，

乳腺癌是女性最常見(jiàn)的惡性腫瘤之一，大約有10%-15%的乳腺癌患者在首次確診為原發(fā)腫瘤3年后都會(huì)伴發(fā)其他嚴(yán)重疾病或發(fā)生遠(yuǎn)處轉(zhuǎn)移。轉(zhuǎn)移是導(dǎo)致乳腺癌患者死亡的主要原因，因此阻止乳腺癌的浸潤(rùn)和轉(zhuǎn)移是現(xiàn)代乳腺癌治療中的關(guān)鍵環(huán)節(jié)。

乳腺癌轉(zhuǎn)移是一個(gè)由多基因參與及多步驟完成的復(fù)雜過(guò)程。乳腺癌轉(zhuǎn)移相關(guān)基因是一類(lèi)功能上能促進(jìn)或阻斷腫瘤轉(zhuǎn)移潛能而不影響腫瘤細(xì)胞生長(zhǎng)增殖的基因，可分為轉(zhuǎn)移促進(jìn)基因和轉(zhuǎn)移抑制基因兩大類(lèi)。轉(zhuǎn)移促進(jìn)基因有HER-2、BCSG1、MMPs等，轉(zhuǎn)移抑制基因有nm23、BRMS1等。相關(guān)研究較多，但目前未見(jiàn)從文本角度挖掘乳腺癌轉(zhuǎn)移相關(guān)基因的研究。

共詞分析法是20世紀(jì)70年代由法國(guó)的文獻(xiàn)計(jì)量學(xué)家提出的，其原理是對(duì)一組詞兩兩統(tǒng)計(jì)它們?cè)谕黄墨I(xiàn)中出現(xiàn)的次數(shù)。以此為基礎(chǔ)對(duì)這些詞進(jìn)行聚類(lèi)分析或網(wǎng)絡(luò)分析等，可以反映這些詞之間的親疏關(guān)系及其代表的學(xué)科和主題的結(jié)構(gòu)變化[1]。國(guó)內(nèi)最早將共詞分析法應(yīng)用于醫(yī)學(xué)文獻(xiàn)分析[2]，目前已廣泛應(yīng)用于知識(shí)管理、生物信息學(xué)、納米科技、土地研究、人力資源、城市信息化、閱讀療法研究、奶牛繁殖研究等各個(gè)領(lǐng)域的文獻(xiàn)分析[3-6]。社會(huì)網(wǎng)絡(luò)分析是綜合運(yùn)用圖論、數(shù)學(xué)模型來(lái)研究行動(dòng)者與行動(dòng)者、行動(dòng)者與其所處社會(huì)網(wǎng)絡(luò)及一個(gè)社會(huì)網(wǎng)絡(luò)與另一個(gè)社會(huì)網(wǎng)絡(luò)之間關(guān)系的一種結(jié)構(gòu)分析方法，近年來(lái)在圖書(shū)情報(bào)、計(jì)算機(jī)軟件與計(jì)算機(jī)應(yīng)用、新聞傳媒、企業(yè)管理、醫(yī)學(xué)等領(lǐng)域得到了廣泛應(yīng)用[7-10]。

本文嘗試基于共詞分析法，從PubMed數(shù)據(jù)庫(kù)檢索獲取乳腺癌轉(zhuǎn)移與基因關(guān)系的研究文獻(xiàn)，利用MetaMap進(jìn)行概念匹配后抽取乳腺癌轉(zhuǎn)移相關(guān)基因，建立乳腺癌轉(zhuǎn)移-基因矩陣和基因-基因矩陣，再利用Ucinet軟件建立乳腺癌轉(zhuǎn)移相關(guān)基因的相互作用網(wǎng)絡(luò)，分析網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)及其作用，以探測(cè)基因與轉(zhuǎn)移癌的關(guān)系，為乳腺癌轉(zhuǎn)移的早期診斷和治療提供參考。

