计算和数学方法在医学

在这一页上

文摘介绍方法结果讨论缩写数据可用性的利益冲突作者的贡献补充材料引用版权相关文章

研究文章|开放获取

体积2021年| 文章的ID6653295| https://doi.org/10.1155/2021/6653295

综合分析控制癌症干细胞的特点在网络分析子宫内膜癌

Yun刘 ,¹ Peigen陈 ,² Mengxiong李 ,¹ 回族范 ,¹ 金丰黄 ,¹ 婷婷赵 ,¹ 和李天 ¹

学术编辑器: Nadia a Chuzhanova

收到了 2020年12月23日

修改后的 2021年2月05

接受 2021年3月09

发表 2021年3月30

文摘

背景。癌症干细胞发挥重要作用在子宫内膜癌(EC)。这是自我更新和治疗抵抗的EC密切相关。方法。在这项研究中,WGCNA(加权基因coexpression网络分析)是用于分析基因与临床特征的关系。我们还进行了免疫细胞的渗透分析的一个关键的模块通过使用ImmuCellAI(免疫细胞丰度标识符)。然后,关键基因验证地理数据库。最后,因果关系进行了分析和蛋白质相互作用分析DisNor工具和字符串。结果。具备干细胞mRNA表达式的指数(mRNAsi)显著降低明显高于正常组织,在个人与四期或高档癌症和肥胖或绝经后的人。19个关键基因(ORC6 C1orf112、RAD54L SGO2, BUB1, PLK4, KIF18B, BUB1B, TTK, NCAPG, XRCC2, CENPF, KIF15, RACGAP1, ARHGAP11A, TPX2, KIF14, KIF4A,和NCAPH),浓缩方面主要与细胞周期相关的基因和DNA复制选择加权coexpression网络分析(WGCNA)。基于关键模块的数量NKT细胞,NK细胞,中性粒细胞在正常组明显高于癌组。PLK1, CDK1 MAD2L1,与上游基因,可能是一个关键基因的上游调控。结论。PLK1, CDK1 MAD2L1强烈与上游的基因可能是一个关键基因的上游调控。

1。介绍

子宫内膜癌(EC)是最常见的妇科恶性肿瘤之一。全球每年近382100新病例被诊断,每年有89900患者死于这种疾病1,2]。绝经状态,糖尿病,肥胖,怀孕的总数,和吸烟状况造成的风险因素EC (3]。这种疾病的不同病理阶段和组织学类型有一个变量预后。病人在晚期EC预计将表现出较差的结果。改善EC患者预后差,肿瘤发生的机制需要进一步调查。

最近的研究表明,癌症干细胞样细胞(二者)与ECs (4,5]。二者被认为是至关重要的在确定复发和进展,这对癌症转移和治疗是重要的阻力([5- - - - - -7]。癌症具备干细胞已经被使用深度学习方法进行了广泛的研究。例如,祖细胞生物学协会(https://www.synapse.org/pcbc)通常使用几种类型的干细胞,如胚胎干细胞(ESCs),诱导多能干细胞(万能),和干细胞——(SC)派生的拟胚体(EBs),定义干细胞签名。methylomes多平台的分析,包括转录组,转录因子结合位点具备干细胞进行了量化,导致DNA的一代具备干细胞methylation-based索引(mDNAsi)和一个具备干细胞mRNA表达式的索引(mRNAsi)。组织病理学的成绩可能对癌症干细胞的生物过程(二者)和肿瘤去分化和由mRNAsi分数表示。mRNAsi和mDNAsi分数计算确定二者的癌症基因组图谱(TCGA)的基础上具备干细胞(8]。

加权基因coexpression网络分析(WGCNA)是用于构建基因网络之间的相关性基因集识别和加权的关联表达水平(9]。WGCNA是一种普遍的方法用于处理基因表达数据和调查网络的变化。总之,WGCNA使用拓扑重叠不同估计基因之间的距离,可以识别网络拓扑和子网。因此,基因模块是由只能与高度coexpressed基因感兴趣的临床特征。这些模块与调查临床特征紧密相关,因此选为基本模块,以确保结果的准确性。

我们的研究调查相关的关键基因具备干细胞结合WGCNA TCGA的EC mRNAsi。本研究的目的不是开发一种创新的方法来识别stemness-related基因而获得新知识的功能CSC-related基因在癌症。

