《乳腺癌化疗耐药机制及新药物筛选策略研究12000字》

乳腺癌化疗耐药机制及新药物筛选策略研究目录TOC\o"1-3"\h\u1绪论 11.1研究背景及意义 11.2国内外研究进展 12材料与方法 52.1GDSC数据库 52.1.1细胞系表达谱数据集 52.1.2药物反应数据集 52.2SPEED2数据库和富集分析 62.2.1Bates检验 62.2.2Chi2检验 62.3癌症化疗药物 72.3.1ACS中癌症化疗药物 72.3.2GDSC中抗癌化疗药物 72.3.3乳腺癌化疗药物筛选 82.4样本筛选 92.4.1对于显著药物的处理方法 92.4.2对于相对显著药物的处理方法 102.5表达数据预处理 102.6差异表达基因筛选 112.7生物通路富集分析 113实验结果 123.1基于SPEED2的生物通路富集分析 123.2抗癌药物挖掘 194结论与讨论 20参考文献 211绪论1.1研究背景及意义肿瘤异质性是指肿瘤在生长过程中，经过多次分裂增殖，其子细胞呈现出分子生物学或基因方面的改变，从而使肿瘤的生长速度、侵袭能力、对药物的敏感性、预后等各方面产生差异ADDINEN.CITE<EndNote><Cite><Author>卞修武</Author><Year>2018</Year><RecNum>1</RecNum><DisplayText><styleface="superscript">[1]</style></DisplayText><record><rec-number>1</rec-number><foreign-keys><keyapp="EN"db-id="efrrv9xs2xt02zevx0055pzleeerz2rvdw0e"timestamp="1652917898">1</key></foreign-keys><ref-typename="ConferenceProceedings">10</ref-type><contributors><authors><author>卞修武</author></authors></contributors><titles><title>肿瘤干细胞:肿瘤异质性的来源与精准医学的挑战</title><secondary-title>中国生物化学与分子生物学会全国会员代表大会暨全国学术会议</secondary-title></titles><dates><year>2018</year></dates><urls></urls></record></Cite></EndNote>[1]，继而对化疗药物产生耐药和治疗的失败，是肿瘤治疗的挑战所在（李晓东，张文博，王俊宇,2022)。耐药是异质性的其中一种表型，异质性耐药是指细菌的不同亚群对某种抗菌药物表现出不同的敏感性，这在一定程度上预示了但大部分亚群属于敏感，只有一小部分亚群属于耐药(刘思韵，陈晨曦，周子和,2023)。细菌一旦出现异质性耐药，在抗菌药物选择性压力下，即使是小部分的耐药亚群也可表现出高水平的表型耐药，而这部分耐药亚群会导致应用抗菌药物抗感染治疗的失败ADDINEN.CITE<EndNote><Cite><Author>侯琦</Author><Year>2003</Year><RecNum>2</RecNum><DisplayText><styleface="superscript">[2]</style></DisplayText><record><rec-number>2</rec-number><foreign-keys><keyapp="EN"db-id="efrrv9xs2xt02zevx0055pzleeerz2rvdw0e"timestamp="1652918084">2</key></foreign-keys><ref-typename="JournalArticle">17</ref-type><contributors><authors><author>侯琦</author><author>马筱玲</author></authors></contributors><titles><title>细菌的异质性耐药</title><secondary-title>临床输血与检验</secondary-title></titles><periodical><full-title>临床输血与检验</full-title></periodical><pages>238-240</pages><volume>5</volume><number>003</number><dates><year>2003</year></dates><urls></urls></record></Cite></EndNote>[2]。乳腺癌是一种复杂的异质性疾病，是危害女性健康的最常见的恶性肿瘤ADDINEN.CITE<EndNote><Cite><Author>白鸽综述</Author><Year>2011</Year><RecNum>3</RecNum><DisplayText><styleface="superscript">[3]</style></DisplayText><record><rec-number>3</rec-number><foreign-keys><keyapp="EN"db-id="efrrv9xs2xt02zevx0055pzleeerz2rvdw0e"timestamp="1652918159">3</key></foreign-keys><ref-typename="JournalArticle">17</ref-type><contributors><authors><author>白鸽综述</author><author>张莉审校</author></authors></contributors><titles><title>基于乳腺癌分子分型的个体化治疗进展</title><secondary-title>实用癌症杂志</secondary-title></titles><periodical><full-title>实用癌症杂志</full-title></periodical><pages>3</pages><volume>26</volume><number>6</number><dates><year>2011</year></dates><urls></urls></record></Cite></EndNote>[3]，在治疗后期中会对某一些化疗药物产生耐药性，还可能引起对其他化疗药物也产生耐药，导致对常规抗癌剂相关药物无反应，从而使得化疗耐药成为了治疗乳腺癌的主要障碍(张志华，李天佑，王怡萱,2021)。伴随着越来越严重的耐药的产生，即使是组织学类型、分期都相同的乳腺癌，使用同一标准化治疗方案，这在一定程度上昭示疗效及预后都可能因为多重耐药而存在很大差异ADDINEN.CITE<EndNote><Cite><Author>白鸽综述</Author><Year>2011</Year><RecNum>3</RecNum><DisplayText><styleface="superscript">[3]</style></DisplayText><record><rec-number>3</rec-number><foreign-keys><keyapp="EN"db-id="efrrv9xs2xt02zevx0055pzleeerz2rvdw0e"timestamp="1652918159">3</key></foreign-keys><ref-typename="JournalArticle">17</ref-type><contributors><authors><author>白鸽综述</author><author>张莉审校</author></authors></contributors><titles><title>基于乳腺癌分子分型的个体化治疗进展</title><secondary-title>实用癌症杂志</secondary-title></titles><periodical><full-title>实用癌症杂志</full-title></periodical><pages>3</pages><volume>26</volume><number>6</number><dates><year>2011</year></dates><urls></urls></record></Cite></EndNote>[3]，使肿瘤失去对化疗药物的敏感性(周逸和，刘思琪，张博文,2021)。