1 研究工具

1.1 概念匹配程序MetaMap

由Lister Hill National Center for Biomedical Communications(美國(guó)生物醫(yī)學(xué)通訊中心)開(kāi)發(fā)的MetaMap，是一個(gè)將生物醫(yī)學(xué)文本與一體化醫(yī)學(xué)語(yǔ)言系統(tǒng)(Unified Medical Language System，UMLS)超級(jí)詞表中的概念匹配的程序。MetaMap使用知識(shí)密集方法，采用符號(hào)、自然語(yǔ)言處理和計(jì)算機(jī)語(yǔ)言學(xué)等技術(shù)，能基于語(yǔ)義關(guān)系提取疾病、基因、蛋白等知識(shí)，完成概念組配。MetaMap首先把題目和文摘中的各個(gè)句子解析成多個(gè)詞或短語(yǔ)，然后列出每個(gè)詞或短語(yǔ)候選詞，根據(jù)所選擇的候選詞在UMLS所出現(xiàn)的相關(guān)語(yǔ)義類(lèi)型和研究領(lǐng)域進(jìn)行匹配，得到文本中的主要概念。MetaMap主要應(yīng)用于信息檢索和數(shù)據(jù)挖掘，是美國(guó)國(guó)立醫(yī)學(xué)圖書(shū)館(NLM)初步標(biāo)引系統(tǒng)(indexing initiative system)的基礎(chǔ)之一，這個(gè)標(biāo)引系統(tǒng)應(yīng)用于圖書(shū)館半自動(dòng)和全自動(dòng)的生物醫(yī)學(xué)文獻(xiàn)標(biāo)引[11]。

1.2 dataMiner數(shù)據(jù)分析軟件

dataMiner軟件是由中國(guó)醫(yī)科大學(xué)閆雷開(kāi)發(fā)的。它可根據(jù)UMLS超級(jí)詞表，選擇需要的語(yǔ)義類(lèi)型，將所得結(jié)果按所需的百分比或前幾位列出，用于統(tǒng)計(jì)概念匹配后文本中兩個(gè)詞或詞組在同一標(biāo)題、摘要、句子及正文中出現(xiàn)的次數(shù)，形成矩陣。

1.3 社會(huì)網(wǎng)絡(luò)分析軟件 Ucinet

Ucinet(University of California at Irvine NETwork)最初由加州大學(xué)爾灣分校學(xué)者Linton Freeman編寫(xiě)的，集成了可以對(duì)一維和二維數(shù)據(jù)進(jìn)行統(tǒng)計(jì)和可視化分析的NetDraw軟件，將網(wǎng)絡(luò)結(jié)構(gòu)可視化，是綜合性社會(huì)網(wǎng)絡(luò)分析工具[12]。Ucinet可以對(duì)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)進(jìn)行統(tǒng)計(jì)分析，包括網(wǎng)絡(luò)密度、中心度、最短路徑、子群等。

2 研究步驟和結(jié)果分析

2.1 利用MetaMap進(jìn)行概念匹配

以“breast neoplasms[majr] AND genes[majr] AND Neoplasm Metastasis[Mesh] AND humans[mesh]”為檢索策略(1966年1月1日-2015年7月31日)，在PubMed共檢索到375篇乳腺癌轉(zhuǎn)移相關(guān)基因文獻(xiàn)，以MEDLINE格式進(jìn)行保存，作為挖掘樣本。將MEDLINE格式文本上傳到在線MetaMap，選擇UMLS涵蓋的所有詞表及所有語(yǔ)義類(lèi)型，進(jìn)行概念匹配，得到所保存文獻(xiàn)題名和摘要的UMLS概念匹配結(jié)果。

2.2 利用數(shù)據(jù)分析軟件得到矩陣

首先，將概念匹配結(jié)果導(dǎo)入數(shù)據(jù)挖掘軟件，基因選擇的語(yǔ)義類(lèi)型為[Gene or Genome]，轉(zhuǎn)移癌的語(yǔ)義類(lèi)型為[neoplastic process]，選取同句共現(xiàn)的矩陣，得到與乳腺癌轉(zhuǎn)移相關(guān)基因。然后，再將X軸和Y軸共同選擇語(yǔ)義類(lèi)型[Gene or Genome]，得到基因之間相互作用的矩陣。刪除范圍過(guò)于廣泛的基因名稱(chēng)(如genes，alleles，locus，tumor suppressor genes，proto-oncogenes等)和重復(fù)的基因名稱(chēng)(如tp53 gene與tp53 wt allele等)，合并表示同一基因的不同基因名稱(chēng)(如erbb、egfr和c-erbb-1合并為egfr，使用Genebank中的官方名稱(chēng))，刪除錯(cuò)配的基因名(如gene A錯(cuò)配為genes，vif)，最終得到44×44的基因-基因矩陣，并將對(duì)角線的基因出現(xiàn)次數(shù)設(shè)置為0(表1)。

表1 基因-基因共現(xiàn)矩陣(44行×44列)(部分)

