激酶、丝裂原活化蛋白（MAP）激酶、MAP激酶激酶、MAP-激酶激酶、非膜蛋白酪氨酸激酶、蛋白激酶、蛋白蛋白激酶C、蛋白丝氨酸/苏氨酸激酶、，蛋白酪氨酸激酶、受体信号蛋白酪氨酸蛋白激酶、跨膜受体蛋白丝氨酸/苏氨酸激酶和跨膜受体蛋白质酪氨酸激酶。最后，以下注释是分泌类的一部分：细胞外基质、细胞外基质和细胞外间隙。

ONCOMINE公司

ONCOMINE公司是使用三层体系结构开发的。后端包括一个用于存储微阵列数据和统计数据的Oracle 8i数据库，以及一系列用于各种生物数据库的键诱导平面文件。中间层是用Python开发的，用于处理应用程序逻辑和核心功能(网址：www.python.org). 前端客户端是使用ZOPE实现的(网址：www.zope.org).ONCOMINE公司位于网址：www.oncomine.org.

致谢

我们感谢Vasudeva Mahavisno的图形和Douglas Gibbs的硬件支持。D.R.R.是医学科学家培训计划的研究员，a.M.C.是皮尤学者。

脚注

1该项目由院长办公室、病理学部、DOD拨款PC02322和生物信息学项目的试点资金资助。

2作者们为这项工作做出了同等贡献。

参考文献

1Alizadeh AA、Eisen MB、Davis RE、Lossos IS、Rosenwald A、Boldrick JC、Sabet H、Tran T、Yu X等。通过基因表达谱确定的不同类型的弥漫性大B细胞淋巴瘤。自然。2000;403:503–511.[公共医学][谷歌学者]
2Alon U、Barkai N、Notterman DA、Gish K、Ybara S、Mack D、Levine AJ。寡核苷酸阵列探测的肿瘤和正常结肠组织的聚类分析揭示了广泛的基因表达模式。美国国家科学院程序。1999;96:6745–6750. [PMC免费文章][公共医学][谷歌学者]
3Beer DG、Kardia SL、Huang CC、Giordano TJ、Levin AM、Misek DE、Lin L、Chen G、Gharib TG、Thomas DG等。基因表达谱预测肺腺癌患者的生存率。自然医学。2002;8:816–824.[公共医学][谷歌学者]
4Bhattacharjee A、Richards WG、Staunton J、Li C、Monti S、Vasa P、Ladd C、Beheshti J、Bueno R、Gillette M等。通过mRNA表达谱对人类肺癌的分类揭示了不同的腺癌亚类。美国国家科学院程序。2001;98:13790–13795. [PMC免费文章][公共医学][谷歌学者]
5Chen X，Cheung ST，So S，Fan ST，Barry C，Higgins J，Lai KM，Ji J，Dudoit S，Ng IO等。人类肝癌的基因表达模式。分子生物学细胞。2002;13:1929–1939. [PMC免费文章][公共医学][谷歌学者]
6Dhanasekaran SM、Barrette TR、Ghosh D、Shah R、Varambally S、Kurachi K、Pienta KJ、Rubin MA、Chinnaiyan AM。前列腺癌预后生物标志物的描述。自然。2001;412:822–826.[公共医学][谷歌学者]
7Dyrskjot L、Thykjaer T、Kruhoffer M、Jensen JL、Marcussen N、Hamilton-Dutoit S、Wolf H、Orntoff TF。使用微阵列识别不同类别的膀胱癌。自然遗传学。2003;33：90–96。[公共医学][谷歌学者]
8Frierson HF，Jr.，El-Naggar AK，Welsh JB，Sapinoso LM，Su AI，Cheng J，Saku T，Moskaluk CA，Hampton GM。大规模分子分析确定唾液腺样囊性癌中表达改变的基因。美国病理学杂志。2002;161:1315–1323. [PMC免费文章][公共医学][谷歌学者]
9Garber ME、Troyanskaya OG、Schlunes K、Petersen S、Thaesler Z、Pacyna-Generbach M、van de Rijn M、Rosen GD、Perou CM、Whyte RI、Altman RB、Brown PO、Botstein D、Petersen-I.肺腺癌基因表达的多样性。美国国家科学院程序。2001;98:13784–13789. [PMC免费文章][公共医学][谷歌学者]