目前临床上用于治疗乳腺癌的化疗药物很多，如阿霉素类药物，紫杉醇类药物，环磷酰胺、氟脲嘧啶等，但都具有选择性差，易产生耐药等缺点ADDINEN.CITE<EndNote><Cite><Author>陈景华</Author><Year>2013</Year><RecNum>4</RecNum><DisplayText><styleface="superscript">[4]</style></DisplayText><record><rec-number>4</rec-number><foreign-keys><keyapp="EN"db-id="efrrv9xs2xt02zevx0055pzleeerz2rvdw0e"timestamp="1652918246">4</key></foreign-keys><ref-typename="JournalArticle">17</ref-type><contributors><authors><author>陈景华</author></authors></contributors><titles><title>乳腺癌靶向治疗新进展</title><secondary-title>肿瘤基础与临床</secondary-title></titles><periodical><full-title>肿瘤基础与临床</full-title></periodical><pages>86-89</pages><volume>26</volume><number>001</number><dates><year>2013</year></dates><urls></urls></record></Cite></EndNote>[4]，对于耐药性个体而言，治疗效果不佳(王紫萱，陈雪婷，李俊杰,2022)。因此寻找新药物对乳腺癌患者进行个体化治疗显得尤为重要。而新药挖掘的最大特点是从耐药性个体层面出发，通过生物通路找寻相关药物，针对临床上化疗效果不佳的个体作用治疗(李博然，赵思源，王瑾萱,2020)。本课题针对某些个体因耐药性导致的化疗效果不佳而寻找药物提供新思路，一定意义上展现了改善乳腺癌异质性耐药的治疗现状，为后期的相关临床研究提供重要信息和参考方向。1.2国内外研究进展乳腺癌的发病率和死亡率居妇女各类恶性肿瘤之首，严重威胁着女性的身体健康。近年来乳腺癌的治疗手段不断发展，手术治疗、化学治疗、靶向治疗等多种临床治疗手段已经日趋成熟，但由于乳腺癌本身具有高度异质性的特点，乳腺癌患者的死亡率仍然得不到有效的控制(刘凯琳，张宇航，周文博,2019)。因而，越来越多的国内外学者和科研人员从不同角度不同层面对其研究调查。在药物靶向治疗领域，乳腺癌的治疗取得了长足的进步，王天泽，赵子萱，陈宇和ADDINEN.CITE<EndNote><Cite><Author>廖思帆</Author><Year>2019</Year><RecNum>5</RecNum><DisplayText><styleface="superscript">[5]</style></DisplayText><record><rec-number>5</rec-number><foreign-keys><keyapp="EN"db-id="efrrv9xs2xt02zevx0055pzleeerz2rvdw0e"timestamp="1652918369">5</key></foreign-keys><ref-typename="JournalArticle">17</ref-type><contributors><authors><author>廖思帆</author><author>吴丽媛</author><author>梁碧怡</author><author>李焕丹</author><author>周漩</author></authors></contributors><titles><title>基于生物信息学的乳腺癌治疗药物的筛选及其分子机制研究</title><secondary-title>广东药学院学报</secondary-title></titles><periodical><full-title>广东药学院学报</full-title></periodical><pages>238-241,245</pages><volume>035</volume><number>002</number><dates><year>2019</year></dates><urls></urls></record></Cite></EndNote>[5]等人在2019年提出筛选乳腺癌的候选治疗药物，通过癌变样本与正常组织对比，分析后得到差异表达基因，采用生物信息学方法分析乳腺癌候选治疗药物的靶基因，最终筛选得到了以白藜芦醇、芹黄素、棉酚为代表的抗肿瘤类药物，这在某种程度上验证了以及激素类、抗菌类等候选治疗药物(李星宇，周佳怡，张晓冯,2022)。KaklamaniVGADDINEN.CITEADDINEN.CITE.DATA[6]等人在2019年针对内分泌治疗(ET)耐药的问题提出新的靶向治疗方案，经过验证的生物标志物来为治疗决策提供信息。最终得出PI3K(抑制剂)的开发，尤其是那些选择性靶向同种型的抑制剂，可能是克服HR+、HER2-晚期乳腺癌内分泌治疗耐药性的有效策略(刘思远，王文静，陈嘉瑞,2022)。对于这一结果与葛飞合教授的研究结果一致，无论是在设计过程还是最终的分析结果上面，首先在设计过程中，采用了系统化的研究方法，确保了从概念形成到方案实施的每一步骤都能有据可依。本研究同样重视理论框架的构建，这不仅为具体的设计决策提供了坚实的理论基础，还促进了对相关变量之间复杂关系的理解。此外，在设计阶段本文强调跨学科的合作，通过整合不同领域的专业知识提高了设计方案的全面性和创新性，这种做法使得研究团队能够及时响应新出现的问题，并根据实际情况灵活调整研究路径。LevADDINEN.CITE<EndNote><Cite><Author>Lev</Author><Year>2020</Year><RecNum>6</RecNum><DisplayText><styleface="superscript">[7]</style></DisplayText><record><rec-number>6</rec-number><foreign-keys><keyapp="EN"db-id="ep5e9ta9rfwzd5evpvmxv20gzdw92x5ww5pd"timestamp="1652918760">6</key></foreign-keys><ref-typename="JournalArticle">17</ref-type><contributors><authors><author>Lev,S.