2。方法

我们用R软件(3.5.1版)(10),GraphPad棱镜(第7版),和Bioconductor11所有统计分析在我们的研究中。

2.1。数据采集和预处理

RNA序列(RNA-seq)数据的587个样本(35 552名癌症样本和正常样本)来自加州大学圣克鲁斯分校的基因组浏览器(UCSC的:https://xenabrowser.net,版本:2019-07-20)和相应的临床数据的提取,TCGA Pancancer临床数据资源(TCGA-CDR) [12]。TCGA-CDR,无进展时间间隔(PFI)事件被定义为一个新的肿瘤事件在一个病人,包括疾病的进展,局部复发、远处转移,新的主要肿瘤在所有网站,或与癌症没有新的肿瘤相关死亡事件,包括新的肿瘤事件类型的N / a。具备干细胞mRNA表达式的指数(mRNAsi)子宫语料库的子宫内膜癌(UCEC)队列获得一项研究[8]。总共563个样本mRNAsi数据被包含在我们的研究中。

2.2。比较mRNAsi分子亚型和EC的不同临床特征

调查在EC mRNAsi成绩的预测作用,我们分析了mRNAsi和临床特征之间的关系,包括组织学类型、病理阶段,身体质量指数(BMI)、绝经状态,和怀孕的总数,通过使用GraphPad棱镜(第7版)。

此外,患者分为high-mRNAsi组和low-mRNAsi组基于最优割点选择使用“生存”R包(13]。基于总生存期(OS)和从TCGA-CDR PFI获得的数据,然后执行生存率较比较这两组之间的OS / PFI的阈值 ,和也kaplan - meier曲线生成的。

2.3。差异表达基因的选择(度)

度被选正常和癌症之间利用“limma”R EC样本包(14用以下标准: 和。基因显示低表达( )被删除。

2.4。WGCNA

与“WGCNA”R包(9),WGCNA进行选择度最高的方差(前25%)。我们执行平均链接层次聚类的最小基因系统树图大小20通过TOM-based不同测量。通过分析模块,我们计算这些模块的不同和构造模块系统树图。

然后我们计算基因的意义(GS)来估计每个模块的意义和测量基因和样本特征之间的关系。截止(0.25)选择合并模块基于高度。接下来,mRNAsi数据和监管epigenetically mRNAsi数据被选为临床表型和基因结合模块进行进一步分析。

识别的关键基因,GS和模块成员(MM,模块的基因之间的关系和他们的表达谱)的每一个关键基因与下面的阈值计算: 和。

2.5。关键模块的功能富集分析

理解至关重要的生物功能模块选择由WGCNA Metascape (http://metascape.org),其中包括丰富的功能注释,如KEGG通路,Reactome通路,规范途径,生物过程,和乔鲁姆(哺乳动物蛋白复合物的综合资源)注释,然后用来执行功能富集分析值< 0.001的截断值(15]。选择接受值< 0.01和基因的数量大于或等于3被认为是重要的条件。

2.6。免疫细胞的渗透分析关键模块

免疫细胞丰度标识符(ImmuCellAI)是一个工具,可以计算出大量的18 T细胞亚群和6其他免疫细胞类型(B细胞、NK细胞、单核细胞、巨噬细胞、中性粒细胞、和DCs)基于RNA-seq数据(16]。我们使用ImmuCellAI比较T细胞的比例子集之间的关键模块。

2.7。验证关键基因的表达

在EC验证关键基因的表达,我们选择GSE146889,其中包括176个样本(139年91年85年肿瘤和正常组织,MSI和37 MSS组织),从基因表达综合(GEO)数据库比较差之间的关键基因表达水平Mann-Whitney肿瘤和正常组织测试。我们还比较了MSI和MSS组织。

2.8。因果关系分析和蛋白质相互作用分析

DisNor (https://disnor.uniroma2.it/)是一个基于web的工具,可以生成和探索基于疾病基因的蛋白质相互作用网络通过使用各种蛋白质相互作用数据和因果相互作用信息注释的绅士。

我们使用DisNor探索关键基因之间的因果关系。接下来,字符串(11.0版本,https://string-db.org/)是用于构建蛋白质相互作用网络研究在多个蛋白质之间相互作用与相互作用得分0.7(高信心)。

2.9。基因Coexpression分析

调查的关键基因之间的关系,然后,我们评估了coexpression根据他们的这些关键基因表达水平之间的关系通过皮尔森相关分析与R“corrplot”包。

3所示。结果

3.1。mRNAsi之间的关系和临床特征和分子亚型的EC

总共563个样本mRNAsi数据被包含在我们的研究中。如图1(一)正常组织的mRNAsi明显低于肿瘤组织( )。在生存分析中,我们发现操作系统(图1(一)(图)和PFI倍1 (b)low-mRNAsi分数组)的患者明显高于high-mRNAsi分数的患者组。