10Luo J、Duggan DJ、Chen Y、Sauvageot J、Ewing CM、Bittner ML、Trent JM、Isaacs WB。人类前列腺癌和良性前列腺增生：基因表达谱的分子切割。癌症研究。2001;61:4683–4688.[公共医学][谷歌学者]
11Luo JH，Yu YP，Cieply K，Lin F，Deflavia P，Dhir R，Finkelstein S，Michalopoulos G，Becich M.前列腺癌基因表达分析。霉菌致癌。2002;33:25–35.[公共医学][谷歌学者]
12Magee JA、Araki T、Patil S、Ehrig T、True L、Humphrey PA、Catalona WJ、Watson MA、Milbrandt J。表达谱分析显示前列腺癌中hepsin过度表达。癌症研究。2001;61:5692–5696.[公共医学][谷歌学者]
13诺特曼DA、阿隆·U、西尔克AJ、莱文AJ。寡核苷酸阵列检测大肠腺瘤、腺癌和正常组织的转录基因表达谱。癌症研究。2001;61:3124–3130.[公共医学][谷歌学者]
14Perou CM、Sorlie T、Eisen MB、van de Rijn M、Jeffrey SS、Rees CA、Pollack JR、Ross DT、Johnsen H、Akslen LA、Fluge O、Pergamenschikov A、Williams C、Zhu SX、Lonning PE、Borresen Dale AL、Brown PO、Botstein D。人类乳腺肿瘤的分子画像。自然。2000;406:747–752.[公共医学][谷歌学者]
15Pomeroy SL、Tamayo P、Gaasenbeek M、Sturla LM、Angelo M、McLaughlin ME、Kim JY、Goumnerova LC、Black PM、Lau C、Allen JC、Zagzag D、Olson JM、Curran T、Wetmore C、Biegel JA、Poggio T、Mukherjee S、Rifkin R、Califano A、Stolovitzky G、Louis DN、Mesirov JP、Lander ES、Golub TR。基于基因表达的中枢神经系统胚胎性肿瘤预后预测。自然。2002;415:436–442.[公共医学][谷歌学者]
16Ramaswamy S、Tamayo P、Rifkin R、Mukherjee S、Yeang CH、Angelo M、Ladd C、Reich M、Latulippe E、Mesirov JP、Poggio T、Gerald W、Loda M、Lander ES、Golub TR。利用肿瘤基因表达特征进行多类癌症诊断。《美国科学院院刊》.2001;98:15149–15154. [PMC免费文章][公共医学][谷歌学者]
17Schwartz DR、Kardia SL、Shedden KA、Kuick R、Michailidis G、Taylor JM、Misek DE、Wu R、Zhai W、Darrah DM、Reed H、Ellenson LH、Giordano TJ、Fearon ER、Hanash SM、Cho KR。卵巢癌中的基因表达反映了形态学和生物学行为，将透明细胞与其他预后不良的卵巢癌区分开来。癌症研究。2002;62:4722–4729.[公共医学][谷歌学者]
18Rickman DS、Bobek MP、Misek DE、Kuick R、Bliavas M、Kurnit DM、Taylor J、Hanash SM。基于寡核苷酸微阵列分析的高级别和低级别胶质瘤的独特分子图谱。癌症研究。2001;61:6885–6891.[公共医学][谷歌学者]
19Rosenwald A、Wright G、Chan WC、Connors JM、Campo E、Fisher RI、Gascoyne RD、Muller-Hermelink HK、Smeland EB、Giltnane JM等。利用分子分析预测弥漫性大B细胞淋巴瘤化疗后的生存率。N英格兰医学杂志。2002;346:1937–1947.[公共医学][谷歌学者]
20Singh D、Febbo PG、Ross K、Jackson DG、Manola J、Ladd C、Tamayo P、Renshaw AA、D'Amico AV、Richie JP、Lander ES、Loda M、Kantoff PW、Golub TR、Sellers WR。基因表达与前列腺癌临床行为相关。癌细胞。2002;1:203–209.[公共医学][谷歌学者]