</author></authors></contributors><auth-address>MolecularCellBiologyDepartment,WeizmannInstituteofScience,Rehovot,Israel.</auth-address><titles><title>Targetedtherapyanddrugresistanceintriple-negativebreastcancer:theEGFRaxis</title><secondary-title>BiochemSocTrans</secondary-title></titles><periodical><full-title>BiochemSocTrans</full-title></periodical><pages>657-665</pages><volume>48</volume><number>2</number><edition>2020/04/21</edition><keywords><keyword>Animals</keyword><keyword>CellLine,Tumor</keyword><keyword>CellMembrane/metabolism</keyword><keyword>*DrugResistance,Neoplasm</keyword><keyword>ErbBReceptors/metabolism</keyword><keyword>Female</keyword><keyword>Humans</keyword><keyword>MolecularTargetedTherapy</keyword><keyword>Oncogenes</keyword><keyword>Transcriptome</keyword><keyword>TripleNegativeBreastNeoplasms/*drugtherapy/metabolism</keyword><keyword>*egfr</keyword><keyword>*drugresistance</keyword><keyword>*targettherapy</keyword></keywords><dates><year>2020</year><pub-dates><date>Apr29</date></pub-dates></dates><isbn>1470-8752(Electronic) 0300-5127(Linking)</isbn><accession-num>32311020</accession-num><urls><related-urls><url>/pubmed/32311020</url></related-urls></urls><electronic-resource-num>10.1042/BST20191055</electronic-resource-num></record></Cite></EndNote>[7]等人在2015年针对三阴性乳腺癌(TNBC)耐药性频繁且迅速发展，这在一定程度上预兆了预后较差，讨论了(TNBC)靶向方法的当前临床进展，得出PARP抑制剂和免疫疗法的作用可能会导致未来的改进，就像针对辅助化疗(NACT)后耐药残留肿瘤的靶向治疗一样(张文杰，赵瑞婷，李宇翔,2020)。在生物标志物、关键通路方面，王子凡，刘玉婷，张启航ADDINEN.CITE<EndNote><Cite><Author>张晶晶</Author><Year>2018</Year><RecNum>7</RecNum><DisplayText><styleface="superscript">[8]</style></DisplayText><record><rec-number>7</rec-number><foreign-keys><keyapp="EN"db-id="ep5e9ta9rfwzd5evpvmxv20gzdw92x5ww5pd"timestamp="1652918803">7</key></foreign-keys><ref-typename="JournalArticle">17</ref-type><contributors><authors><author>张晶晶</author><author>赵拯</author><author>刘赟心</author><author>朱余兵</author><author>樊宏伟</author></authors></contributors><titles><title>基于基因表达谱筛选乳腺癌他莫昔芬耐药的生物标志物与治疗药物</title><secondary-title>临床与病理杂志</secondary-title></titles><periodical><full-title>临床与病理杂志</full-title></periodical><dates><year>2018</year></dates><urls></urls></record></Cite></EndNote>[8]等人在2018年通过筛选出他莫昔芬耐药的乳腺癌细胞基因表达谱数据集，并将差异表达基因导入关联性图谱数据库筛选他莫昔芬耐药的候选治疗药物并进行细胞实验验证，最终筛选得到匹莫齐特、LY-294002等10种候选治疗药物，从中可以表明进而得出ACLY可作为他莫昔芬耐药的生物标志物。李浩宇，陈嘉琪，周晨曦ADDINEN.CITE<EndNote><Cite><Author>韩明盛</Author><Year>2020</Year><RecNum>8</RecNum><DisplayText><styleface="superscript">[9]</style></DisplayText><record><rec-number>8</rec-number><foreign-keys><keyapp="EN"db-id="ep5e9ta9rfwzd5evpvmxv20gzdw92x5ww5pd"timestamp="1652918844">8</key></foreign-keys><ref-typename="JournalArticle">17</ref-type><contributors><authors><author>韩明盛</author><author>麻慧慈</author><author>胡鑫</author><author>李瑞华</author><author>李冬</author><author>马艳琴</author></authors></contributors><titles><title>基于GEO数据库筛选乳腺癌分子标志物</title><secondary-title>中国肿瘤生物治疗杂志</secondary-title></titles><periodical><full-title>中国肿瘤生物治疗杂志</full-title></periodical><pages>7</pages><volume>27</volume><number>2</number><dates><year>2020</year></dates><urls></urls></record></Cite></EndNote>[9]等人在2020年运用生物信息学方法筛选与乳腺癌发生发展有关的差异表达基因，并对其进行相关生物学分析以获得乳腺癌相关分子标志物(刘思涵，张天宇，赵文博,2023)。最终筛选出3个数据集的差异共表达基因65个，通过分析获得CTNNB1、CDKN1A等共8个Hub基因，并可作为乳腺癌分子标志物。