基于基因组学，蛋白组学及代谢组学等多组学基础上的生物大数据从基因、转录、蛋白和代谢水平对生命本体进行了深入的阐释。生物信息学以计算机为其主要工具，发展各种软件，对浩如烟海的组学数据进行收集、挖掘、整理、分析和研究，进而系统的认识生命的起源、进化、遗传和发育的本质。因此，基于大数据挖掘的生物信息学研究是探索生命奥秘合理而有效的方法与途径。

耐药是卵巢癌病人预后较差的重要原因，因此，发现和鉴定耐药及预后因子是卵巢癌治疗所必须。本研究中，基于TCGA队列数据中489例卵巢癌病人临床数据及对应基因表达谱数据，我们发现，和197例卵巢癌铂类敏感组织相比，共有131个基因在90例卵巢癌耐药组织中显著差异表达。上述基因中，共有30个和卵巢癌预后显著相关，其中16个和无疾病生存期（DFS）相关，6个和总生存期（OS）相关，8个则与DFS和OS均显著相关； 17个在90例耐药组织中显著上调表达，13个显著下调表达。除一个基因以外，另外29个基因的上调或下调表达均与不良DFS或/和OS显著相关。LAX1、MECOM及PDIA4是DFS的独立风险因子，KLF1、SLC7A11及PDIA4则是OS的独立风险因子，而他们的三三联合则具有更好的DFS及OS预后潜力。我们进一步在51例卵巢癌样本中研究PDIA4表达及预后相关性，发现和27例敏感组织相比，PDIA4在24例耐药组织中显著下调表达，且其低表达与不良DFS和OS显著相关，这与TCGA队列数据结果一致，且PDIA4和预后的相关性在1656例大样本数据中进一步得到验证。综上，本研究中鉴定的30个基因，特别是PDIA4，有望作为卵巢癌治疗靶标和肿瘤标记物应用于临床，具有重要的理论价值和应用前景。相关研究发表在2019年的《Journal of cellular biochemistry》上。　 

文章链接：

Fuqiang Yin*, Shang Yi, Luwei Wei, Bingbing Zhao, Jinqian Li, Xiangxue Cai, Caihua Dong, Xia Liu#. (2019). Microarray-based identification of genes associated with prognosis and drug resistance in ovarian cancer. Journal of cellular biochemistry 120(4): 6057-6070.  doi:10.1002/jcb.27892