21Sorlie T、Perou CM、Tibshirani R、Aas T、Geisler S、Johnsen H、Hastie T、Eisen MB、van de Rijn M、Jeffrey SS、Thorsen T、Quist H、Matese JC、Brown PO、Botstein D、Eystein Lonning P、Borresen-Dale AL。乳腺癌的基因表达模式区分具有临床意义的肿瘤亚类。美国国家科学院程序。2001;98:10869–10874. [PMC免费文章][公共医学][谷歌学者]
22van t Veer LJ、Dai H、van de Vijver MJ、He YD、Hart AA、Mao M、Peterse HL、van der Kooy K、Marton MJ、Witteveen AT、Schreiber GJ、Kerkhoven RM、Roberts C、Linsley PS、Bernards R、Friend SH。基因表达谱预测乳腺癌的临床结局。自然。2002;415:530–536.[公共医学][谷歌学者]
23Welsh JB、Zarinkar PP、Sapinoso LM、Kern SG、Behling CA、Monk BJ、Lockhart DJ、Burger RA、Hampton GM。正常和肿瘤性卵巢组织样本中的基因表达谱分析确定上皮性卵巢癌的候选分子标记。美国国家科学院程序。2001;98:1176–1181. [PMC免费文章][公共医学][谷歌学者]
24Welsh JB、Sapinoso LM、Su AI、Kern SG、Wang-Rodriquez J、Moskaluk CA、Frierson HF，Jr、Hampton GM。基因表达分析确定前列腺癌的候选标记和药理靶点。癌症研究。2001;61:5974–5978.[公共医学][谷歌学者]
25van de Rijn M、Perou CM、Tibshirani R、Haas P、Kallioniemi O、Kononen J、Torhorst J、Sauter G、Zuber M、Kuchli OR、Mross F、Dieterich H、Seitz R、Ross D、Botstein D、Brown P。细胞角蛋白17和5的表达确定了一组临床预后较差的乳腺癌。美国病理学杂志。2002;161:1991–1996.勘误表：美国病理学杂志2003;163: 377.[PMC免费文章][公共医学][谷歌学者]
26Rubin MA、Zhou M、Dhanasekaran SM、Varambally S、Barrette TR、Sanda MG、Pienta KJ、Ghosh D、Chinnaiyan AM。α-甲酰辅酶A消旋酶作为前列腺癌组织生物标记物。JAMA公司。2002;287:1662–1670.[公共医学][谷歌学者]
27Tanwar MK，Gilbert MR，Holland EC。基因表达微阵列分析显示YKL-40可能是人脑胶质瘤恶性特征的潜在血清标记物。癌症研究。2002;62:4364–4368.[公共医学][谷歌学者]
28Mok SC、Chao J、Skates S、Wong K、Yiu GK、Muto MG、Berkowitz RS、Cramer DW。前列腺素，卵巢癌的潜在血清标记物：通过微阵列技术鉴定。美国国家癌症研究所杂志。2001;93:1458–1464.[公共医学][谷歌学者]
29叶庆华，秦LX，福格斯M，何P，金JW，彭AC，西蒙R，李Y，罗伯斯AI，陈Y，马ZC，吴ZO，叶SL，刘YK，唐ZY，王XW。使用基因表达谱和监督机器学习预测乙型肝炎病毒阳性转移性肝癌。自然医学。2003;9:416–423.[公共医学][谷歌学者]
30Armstrong SA、Kung AL、Mabon ME、Silverman LB、Stam RW、Den Boer ML、Pieters R、Kersey JH、Sallan SE、Fletcher JA、Golub TR、Griffin JD、Korsmeyer SJ。MLL中FLT3的抑制。通过基于基因表达的分类确定的治疗靶点的验证。癌细胞。2003;三:173–183.[公共医学][谷歌学者]