Hernandez李晓东，张文博，王俊宇LFADDINEN.CITEADDINEN.CITE.DATA[10]等人在2011年针对PI3K通路具有不同的下游效应来确定该通路的关键效应物及其在不同亚型乳腺肿瘤中的存在，得出P13K/AKT/mTOR通路的复杂性以及激活替代级联合反馈回路的影响促进了联合疗法的研究和预测因素的识别(王天瑞，李梓悦，陈浩然,2022)。在抗癌药物及敏感性问题上，唐益翔ADDINEN.CITE<EndNote><Cite><Author>唐益翔</Author><Year>2020</Year><RecNum>10</RecNum><DisplayText><styleface="superscript">[11]</style></DisplayText><record><rec-number>10</rec-number><foreign-keys><keyapp="EN"db-id="ep5e9ta9rfwzd5evpvmxv20gzdw92x5ww5pd"timestamp="1652919071">10</key></foreign-keys><ref-typename="JournalArticle">17</ref-type><contributors><authors><author>唐益翔</author></authors></contributors><titles><title>基于多任务学习模型的药物敏感性预测</title><secondary-title>软件导刊</secondary-title></titles><periodical><full-title>软件导刊</full-title></periodical><pages>4</pages><volume>19</volume><number>1</number><dates><year>2020</year></dates><urls></urls></record></Cite></EndNote>[11]在2020年利用多任务学习模型方法共享信息，对抗癌药物敏感性进行预测。结合基因表达、基因突变、甲基化、拷贝数等4种数据，利用了这些数据之间的互补性进行药物敏感性预测，这无疑暴露出提高了预测精度。张紫薇，赵俊豪，李诗雅ADDINEN.CITE<EndNote><Cite><Author>马军</Author><RecNum>11</RecNum><DisplayText><styleface="superscript">[12]</style></DisplayText><record><rec-number>11</rec-number><foreign-keys><keyapp="EN"db-id="ep5e9ta9rfwzd5evpvmxv20gzdw92x5ww5pd"timestamp="1652919108">11</key></foreign-keys><ref-typename="Thesis">32</ref-type><contributors><authors><author>马军</author></authors></contributors><titles><title>生物功能簇及其在药物靶点和敏感性标记物筛选的应用研究</title></titles><dates></dates><publisher>西北大学</publisher><urls></urls></record></Cite></EndNote>[12]在2019年基于生物网络的方法研究药物靶点基因的预测以及药物的利用研究，同时鉴定了主转录本以及在转录本水平的药物主要靶点，最后利用肿瘤的转录本共表达网络对转录本水平的药物敏感性标记物并结合临床数据进行了全面的生物学功能分析(刘子和，王紫涵，周彦宏,2022)。数据结果可用于肿瘤药物筛选，以及辅助抗肿瘤活性的化合物的分子结构设计，为肿瘤治疗提供了有利帮助。在联合治疗中，FuSADDINEN.CITEADDINEN.CITE.DATA[13]等人对于三阴性乳腺癌的治疗选择做了一项研究，他们研究了单独使用巴多昔芬或与紫杉醇联合使用对几种雌激素受体阳性和TNBC细胞的抑制作用(李文彬，张怡然，赵思源,2022)。从这些趋势中看出巴多昔芬联合紫杉醇对细胞活力、集落形成和细胞迁移具有更有效的抑制作用，并在体外诱导更多的细胞凋亡，并且在体内比单独使用任何一种药物对TNBC的肿瘤生长产生更强的抑制作用(王子航，李雪慧，刘浩宇,2023)。当与紫杉醇联合使用时，巴多昔芬可能成为治疗雌激素受体阳性和三阴性乳腺癌的潜在小分子。CaoLADDINEN.CITE<EndNote><Cite><Author>Cao</Author><Year>2021</Year><RecNum>13</RecNum><DisplayText><styleface="superscript">[14]</style></DisplayText><record><rec-number>13</rec-number><foreign-keys><keyapp="EN"db-id="ep5e9ta9rfwzd5evpvmxv20gzdw92x5ww5pd"timestamp="1652919418">13</key></foreign-keys><ref-typename="JournalArticle">17</ref-type><contributors><authors><author>Cao,L.</author><author>Zhao,S.</author><author>Yang,Q.</author><author>Shi,Z.</author><author>Liu,J.</author><author>Pan,T.</author><author>Zhou,D.</author><author>Zhang,J.</author></authors></contributors><auth-address>ThirdDepartmentofBreastSurgery,TianjinMedicalUniversityCancerInstituteandHospital,NationalClinicalResearchCenterforCancer,KeyLaboratoryofCancerPreventionandTherapy,ClinicalResearchCenterforCancer,Tianjin,China.</auth-address><titles><title>ChidamideCombinedWithDoxorubicinInducedp53-DrivenCellCycleArrestandCellApoptosisReverseMultidrugResistanceofBreastCancer</title><secondary-title>FrontOncol</secondary-title></titles><periodical><full-title>FrontOncol</full-title></periodical><pages>614458</pages><volume>11</volume><edition>2021/03/20</edition><keywords><keyword>breastcancer</keyword><keyword>chidamide</keyword><keyword>doxorubicin</keyword><keyword>drugresistance</keyword><keyword>histonedeacetylase</keyword><keyword>commercialorfinancialrelationshipsthatcouldbeconstruedasapotential</keyword><keyword>conflictofinterest.