2.3 基因相互作用網(wǎng)絡(luò)的建立和拓?fù)浣Y(jié)構(gòu)分析

利用Ucinet 6的數(shù)據(jù)轉(zhuǎn)換功能將處理后的基因-基因共現(xiàn)矩陣進(jìn)行二值化處理，利用自帶的Netdraw生成基因相互作用網(wǎng)絡(luò)(圖1)，利用network功能分析基因網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)，包括核心和外緣(圖2)、度數(shù)中心度(圖3)、中間中心度(圖4)、結(jié)構(gòu)洞。

圖1 乳腺癌轉(zhuǎn)移相關(guān)基因相互作用網(wǎng)絡(luò)圖

圖2 乳腺癌轉(zhuǎn)移相關(guān)基因相互作用核心和外緣(部分)

圖3 乳腺癌轉(zhuǎn)移相關(guān)基因相互作用度數(shù)中心度(部分)

圖4 乳腺癌轉(zhuǎn)移相關(guān)基因相互作用中間中心度(部分)

由圖1可知，網(wǎng)絡(luò)圖共有44個(gè)節(jié)點(diǎn)、146條線。

從圖2可以看出，核心基因?yàn)閎cl2、brca1、brca2、cd69、cdh1、cdkn2a、Egfr、erbb2、esr1、myc、nr4a1、thra、tp53，其余31個(gè)基因?yàn)檫吘壔颉?/p>

絕對(duì)度數(shù)中心度是某點(diǎn)與其他點(diǎn)直接相連的個(gè)數(shù)。如果某點(diǎn)具有最高的度數(shù)，則稱(chēng)該點(diǎn)居于中心，有可能擁有最大的權(quán)力[12]。從圖3可知，tp53度數(shù)最大為13，度數(shù)中心度排在前10的基因是tp53、thra、erbb2、esr1、cdh1、egfr、nr4a1、cd69、cdkn2a、bcl2，最小度數(shù)是1。因此，tp53、thra、erbb2、esr1、cdh1、egfr、nr4a1、cd69、cdkn2a和bcl2的度數(shù)最多，權(quán)力最大，處于中心位置。

另一個(gè)表征行動(dòng)者個(gè)體中心度的指標(biāo)是中間中心度，它測(cè)量的是行動(dòng)者對(duì)資源控制的程度。如果一個(gè)點(diǎn)處于許多其他點(diǎn)對(duì)的捷徑(最短路徑)上，則該點(diǎn)具有較高的中間中心度[12]。從圖4可知，blid、bcpr、akr1a1、chafla、bcl2l1、kidins220、cxcr4和mir200b等19個(gè)基因的中間中心度為0，不能控制任何其他行動(dòng)者，處于網(wǎng)絡(luò)邊緣[12]；erbb2、esr1、cdh1、cd69、egfr、nr4a1、tp53、s100a4和thra處于網(wǎng)絡(luò)的中間連接位置，連接能力依次遞減。

結(jié)構(gòu)洞是“社會(huì)網(wǎng)絡(luò)中的某個(gè)或某些個(gè)體和有些個(gè)體發(fā)生直接聯(lián)系，但與其他個(gè)體不發(fā)生直接聯(lián)系，無(wú)直接聯(lián)系或關(guān)系間斷(disconnection)的現(xiàn)象，從網(wǎng)絡(luò)整體看好像網(wǎng)絡(luò)結(jié)構(gòu)中出現(xiàn)了洞穴”。結(jié)構(gòu)洞的等級(jí)度越高，該點(diǎn)越居于網(wǎng)絡(luò)的核心，其控制力也越大[12]，tp53、thra、erbb2、esr1、cdh1和egfr等級(jí)度依次遞減，說(shuō)明其控制力也依次遞減。

3 結(jié)論與討論

與乳腺癌轉(zhuǎn)移相關(guān)的基因中，13個(gè)核心基因按照核心程度由高到低排列依次為tp53、thra、erbb2、esr1、cdh1、egfr、nr4a1、cd69、bcl2、cdkn2a、brca2、myc、brca1，其余31個(gè)為邊緣基因。

tp53官方全稱(chēng)為腫瘤蛋白p53(tumor protein p53)，別稱(chēng)有P53、BCC7、LFS1和TRP53。tp53蛋白能通過(guò)調(diào)節(jié)細(xì)胞周期和避免細(xì)胞癌變發(fā)生，保持基因組的穩(wěn)定性，避免突變發(fā)生。在遺傳性乳腺癌和散發(fā)性乳腺癌患者中，tp53突變均會(huì)引起雜合性丟失增強(qiáng)和等位基因失衡，但遺傳性乳腺癌患者的突發(fā)率高于散發(fā)性。端粒紊亂激活p53，反過(guò)來(lái)結(jié)合pgc1-α和pgc1-β將其抑制，從而促進(jìn)端粒和線粒體直接連接[13]。