31Brazma A、Hingamp P、Quackenbush J、Sherlock G、Spellman P、Stoeckert C、Aach J、Ansorge W、Ball CA、Causten HC、Gaasterland T、Glennison P、Holstege FC、Kim IF、Markowitz V、Matese JC、Parkinson H、Robinson A、Sarkans U、Schulze Kremer S、Stewart J、Taylor R、Vilo J、Vingron M。关于微阵列实验的最低信息（MIAME）-朝向微阵列数据的标准。自然遗传学。2001;29:365–371.[公共医学][谷歌学者]
32Perou CM。给我看看数据！自然遗传学。2001;29:373.[公共医学][谷歌学者]
33Storey J.错误发现率的直接方法。R统计社会。2002;64:479–498. [谷歌学者]
34Slamon DJ、Leyland-Jones B、Shak S、Fuchs H、Paton V、Bajamonde A、Fleming T、Eiermann W、Wolter J、Pegram M、Baselga J、Norton L。使用化疗和抗HER2单克隆抗体治疗过度表达HER2的转移性乳腺癌。N英格兰医学杂志。2001;344:783–792.[公共医学][谷歌学者]
35Fujimura M、Katsumata N、Tsuda H、Uchi N、Miyazaki H、Hidaka T、Sakai M、Saito S。HER2在卵巢透明细胞腺癌中经常过度表达：使用抗HER2、曲妥珠单克隆抗体的重组单克隆抗体可能是一种新的治疗方式。Jpn J癌症研究。2002;93:1250–1257. [PMC免费文章][公共医学][谷歌学者]
36Zinner RG，Kim J，Herbst RS。用曲妥珠单抗进行的非小细胞肺癌临床试验：其基础和初步结果。肺癌。2002;37:17–27.[公共医学][谷歌学者]
37Ashburner M、Ball CA、Blake JA、Botstein D、Butler H、Cherry JM、Davis AP、Dolinski K、Dwight SS、Eppig JT、Harris MA、Hill DP、Issel-Tarver L、Kasarskis A、Lewis S、Matese JC、Richardson JE、Ringwald M、Rubin GM、Sherlock G.基因本体论：生物学统一的工具。基因本体联盟。自然遗传学。2000;25:25–29. [PMC免费文章][公共医学][谷歌学者]
38陈旭，季志林，陈毅中。TTD：治疗靶点数据库。核酸研究。2002;30:412–415. [PMC免费文章][公共医学][谷歌学者]
39Grubbs CJ、Lubet RA、Koki AT、Leahy KM、Masferrer JL、Steele VE、Kelloff GJ、Hill DL、Seibert K.塞来昔布抑制N个-丁基-N个-（4-羟基丁基）-亚硝胺诱导的雄性B6D2F1小鼠和雌性Fischer-344大鼠膀胱癌。癌症研究。2000;60:5599–5602.[公共医学][谷歌学者]
40Gee J、Sabichi AL、Grossman HB。浅表性膀胱癌的化学预防。Oncol Hematol评论。2002;43:277–286.[公共医学][谷歌学者]
41Konner J，O’Reilly E.胰腺癌：流行病学、遗传学和筛查方法。肿瘤学（亨廷顿）2002;16:1615–1622.（1631-1612；讨论1632-1613，1637-1618）[公共医学][谷歌学者]
42Gleevec被批准用于CML的一线治疗。FDA消费。2003;37:5.[公共医学][谷歌学者]
43普鲁特KD、马格洛特DR.RefSeq和LocusLink:NCBI基因中心资源。核酸研究。2001;29:137–140. [PMC免费文章][公共医学][谷歌学者]
44Navarro JD、Niranjan V、Peri S、Jonnalagadda CK、Pandey A.从生物数据库到生物医学发现平台。生物技术趋势。2003（印刷中）[公共医学][谷歌学者]
45Diehn M、Sherlock G、Binkley G、Jin H、Matese JC、Hernandez-Boussard T、Rees CA、Cherry JM、Botstein D、Brown PO、Alizadeh AA。来源：功能注释、本体和基因表达数据的统一基因组资源。核酸研究。2003;31:219–223. [PMC免费文章][公共医学][谷歌学者]
46Kanehisa M，Goto S.KEGG：《京都基因和基因组百科全书》。核酸研究。2000;28:27–30. [PMC免费文章][公共医学][谷歌学者]
文章来自肿瘤（纽约）由以下人员提供肿瘤出版社