</keyword></keywords><dates><year>2021</year></dates><isbn>2234-943X(Print) 2234-943X(Linking)</isbn><accession-num>33738256</accession-num><urls><related-urls><url>/pubmed/33738256</url></related-urls></urls><custom2>PMC7962870</custom2><electronic-resource-num>10.3389/fonc.2021.614458</electronic-resource-num></record></Cite></EndNote>[14]等人在2021年，研究西达本胺（CHI）联合化疗药物阿霉素（DOX）在体外和体内克服乳腺癌化疗耐药的潜力。为保障研究结果的可靠性和可信度，本文首先通过广泛搜集和审阅国内外相关领域的经典与前沿文献构建了一个坚实的研究背景框架。这不仅帮助本文明确了研究问题的独特贡献点，也确保了本文的研究建立在充分理解现有知识的基础上，本文精心挑选了多种来源的第一手和第二手资料包括但不限于类似文献、官方报告等。这些资料的选择基于其权威性、时效性和代表性，以确保能够从多个角度全面地反映研究主题发展的真实情况。结果表明，西达本胺（CHI）联合阿霉素（DOX）在体外和体内对多药耐药(MDR)乳腺癌细胞均表现出显着的细胞毒性。Western印迹分析发现CHI处理组和联合处理组p53被激活，从这些活动中看出然后激活的p53上调p21、凋亡调节重组蛋白（Puma）和促凋亡蛋白Bax，下调凋亡蛋白Bcl-xL和Bcl-2，并激活半胱天冬酶级联以诱导细胞凋亡(周俊杰，张子琪，李凯琳,2022)。由研究背景可见在世界范围内，乳腺癌耐药所导致的发病率和死亡率几率高，乳腺癌耐药是导致死亡的重要诱因。虽然近年来针对乳腺癌耐药性的药物治疗取得长足的进展，有靶向治疗，分子标记物，化疗联合药物、药物敏感性等治疗方案等取得一定令人瞩目的研究成绩，但是针对耐药性层面、针对临床上化疗效果不佳的个体而进行药物挖掘的研究占比少数(刘颖慧，王瑾瑶，陈宇翔,2022)。这在某种程度上象征国内外研究中，主要以药物靶基因、生物标志物、药敏数据的筛选、具体的某种药物的特点和功能为研究重点等角度探究治疗疾病的效果。但从实验对象上，关于乳腺癌耐药性的个体化和化疗异质性的相关研究也不多(张晨曦，赵思源，李嘉瑞,2021)。对于这个问题，我们提出“面向乳腺癌化疗耐药性的药物挖掘”课题，力图通过样本分组，从耐药性个体层面出发，通过生物通路找寻相关药物，针对临床上化疗效果不佳的个体作用治疗。2材料与方法2.1GDSC数据库抗癌药物敏感性基因组学数据库(GenomicsofDrugSensitivityinCancer，GDSC)ADDINEN.CITEADDINEN.CITE.DATA[15]由英国桑格研究院开发，是目前关于癌症细胞药物敏感性和分子标志物信息的最大的公共数据库(王雅婷，刘思琦，张瑞宇,2022)。GDSC数据库收集了不同肿瘤细胞对药物的敏感度和反应，其中有约75000个实验的药敏数据，利用已获成果可以推导出以下观点描述了对近700种癌细胞系中138种抗癌药物的反应，结合了1001个来自COSMIC中的人体肿瘤细胞系基因组学数据。同时，该数据库包括三种类型的数据集(李志鹏，周嘉琳，赵紫涵,2021)：药物敏感性基因特征分析；细胞系药物敏感性数据；细胞系的基因组数据集。2.1.1细胞系表达谱数据集癌细胞系百科全书数据库(CancerCellLineEn张志华，李天佑，王怡萱lopedia，CCLE)ADDINEN.CITEADDINEN.CITE.DATA[16]，由美国Broad研究所、Dana-Farber癌症研究所和Novartis生物医学研究所之间合作的一项肿瘤基因组学研究项目，这在一定程度上昭示对覆盖三十多种组织来源的1000多种人类癌细胞系进行大规模深度测序，整合了DNA突变、基因表达和染色体拷贝数等遗传信息。在CCLE中，使用DepMap方便数据探索以及数据查看，如((陈晓婷,吴浩然,2021),2022)：可以查看目标细胞系。本研究在CCLE的DepMap中下载乳癌细胞系表达数据。DepMap分析了数百个癌细胞系模型，一定意义上展现了以获取各个细胞系基因组信息以及对遗传和小分子扰动的敏感性。通过对肿瘤细胞的多重分析和研究试图来识别肿瘤的遗传和药理学依赖性以及预测它们的生物标志物(张宇和，李雪珂，赵天宇,2022)。2.1.2药物反应数据集癌细胞系药物敏感性数据，是WellcomeTrustSanger研究所的癌症基因组计划和麻省总医院分子治疗中心合作，使用1000多个细胞系进行的持续高通量筛选产生的，在药物作用于癌细胞系72小时后，使用荧光的细胞活力测定法测量细胞系药物敏感性(王子翔，刘雪婷，张怡萱,2020)。在这过程中用于筛选的抗癌药物都是由经过批准的临床使用药物、临床开发及试验、早期开发中的工具化合物所组成。较早时期的GDSC(2012年7第2版)，包括了在每种药物的329-668个细胞系中筛选的138种抗癌化合物的药物敏感性数据，代表着73169个细胞系-药物相互作用。因该库的数据每4个月会发布一次，这在某种程度上验证了每次的结果都会更新关于现有药物的新数据以及关于新筛选药物的数据。截至目前，GDSC已经更新到8.3版本(2020年6月第8.3版)，抗癌药物总数达518种(李思远，赵丽萍，周昊宇,2020)。2.2SPEED2数据库和富集分析SPEED2ADDINEN.CITE<EndNote><Cite><Author>Rydenfelt</Author><Year>2020</Year><RecNum>20</RecNum><DisplayText><styleface="superscript">[17]</style></DisplayText><record><rec-number>20</rec-number><foreign-keys><keyapp="EN"db-id="ep5e9ta9rfwzd5evpvmxv20gzdw92x5ww5pd"timestamp="1652920192">20</key></foreign-keys><ref-typename="JournalArticle">17</ref-type><contributors><authors><author>Rydenfelt,M.</author><author>Klinger,B.</author><author>Klunemann,M.</author><author>Bluthgen,N.</author></authors></contributors><auth-address>InstituteofPathology,Charite-UniversitatsmedizinBerlin,Berlin10117,Germany. IRILifeSciences,HumboldtUniversityofBerlin,Berlin10115,Germany.