(一)

(b)

(c)

(d)

(e)

(f)

(g)

(h)

在EC mRNAsi临床表型之间的比较,我们发现mRNAsi得分明显高于四期疾病,患者有增加的趋势从舞台我四期(阶段II期< III期< <四期)( ,克鲁斯卡尔-沃利斯检验(图)1 (c)),病理分级呈现相同的趋势(1级(G1) < 2级(G2) <三年级(G3) <高档)( ,克鲁斯卡尔-沃利斯检验(图)1 (d))。根据分类系统(17肥胖()和特定的指导方针18,19),然后我们将病人分成4组基于BMI:体重不足( 公斤/米²),健康的体重(体重指数介于18.5和24.9公斤/米²)、超重(体重指数在25到29.9之间公斤/米²),和肥胖( 公斤/米²)(图1 (e))。我们找到了一个下降趋势mRNAsi分数从减持到肥胖组( ,单向方差分析测试)。当我们比较了mRNAsi分数绝经情况,我们发现mRNAsi得分明显高于绝经后患者状态( ,克鲁斯卡尔-沃利斯检验,图1 (f))(补充表1)。当我们调查mRNAsi分数之间的关系和怀孕的总数(图1 (g)),我们发现mRNAsi得分没有显著差异的组织与不同数量的怀孕。

3.2。度的选择

度的选择是由使用R“limma”包使用以下标准: 和。过滤和归一化后的数据,进行差异基因表达分析。最后,选择3226度(图1 (h))。

3.3。WGCNA:选择最重要的模块和基因

基因coexpression网络就由WGCNA选择模块最重要的基因和基因。这个过程也可以帮助阐明基因和电子商务之间的关系。我们首先消除离群样本(补充图1选拔5987度后),通过聚类分析,其中包括25%的度最高的方差显示模块,进行进一步分析。接下来,生成无标度网络与软阈值的构造 ( ),和14个模块选择的最小模块大小50(图进行进一步的分析2(一个))。

(一)

(b)

(c)

(d)

(e)

然后,整个基因表达水平作为女士估计相应的模块之间的关系和临床表型(图2 (b))。根据结果,我们发现,绿松石模块显示最重要的与mRNAsi分数正相关( ),和鲑鱼模块也表现出与mRNAsi分数正相关( )。此外,蓝色的模块与mRNAsi评分显著负相关( )(数据2 (c)- - - - - -2 (e)。因此,绿松石模块被选为关键基因的筛选。

关键基因筛选阈值设置如下: 和。最后,19个基因选择:ORC6 C1orf112, RAD54L, SGO2, BUB1, PLK4, KIF18B, BUB1B, TTK, NCAPG, XRCC2, CENPF, KIF15, RACGAP1, ARHGAP11A, TPX2, KIF14 KIF4A, NCAPH。

3.4。关键模块的功能富集分析

通过使用Metascape,我们发现基因在绿松石模块主要富集在细胞周期相关(r - hsa - 1640170),细胞周期相变(去:0044770)和DNA复制(去:0006260)(图3 (b))。

(一)

(b)

(c)

(d)

3.5。免疫细胞的渗透分析关键模块

ImmuCellAI绿松石的渗透状态进行了分析模块。我们发现天真CD8细胞丰度( ),记忆效应细胞( ),和B细胞( )在癌症组明显高于正常组。我们还发现,NKT细胞( ),NK细胞( ),和中性粒细胞( )更丰富的正常组比癌症组(图3(一个))。

3.6。比较和验证关键基因的表达水平

探索关键基因,然后比较这些基因的表达水平在肿瘤和正常组织之间。我们发现关键基因的表达水平明显高于肿瘤组织( ,图4(一))。

(一)

(b)

(c)

然后,我们验证了地理数据集(GSE146889),结果表明,所有18个基因表现出显著高表达的肿瘤样本( ,图4 (b))。我们也比较MSI和MSS亚型之间的表达水平。我们发现ARHGAP11A的表达水平,BUB1B, KIF14, NCAPG, NCAPH, ORC6, PLK4明显高于在MSI亚型( ,图4(d))。

3.7。建设的互动和关系网络

通过使用DisNor工具,我们的第一个邻近基因筛选关键基因,我们发现,一些上游的基因,如PLK1 KNL1 (CASC5) CENPE, CDK1,和MAD2L1受到至少两个关键基因(图3 (c))。KNL1 (CASC5)和CENPE主要间接调节关键基因。因此,PLK1 CDK1, MAD2L1被选为理想目标基因进行进一步分析。接下来,研究上游基因之间的关系和关键基因,蛋白质相互作用网络构造(图3 (d))。

3.8。比较和验证关键基因的表达水平

探索关键基因,然后比较这些基因的表达水平在肿瘤和正常组织之间。我们发现关键基因的表达水平明显高于肿瘤组织( ,图4(一))。

然后,我们验证了地理数据集(GSE146889),结果表明,所有18个基因表现出显著高表达的肿瘤样本( ,图4 (b))。我们也比较MSI和MSS亚型之间的表达水平。我们发现ARHGAP11A的表达水平,BUB1B, KIF14, NCAPG, NCAPH, ORC6, PLK4明显高于在MSI亚型( ,图4 (c))。

3.9。Coexpression关键基因和选定的上游基因之间的分析

如补充图所示2,我们发现的关键基因上游PLK1基因有显著相关性,CDK1, MAD2L1。最高的之间的相关性观察MAD2L1和SGO2 ( )。我们还发现PLK1 KIF18B密切相关( ),CDK1 RACGAP1密切相关( ),ARHGAP11A ( ),和SGO2 ( )。

4所示。讨论

电子商务是最常见的妇科恶性肿瘤之一。最近,越来越多的研究表明,二者在某些肿瘤的特点起着关键作用,抗复发、进展、治疗等(20.]。因此,它是至关重要的屏幕EC干细胞的治疗目标。在这项研究中,我们使用WGCNA识别中心与CSC的基因特征基于mRNAsi分数。我们分析之间的关系mRNAsi分数和EC的临床特征和分子亚型。mRNAsi分数比较的临床表型之间的电子商务,我们发现mRNAsi分数增加随着病理品位和临床分期的增加,四期和高档EC与最高的分数。

相比之下,mRNAsi分数增加体重指数降低。此外,患者绝经状态表现出mRNAsi得分最高。当我们调查mRNAsi分数之间的关系和怀孕的总数,我们没有发现显著差异mRNAsi得分中组和不同数量的怀孕。由于多能干细胞的重要作用在所有器官组织的发展,维护的关键基因可能与干细胞性质在许多类型的癌症。由这些基因编码的蛋白质是密切相关的。因此,有必要分析二者之间的关系和电子商务的发展。也是至关重要的识别基因可能与癌症发展和进展。

越来越多的证据表明,传统疗法并不适合癌细胞进入CSC国家通过激活EMT程序;因此,临床复发由CSC的发病率也很高(21]。此外,肿瘤细胞的未分化的原发性肿瘤呈现更长距离迁移的能力,更有可能导致疾病进展和预后不良。癌症恶化通常表现为loss-of-differentiation表型(22]。在这项研究中,在发展电子商务的发展变化被观察到的是至关重要的。在生存分析中,我们发现患者高mRNAsi分数展出的OS和PFI时间可以更短。我们还指出,四期和高档EC患者提出增加CSC特征,这意味着增加干细胞属性开始在起始阶段的转移。

关键基因的表达水平在肿瘤高于正常组织。当我们在地理数据集验证数据(GSE146889),我们发现肿瘤亚型表达水平显著相关。然而,我们发现ARHGAP11A的表达水平,BUB1B, KIF14, NCAPG, NCAPH, ORC6, MSI亚型和PLK4更高,但其他基因似乎并没有这两种亚型之间不同。这些结果间接表明这些基因可能维持干细胞的特征。

根据绿松石的功能富集分析模块中,我们发现功能注释主要细胞周期有关,相变细胞周期、DNA复制。然后,根据GS和MM,我们选定的绿松石模块的关键基因。此外,我们构建了一个蛋白质相互作用网络和牢固的关系。我们发现的关键基因上游PLK1基因有显著相关性,CDK1, MAD2L1。基于蛋白质的因果关系和交互分析,PLK1, CDK1, MAD2L1,所有这些影响至少有两个基因,被选为最理想的治疗目标。尽管KNL1 (CASC5)和CENPE也影响到两个或两个以上的基因,主要产生间接的影响。