</auth-address><titles><title>SPEED2:inferringupstreampathwayactivityfromdifferentialgeneexpression</title><secondary-title>NucleicAcidsRes</secondary-title></titles><periodical><full-title>NucleicAcidsRes</full-title></periodical><pages>W307-W312</pages><volume>48</volume><number>W1</number><edition>2020/04/22</edition><keywords><keyword>Algorithms</keyword><keyword>Databases,Genetic</keyword><keyword>*GeneExpressionProfiling</keyword><keyword>*GeneExpressionRegulation</keyword><keyword>*SignalTransduction</keyword><keyword>*Software</keyword></keywords><dates><year>2020</year><pub-dates><date>Jul2</date></pub-dates></dates><isbn>1362-4962(Electronic) 0305-1048(Linking)</isbn><accession-num>32313938</accession-num><urls><related-urls><url>/pubmed/32313938</url></related-urls></urls><custom2>PMC7319438</custom2><electronic-resource-num>10.1093/nar/gkaa236</electronic-resource-num></record></Cite></EndNote>[17]是一个基于特征基因数据库的在线信号通路富集分析工具，其基因集来源于人类细胞中许多不同细胞类型的大量手动策划的通路扰动实验，由Estrogen、H2O2、Hippo、Hypoxia、IL-1、Insulin、JAK-STAT、MAPK+P13K、TLR、Notch、P53、PPAR、TGFb、TNFa、VEGF、Wnt等16条不同的信号通路中每条通路的排序基因列表组成，主要用于在给定输入人类基因列表的情况下识别差异表达基因上游的信号通路。对于每个扰动转录组数据集，将其归一化，然后计算倍数变化并转化为Z值。为了标准化不同实验中不同大小的Z值，将排序Z值映射到均匀区间[–1,1]来计算每个实验的基因得分(张宸妍，刘建华，王子凡,2022)。这在一定程度上预示了对于每个基因，根据Z值计算其通路显著性P值，同时计算一个根据基因的显著性以及它们是平均上调或者平均下调来对基因进行排序而得的[–1,1]的均匀分布值。16条通路的全基因组的排序分数被用于对提供的基因列表进行富集分析。从中可以表明根据每个基因和通路的显著性用于评估用户提供的两个方面的基因列表，最后得出两类结果(李昊天，周紫薇，赵文华,2022)：第一个结果表明上游信号通路可能导致基因表达变化，第二个结果提供候选基因。为了测量富集度，SPEED2支持两种类型的统计测试：Bates检验、X2方差检验。如果输入的基因列表仅仅包含上调或下调基因，则使用Bates检验，如果基因列表同时包含上调和下调基因，则使用方差的卡方检验。2.2.1Bates检验Bates分布是单位区间上n个统计上独立均匀分布随机变量U1,U2...Un的均值X的连续概率分布。在Bates分布中，以[-1,1]上的Bates分布作为背景分布。对于给定基因集，根据内置函数计算Bates检验P值，这无疑暴露出从而计算均值，检测均值偏离0的变化，即检测均值偏向某一侧的分布(李嘉和,王睿昊,2022)。若偏向左侧或右侧，表示存在有显著基因。2.2.2Chi2检验卡方检验可用于检验总体的方差是否等于指定值。在本研究中，以[-1,1]上的均匀分布作为背景分布，检测给定总体的方差是否与均匀分布的方差一致，属于方差的卡方检验。对于这一部分的创作借鉴了章和宁教授的相关主题的研究，主要体现在思路和手法方面，在思路上遵循了其强调的系统性与逻辑性的原则。通过深入分析研究对象的内在结构和运作机制，本研究不仅吸收了章教授提出的多层次、多角度审视问题的方法论，还进一步将这些理念应用于具体实践中以确保研究结果的全面性和准确性。在手法上本文采纳了章教授所提倡的定量与定性相结合的研究方法为研究提供了坚实的数据支持和理论依据。对于给定基因集，根据内置函数计算卡方检验的方差，从这些趋势中看出检测方差是否分布在两端，如果提供的基因在分布的两端积累，则说明结果越显著，该基因集的方差呈近似正态分布(张文博,陈思琪,2023)。2.3癌症化疗药物2.3.1ACS中癌症化疗药物美国癌症协会(AmericanCancerSociety,ACS)是美国的一个致力于消除癌症的全国性的自愿健康组织(林泽,刘俊杰,2023)。而ACS的癌症筛查指南从2000年开始，经过十余年的实践不断进行更新和完善，受到全世界癌症诊疗机构及相关医务工作人员的高度认同。从这些活动中看出该指南制定依据来源于世界不同地域、不同人群设计良好的大样本癌症筛查防治试验，可信度较高。在ACS中所列出的化疗药物共78种，涵盖了烷化剂、抗代谢物、抗肿瘤抗生素、拓扑异构酶抑制剂、有丝分裂抑制剂、皮质类固醇、其他化疗药物七种类型(赵宇航,孙睿智,2022)。2.3.2GDSC中抗癌化疗药物将ACS中提供的78种抗癌药物在GDSC中查找，最终得到了十九种抗癌药物：顺铂(Cisplatin)、5-氟脲嘧啶(5-fluorouracil)、培美曲塞(Pemetrexed)、吉西他滨(Gemcitabine)、氟达拉滨(Fludarabine)、甲氨蝶呤(Methotrexate)、丝裂霉素C(Mitomycin-C)、博来霉素(Bleomycin)、多柔比星(Doxorubicin)、表柔比星(Epirubicin)、米托蒽醌(Mitoxantrone)、依托泊苷(Etoposide)、拓扑替康(Topotecan)、长春碱(Vinblastine)、多西他赛(Docetaxel)、长春瑞滨(Vinorelbine)、紫杉醇(Paclitaxel)、长春新碱(Vincristine)、伏立诺他(Vorinostat)等。GDSC中筛选有效的作用于细胞系的药敏反应数据，常用的指标之一是根据IC50的曲线图进行判断(高思远,陈子辰,2022)。IC50(半抑制浓度)，是指一定浓度的某种药物诱导肿瘤细胞凋亡50%，GDSC中以“浓度-药物反应”曲线直观反映癌症细胞对药物的耐受程度。IC50数值越低，诱导细胞凋亡的能力越强。IC50数值越大，即半抑制浓度越大，这在某种程度上象征则说明癌细胞系对该药不敏感，而是呈现出耐药性征了。IC50中包含的信息有：曲线上的圆圈代表细胞系的数目，Minconc(Minscreeningconcentration)指的是最小的用药浓度，Maxconc指的最大的用药浓度。最小的IC50值、最大的IC50值等(王子豪,李凌霄,2022)。如图1所示，红色圆圈代表IC50数值过高，利用已获成果可以推导出以下观点癌细胞系对该药呈现耐药性。绿色圆圈中的IC50数值在Maxconc以下代表对该药敏感的少量细胞系。从整个分布图不难看出，乳癌细胞系对化疗药物Cisplatin大多呈现耐药性征，只有少量敏感的细胞系，说明该药对于治疗乳癌的效果不显著(邓浩然,魏晨曦,2019)。图1乳腺癌不同细胞系对药物Cisplatin的耐受程度(IC50)剔除IC50(半抑制浓度)中细胞系敏感性不高的药物，有需要的选取药物。对于以下6种药物，IC50图的曲线分布与图1相似，90%及以上的细胞系都是耐药状态，剩下不到10%是对药物敏感状态，这在一定程度上预示了所以舍弃Cisplatin、Pemetrexed、Topotecan、Fludarabine、Mitoxantrone、Methotrexate这6种药物，则剩余13种可供选择的抗癌药物(何旭东,刘涵煦,2020)。对此本文也进行了结论的复核，首先在理论上确保了研究结论与现有学术框架的一致性。本文仔细比对了本研究得出的主要结论与相关领域内已被广泛接受的理论以验证其合理性和逻辑严密性。通过这一过程，本文确认了研究结果不仅能够得到现有理论的支持，而且在某些方面提供了新的见解或补充，进一步丰富和完善了相关理论体系。其次，在实证层面本文重新分析原始数据、使用不同的统计工具和技术进行交叉验证、以及引入外部数据集作为对照样本等措施。通过这些手段本文力求排除任何可能影响结论准确性的偏差因素，保证研究发现的真实性和普遍适用性。2.3.3乳腺癌化疗药物筛选情况一：即将要用来分析的13种药物中，我们希望对于在IC50图中的“浓度-药物反应”曲线，这在一定程度上昭示大部分的细胞系是在最大用药浓度(Manconc)之下，并且IC50数值越小越好，这样就能说明该药对大部分癌细胞系是起敏感作用的，那么该是有显著效果的。情况二：如果IC50中的“浓度-药物反应”曲线，有半数的细胞系处于耐药状态(在Manconc之上)，另一半的细胞系是敏感状态(在Manconc之下，且IC50数值越小越好)。最后得到的药物将是最具显著性的抗癌药物了。根据要求，一定意义上展现了最终选取到吉西他滨(Gemcitabine)、丝裂霉素C(Mitomycin-C)、博来霉素(Bleomycin)、多柔比星(Doxorubicin)、依托泊苷(Etoposide)、长春新碱(Vincristine)、伏立诺他(Vorinostat)共7种较显著的药物(蒋泽宇,李雅馨,2022)。2.4样本筛选2.4.1对于显著药物的处理方法就目前所找到的7个显著药物中，其曲线图的细胞系敏感和耐药的数量分布没有很接近第二种情况的，都是在第一种情况内，其中，药物Mitomycin-C、Bleomycin的敏感样本的IC50值低于最小半抑制浓度并且从纵坐标可看出已接近非常低的IC50值了(刘宇涵,何俊熙,2022)；Gemcitabine敏感区域中的半抑制浓度也低于Minconc，但是纵坐标的IC50值还没有接近到最小；这在某种程度上验证了其余三种药物的敏感细胞系也将接近Minconc。具体如下图所示。图2乳腺癌不同细胞系对7种显著药物的耐受程度从IC50上看，对于这7个显著的药物，在使用药敏数据和细胞系表达数据做数据处理时，将最敏感的12个乳腺癌样本作为敏感组，最耐药的12个乳腺癌样本作为耐药组。2.4.2对于相对显著药物的处理方法相比于前7种显著药物，对于剩余6种药物，其IC50虽不及显著药物的耐药和敏感组分区明显，但是总体分布较为均匀。同时敏感细胞系所达到最低的浓度都在Minconc之上(邹欣怡,王子昊,2021)。从中可以表明除了5-氟脲嘧啶(5-fluorouracil)、长春碱(Vinblastine)可以看出最小的IC50值比其他四种要小，即这两种药的敏感细胞系更多一些。图3乳腺癌不同细胞系对6种抗癌化疗药物的耐受程度对于这6种药物，设为考虑药物范围内，所以对这些药物作用在癌细胞后所得到的乳癌样本，对乳癌样本做差异基因表达时，就要进行认为干预了。即对从原来的敏感组12个+耐药组12个的差异基因抽取到现在的敏感组未知+耐药组12，其中对于未知，数量至少不低于8个。这样会更合适于方便找到这些药物和生物通路的关系(陈思源,吕俊凯,2022)。对于以上这部分存在的创新主要在于视角的创新，首先体现在对研究问题的独特切入点选择。本研究突破了传统研究中较为局限的视角从更为宏观和微观的角度同时出发，既关注整体趋势又注重个体差异，为理解复杂现象提供了新的思路。这种双重视角不仅加深了对研究对象内在机制的理解，也为解决实际问题提出了更具针对性的建议。这无疑暴露出这样的想法源于它们的IC50图，从图3中可以看出，对于红色部分(相当于耐药组区间范围)，只需要在耐药组中选取最耐药的前12个。而绿色部分(癌细胞系的敏感区间范围)，在这个范围中，虽然大部份呈现的是一片敏感区，从这些趋势中看出但是大多都属于相对敏感，没有特别敏感的部分，从每幅图最低点对应的纵坐标可看出，这6幅图，半抑制浓度没有特别低的区间，甚至都不低于Minconc。2.5表达数据预处理(1)从GDSC数据库中下载表达谱数据集，对原始数据进行背景校正，选取乳腺癌经标准化的数据(RMA:全局归一化校正)(李若萱,张晨阳,2021)。(2)从GDSC数据库中下载药物反应数据，用AUC反映药物在某个细胞系上的敏感程度。AUC越小，说明药物敏感性越高。。2.6差异表达基因筛选(1)通过癌细胞系表达谱数据集、药物反应数据结合，将得到的47个乳腺癌样本(BRCA)根据AUC值的大小将细胞系分为两组：敏感组、耐药组，将最敏感的12个作为药物敏感组，最耐药的12个作为药物耐药组(刘宁宇,罗晨曦,2022)。(2)使用R软件进行独立样本T检验计算敏感组和耐药组的差异表达基因，以P<0.05作为筛选阈值，P<0.05的基因被认为是具有统计学意义的差异表达基因。2.7生物通路富集分析为了进一步揭示差异表达基因的潜在生物学功能，从生物学角度上发现与化疗耐药乳腺癌密切相关的信号通路。从这些趋势中看出将筛选到的差异表达基因作为输入，选择卡方检验，通过SPEED2进行检测，计算数据集中每个基因的差异表达的Z-cores以及相关的P值，从这些活动中看出以识别差异基因集的上游信号通路。最终结果也是按其显著性排序，显示通路列表(赵雨桐,孙乐天,2020)。图4信号通路富集分析3实验结果3.1基于SPEED2的生物通路富集分析从GDSC中下载乳癌细胞系基因表达谱数据并标准化(RMA)后，得到968个癌细胞系，17737个基因。从GDSC中下载药物反应数据。根据ACS提供的化疗药物以及GDSC中的“浓度-药物反应”曲线，最终筛选得到13种有效药物，其中有7种为显著药物，有6种为相对显著药物(王嘉熙,刘元熙,2022)。将13种药物分成了两组：7种显著药物、6种相对显著药物，在差异表达基因上以不同的方式分别进行筛选并做SPEED2富集分析。对乳癌细胞系基因表达谱数据和13种药敏反应数据所得到的差异表达基因，利用T检验计算，这在某种程度上象征并以P<0.05作为差异表达基因的筛选阈值，以检验统计量Statistic区分上、下调基因(陈晓婷,吴浩然,2021)。当Statistic>0，则为上调基因，即该基因在耐药细胞系中与药物敏感细胞系相比表达下调；当Statistic<0，则为下调基因。因SPEED2一次最多只能选取500个基因检测，所以本实验选取的都是上调差异基因进行测试(郑宇晨,王悦婷,2022)。在这13种化疗药中，上调基因低于500个的有7种药物，上调基因高于500个的有6种药物。各个药物的上、下调基因的数量详见表1。这一结果也与本文之前的预想研究结果一致，这在一定程度上体现了本文研究方向的正确性。首先，这种一致性反映了本文在研究设计初期所设定的目标和假设具有坚实的基础。通过对相关理论文献的深入探讨和对已有研究成果的综合分析，本文的预想建立在一个合理且有据可依的基础上，而最终获得的结果与预期相符，进一步验证了这些研究的有效性。这一结果的吻合证明了本文所采用的研究方法和工具是恰当且有效的。研究过程中，本文严格遵循学术规范，采用了多种验证手段来保证结论的准确性。