polo-like激酶1的表达水平(PLK1),有丝分裂的主要监管机构,增加各种癌症,如非小细胞肺癌、头颈部癌,乳腺癌,卵巢癌,EC,甲状腺癌(23]。另一项研究表明,PLK1目标结合低剂量顺铂治疗表现出很强的抗肿瘤功效诱导在G2 / M检查站逮捕,增加DNA断裂,和敏化肿瘤细胞抗肿瘤药物(24]。细胞周期蛋白依赖性激酶1 (CDK1) PLK1的监管活动中扮演着重要的角色在G2 / M过渡在EC (25]。研究表明,有丝分裂逮捕不足2 1 (MAD2L1)在EC(淋巴结转移密切相关26]。因此,我们推测这些基因影响肿瘤生物学行为影响二者在电子商务的特点。

总之,19个关键基因确定在本研究中扮演至关重要的角色在EC干细胞的生物学行为。三个上游基因,PLK1, CDK1 MAD2L1, EC治疗可能是潜在的目标通过抑制EC干细胞的特征。然而,这项研究的结果是基于公共数据;因此,需要额外的生物的研究进一步验证这些发现。

缩写

电子商务:	子宫内膜癌
WGCNA:	加权基因coexpression网络分析
mRNAsi:	具备干细胞mRNA表达式的指数
二者:	癌症干细胞样细胞
TCGA-CDR:	TCGA Pancancer临床数据资源
操作系统:	总生存期
PFI:	无进展时间间隔
罗斯福:	错误发现率
g:	基因的意义。

数据可用性

支持这项研究的结果的数据是可用的加州大学圣克鲁斯分校的基因组浏览器(UCSC的:https://xenabrowser.net,版本:2019-07-20)和相应的临床数据的提取,TCGA Pancancer临床数据资源(TCGA-CDR)。验证数据集得到的基因表达数据库(GSE146889)综合(GEO)。

的利益冲突

作者宣称没有利益冲突的披露。

作者的贡献

Yun刘和陈Peigen贡献同样这项工作。

补充材料

补充1。补充图1:示例集群检测异常值,聚类模块eigengenes和特征加权的热图基因coexpression子宫内膜癌的网络。

补充2。补充图2:相关分析之间的关键基因和PLK1 MAD2L1, CDK1。

补充3。表1:图1的数据来源。

引用

即j . Ferlay m . Colombet Soerjomataram et al .,“估计2018年全球癌症发病率和死亡率:GLOBOCAN来源和方法,“国际癌症杂志》上,卷144,不。8,1941 - 1953年,2019页。
视图: 出版商的网站 | 谷歌学术搜索
t·范Nyen c·p·Moiola e .可乐d . Annibali f . Amant,“子宫内膜癌建模:过去、现在和未来,“国际分子科学杂志》上,19卷,不。8,2348年,页2018。
视图: 出版商的网站 | 谷歌学术搜索
f . Amant p . Moerman p .乃文,d . Timmerman e . van Limbergen i Vergote,子宫内膜癌,“《柳叶刀》,卷366,不。9484年,第505 - 491页,2005年。
视图: 出版商的网站 | 谷歌学术搜索
m·j·卡瓦略m . Laranjo a . m . Abrantes et al .,“子宫内膜癌领域显示癌症干细胞表型和偏爱氧化代谢,”肿瘤病理学研究,25卷,不。3、1163 - 1174年,2019页。
视图: 出版商的网站 | 谷歌学术搜索
g . Giannone l . Attademo g·斯哥图et al .,“子宫内膜癌干细胞:角色,特征和治疗意义,”癌症,11卷,不。11,1820年,页2019。
视图: 出版商的网站 | 谷歌学术搜索
s Dawood l·奥斯汀和m . Cristofanilli博士,“癌症干细胞:对癌症治疗”,肿瘤学(威利斯顿公园,纽约),28卷,不。12,1101页,2014年。
视图: 谷歌学术搜索
c·范德林登和c . Corbet癌症干细胞的治疗目标:整合和利用酸性的利基市场,”在肿瘤领域,9卷,p。159年,2019年。
视图: 出版商的网站 | 谷歌学术搜索
a t m .马耳他sokolv, a . j .叠成et al .,“机器学习识别具备干细胞特性与致癌去分化有关,“细胞,卷173,不。2,页338 - 354。e15, 2018年。
视图: 出版商的网站 | 谷歌学术搜索
p . Langfelder和美国阅读“WGCNA: R包加权相关网络分析,“BMC生物信息学,9卷,不。1,p。559年,2008。
视图: 出版商的网站 | 谷歌学术搜索
r . c .团队,接待员:统计计算的语言和环境,R统计计算的基础,维也纳,奥地利,2018年,https://www.R-project.org/。
r . c .绅士,v . j .凯莉·d·m·贝茨et al .,“Bioconductor:计算生物学和生物信息软件开发开放,”基因组生物学,5卷,不。10,R80页,2004年。
视图: 出版商的网站 | 谷歌学术搜索
j·刘,t·利希滕贝格,k . Hoadley et al .,”一个集成TCGA Pan-Cancer临床数据资源来推动高质量生存的结果分析,“细胞,卷173,不。2,页400 - 416。e11, 2018年。
视图: 出版商的网站 | 谷歌学术搜索
m·特里和p . m . g . Therneau生存数据建模:延长Cox模型施普林格,纽约,2000年。
视图: 出版商的网站
吴m·e·里奇Phipson, d . et al .,“limma权力RNA-sequencing和微阵列研究微分表达式分析”核酸的研究,43卷,不。7 p . e47 2015。
视图: 出版商的网站 | 谷歌学术搜索
y, b .周l . Pache et al .,“Metascape提供biologist-oriented资源系统性分析的数据集,”自然通讯,10卷,不。1,p。1523年,2019。
视图: 出版商的网站 | 谷歌学术搜索
Y.-R。苗族,问:张先生,问:Lei et al .,“ImmuCellAI:一个惟一的全面的t细胞亚群丰度预测方法及其应用在癌症免疫疗法,”先进的科学,7卷,不。7,1902880条,2020年。
视图: 出版商的网站 | 谷歌学术搜索
世界卫生组织,肥胖:预防和管理全球流行病。报告的咨询卷。894年,世界卫生组织技术报告系列,2000年瑞士,日内瓦。
国家心脏、肺和血液研究所”,临床指南的识别、评估和治疗成人超重和肥胖:执行摘要。专家组的鉴定、评估和治疗超重的成年人,“美国临床营养学杂志》上,卷68,不。4、899 - 917年,1998页。
视图: 出版商的网站 | 谷歌学术搜索
m·d·詹森·d·h·瑞安,c . m .爱波薇安et al .,“2013啊/ ACC / TOS方针管理成人超重和肥胖:报告的美国心脏病学院/美国心脏病协会工作组实践指南和肥胖的社会,“美国心脏病学会杂志》上,卷63,不。25 B部分,2985 - 3023年,2014页。
视图: 出版商的网站 | 谷歌学术搜索
n . Aghaalikhani n . Rashtchizadeh p . Shadpour a . Allameh和m . Mahmoodi“癌症干细胞作为膀胱癌的治疗目标,“细胞生理学杂志,卷234,不。4、3197 - 3206年,2019页。
视图: 出版商的网站 | 谷歌学术搜索
t . Shibue和r·a·温伯格EMT,二者,耐药性:机械的链接和临床意义,”自然评论。临床肿瘤学,14卷,不。10日,611 - 629年,2017页。
视图: 出版商的网站 | 谷歌学术搜索
d . Friedmann-Morvinski和i . m . Verma”去分化和重组:癌症干细胞的起源,”EMBO报告,15卷,不。3、244 - 253年,2014页。
视图: 出版商的网站 | 谷歌学术搜索
n . Takai r . Hamanaka, j . Yoshimatsu Miyakawa,“Polo-like激酶(plk)和癌症,”致癌基因,24卷,不。2、287 - 291年,2005页。
视图: 出版商的网站 | 谷歌学术搜索
唐黄问:高,x, d . et al .,“chk1和plk1沉默对辐射的影响——或者cisplatin-induced人类恶性肿瘤细胞细胞毒性,”细胞凋亡,11卷,不。10日,1789 - 1800年,2006页。
视图: 出版商的网站 | 谷歌学术搜索
b . g . j .严f . Yu王et al .,“微mir - 302抑制抑制子宫内膜癌的致瘤性细胞的细胞周期蛋白D1和CDK1,”癌症的信,卷345,不。1,39-47,2014页。
视图: 出版商的网站 | 谷歌学术搜索
m·a .百度j . i Risinger g .诉华et al .,“预测淋巴结转移endometrioid子宫内膜癌患者使用微阵列表达,“临床癌症研究,12卷,不。1,第88 - 83页,2006。
视图: 出版商的网站 | 谷歌学术搜索

版权

PDF 下载引用

下载其他格式

订单打印副本

的观点

456年

下载

941年

引用