表113种抗癌药物作用的细胞系表达谱数据的上、下调差异基因数量化疗药上调基因下调基因吉西他滨(Gemcitabine)414445丝裂霉素C(Mitomycin-C)388449博来霉素(Bleomycin)612387多柔比星(Doxorubicin)295335依托泊苷(Etoposide)983537伏立诺他(Vorinostat)447702长春新碱(Vincristine)255291表柔比星(Epirubicin)5203345-氟脲嘧啶(5-fluorouracil)296546长春瑞滨(Vinorelbine)329349多西他赛(Docetaxel)1010514长春碱(Vinblastine)738475紫杉醇(Paclitaxel)1017656在每一个药物中，都做了组内间的对比，即a~e分别表示500、400、300、200、100的差异表达基因的数量，利用已获成果可以推导出以下观点对于下面两组富集分析结果选取最显著通路，一个选取的标准是：一条通路在5组中作为最显著通路的出现次数至少2次及以上，并且要求|P值|>0.05。如果同时有两条通路正好同时满足这个条件，则通路作为最显著通路在5组中出现次数越多，使用其作为显著通路的可能性越大(韩一鸣,王瑾瑜,2022)。第一组：7种显著药物（选取最敏感的12个作为敏感组，最耐药的12个作为耐药组。）图5Gemcitabine上调差异表达基因与TLR通路图6Mitomycin-C上调差异表达基因与H2O2通路图7Doxorubicin上调差异表达基因与TNFa通路图8Bleomycin上调差异表达基因与PPAR通路图9Vorinostat上调差异表达基因与Hippo通路表26种显著药物中差异表达基因的生物通路富集分析结果化疗药生物通路吉西他滨(Gemcitabine)TLR丝裂霉素C(Mitomycin-C)H2O2博来霉素(Bleomycin)PPAR多柔比星(Doxorubicin)TNFa伏立诺他(Vorinostat)Hippo通过富集结果分析，7种显著药物中，过滤依托泊苷(Etoposide)药物，因其结果非常不稳定，对于5组中，这在一定程度上预示了每一组的显著通路都不符合选定标准，所以舍弃。所得到的比较稳定的通路有(张语涵,李睿泽,2023)：TLR、H2O2、PPAR、TNFa、Hippo、Estrogen等通路。第二组：6种相对显著药物（选取最敏感的8个作为敏感组，最耐药的12个作为耐药组。）图10Epirubicin上调差异表达基因与Estrogen通路图115-fluorouracil上调差异表达基因与Estrogen通路图12Docetaxel上调差异表达基因与Hypoxia通路图13Paclitaxel上调差异表达基因与TLR通路表36种相对显著药物中差异表达基因的生物通路富集分析结果化疗药生物通路表柔比星(Epirubicin)IL-15-氟脲嘧啶(5-fluorouracil)Estrogen多西他赛(Docetaxel)Hypoxia紫杉醇(Paclitaxel)TLR通过富集结果分析，6种相对显著药物中，过滤长春瑞滨(Vinorelbine)药物、长春碱(Vinblastine)，因其结果非常不稳定，对于5组中，每一组的显著通路都不符合选定标准，所以舍弃(黄瑞萱,赵泽宇,2022)。所得到的比较稳定的通路有：IL-1、Estrogen、Hypoxia、TLR等通路。综上所述，7种显著药物、6种相对显著药物之间，用不同的处理方法，最后也找到了有关联的生物通路。两组之间共同的通路有：Estrogen、TLR。3.2抗癌药物挖掘以化疗药作用的乳癌细胞系筛选的差异表达基因，通过SPEED2富集分析，所得到的显著通路是一个差异通路。这在一定程度上昭示因此考虑希望用另外一种药物再作用到这个通路上，使耐药细胞变得敏感。本文在行为思路上也有所创新，作者创新性地融入了前人关于此主题已有的研究成果，在研究深度上有所加强，首先通过综合分析现有文献中的关键理论和实证发现，本文构建了一个更为系统且全面的框架，旨在为该领域的研究提供新的视角和方法论指导。其次，为了确保研究的有效性和可靠性不仅验证了前期理论假设，还进一步探索了未被充分关注的研究空白。通过检索得到以下文献信息，与本研究所得到的化疗药物中，发现最终查找到了3篇相关文献，涉及2种化疗药物：多西他赛(Docetaxel)、紫杉醇(Paclitaxel)。在DeyG等人的研究中，这在一定程度上预兆了揭示了Akt及其下游信号通路的过表达与多西他赛耐药有关，IturinA通过抑制Akt活性使耐药乳腺癌细胞对多西他赛治疗重新敏感。在SunT等人研究中，也说明了金丝桃苷给药通过阻断TLR4信号传导使乳腺癌细胞对紫杉醇敏感（李晓东，张文博，王俊宇,2022)。在CipollettiM等人研究中，白藜芦醇通过抵抗17β-雌二醇/雌激素受体α/神经红蛋白通路增强紫杉醇对人乳腺癌细胞的作用。表4针对乳腺癌个体化的化疗耐药治疗的文献研究化疗耐药生物通路新药物文献研究Paclitaxel(紫杉醇)Estrogenpathwayresveratrol(白藜芦醇)《Potentiationofpaclitaxeleffectbyresveratrolinhumanbreastcancercellsbycounteractingthe17β-estradiol/estrogenreceptorα/neuroglobinpathway》ADDINEN.CITEADDINEN.CITE.DATA[18]Paclitaxel(紫杉醇)TLRpathwayhyperoside(金丝桃苷)《AdministrationwithhyperosidesensitizesbreastcancercellstopaclitaxelbyblockingtheTLR4signaling》ADDINEN.CITEADDINEN.CITE.DATA[19]Docetaxel(多西他赛)AktpathwayIturinA《ResensitizationofAktInducedDocetaxelResistanceinBreastCancerby'IturinA'aLipopeptideMoleculefromMarineBacteriaBacillusmegaterium》ADDINEN.CITEADDINEN.CITE.DATA[20]4结论与讨论本课题的目的是基于乳腺癌化疗耐药的个体，筛选乳腺癌化疗耐药的差异表达基因，通过生物通路寻找另一药物以调节该通路，逆转乳癌细胞中的化疗药物耐药性，使其敏感性增强(刘思韵，陈晨曦，周子和,2023)。这无疑暴露出而这区别于药物组合协同作用，在已有的研究中，可以看到有许多研究者们对于乳腺癌治疗而筛选的协同药物共同治疗，可能是化疗药联合、内分泌药与化疗药联合、靶向药和化疗药联合作用，以及抑制剂与化疗药的联合治疗等等。但是针对耐药性个体化治疗找新药物的研究，就显得少了。在使用化疗药物治疗肿瘤时极易产生耐药性，主要是因为某个通路在耐药株中过度表达所致，各种凋亡信号通过信号传导通路传至细胞内，激活靶分子而产生细胞效应，从而引发细胞凋亡(张志华，李天佑，王怡萱,2021)。从这些活动中看出当药物作用到通路上时，可能抑制或激活了该通路，使得原本敏感的细胞变得耐药了。半抑制浓度，即凋亡细胞与全部细胞数之比等于50%时所对应的药物浓度。整个实验过程中，半抑制浓度(IC50)起着非常重要的筛选作用。因此，使用半抑制浓度(IC50)严格筛选化疗药物，最后筛到得到7种药物。而后逐一将每种药物对应的敏感性数据与细胞系表达谱数据结合，分成敏感组、耐药组，筛选差异表达基因，进行富集分析，通过生物通路挖掘新药(周逸和，刘思琪，张博文,2021)。最终查找到了3篇与本文研究目的一致的相关文献。由此，进而引发更多思考，对于化疗耐药的癌细胞系，我们可以尝试使用其他药物来阻断肿瘤形成的特殊耐药机制(生物通路的过表达)，使癌细胞系逆转由耐药状态变成敏感状态。本课题所研究的“新药物”，就是与最开始所使用的化疗药物但在通路上作用相反的其他药物，通过激活或抑制该信号通路