目前關(guān)于tp53基因突變能否預(yù)測(cè)乳腺癌轉(zhuǎn)移有很大爭(zhēng)議。劉祖宏等[14]對(duì)92例乳腺潤(rùn)性導(dǎo)管癌患者的標(biāo)本進(jìn)行檢測(cè)發(fā)現(xiàn)，乳腺淋巴結(jié)轉(zhuǎn)移與p53蛋白表達(dá)呈正相關(guān)，提示p53基因突變與腫瘤細(xì)胞的侵襲轉(zhuǎn)移有相關(guān)性，可能增強(qiáng)腫瘤細(xì)胞的增殖能力，促進(jìn)腫瘤浸潤(rùn)轉(zhuǎn)移。汪海新等[15]通過(guò)免疫組化方法檢測(cè)359例乳腺浸潤(rùn)性導(dǎo)管癌組織中p53的表達(dá)情況卻得出了相反的結(jié)論，即p53蛋白的表達(dá)在區(qū)域淋巴結(jié)無(wú)轉(zhuǎn)移之間的差異均無(wú)統(tǒng)計(jì)學(xué)意義。

Erbb2(c-erbb2原癌基因)、Brca1(breastCancer SusceptibilityGene 1，腫瘤易感基因)、egfr(epidermal growth factor receptor，表皮生長(zhǎng)因子受體)均參與乳腺癌轉(zhuǎn)移。

鄭偉等[16]選擇42例乳腺癌患者石蠟固定的組織標(biāo)本，用SABC免疫組織化學(xué)方法檢測(cè)EGFR、C-erbB-2蛋白發(fā)現(xiàn)，EGFR的陽(yáng)性率為42.9%，C-erbB-2的陽(yáng)性率為31%，EGFR、C-erbB-2表達(dá)與乳腺癌骨髓微小轉(zhuǎn)移有密切關(guān)系，可以作為判斷乳腺癌預(yù)后的重要指標(biāo)。韓芳芳等[17]應(yīng)用免疫組織化學(xué)PV-9000法檢測(cè)83例乳腺基底細(xì)胞樣癌腫BRCA1、EGFR的表達(dá)發(fā)現(xiàn)BRCA1的陽(yáng)性表達(dá)率為57.83%，EGFR的陽(yáng)性表達(dá)率為87.95%，且各組間的不同臨床分期、不同淋巴結(jié)轉(zhuǎn)移情況各組間均有統(tǒng)計(jì)學(xué)意義，但與二者的表達(dá)無(wú)相關(guān)性。

文獻(xiàn)調(diào)研發(fā)現(xiàn)，tp53、thra、erbb2、esr1、cdh1、egfr、nr4a1、cd69等13個(gè)核心基因中，大部分都與乳腺癌轉(zhuǎn)移有直接或間接的關(guān)系，但cd69對(duì)于乳腺癌轉(zhuǎn)移的具體病理生理學(xué)過(guò)程尚不明確，需要進(jìn)一步驗(yàn)證。這可能是因?yàn)閏d69基因?qū)儆贜K細(xì)胞信號(hào)傳導(dǎo)基因復(fù)合體家族參與細(xì)胞增殖，表達(dá)蛋白在自然殺傷細(xì)胞和血小板中傳導(dǎo)信號(hào)，與血液系統(tǒng)疾病及免疫相關(guān)性疾病的發(fā)生與發(fā)展密切相關(guān)，也可能與乳腺癌轉(zhuǎn)移相關(guān)。

4 結(jié)語(yǔ)

本文利用MetaMap概念匹配PubMed中375篇乳腺癌轉(zhuǎn)移相關(guān)基因文獻(xiàn)的標(biāo)題和摘要，用數(shù)據(jù)挖掘軟件得到乳腺癌轉(zhuǎn)移相關(guān)基因和基因-基因相互作用矩陣，用Ucinet 6分析網(wǎng)絡(luò)相關(guān)指標(biāo)，得到13個(gè)核心基因，希望利用基因與轉(zhuǎn)移癌的關(guān)系對(duì)乳腺癌轉(zhuǎn)移的早期診斷和個(gè)性治療提供參考。

此外，不足之處是cd69基因?qū)τ谌橄侔┺D(zhuǎn)移的具體過(guò)程尚不明確，還需進(jìn)一步實(shí)驗(yàn)驗(yàn)證。MetaMap存在錯(cuò)誤匹配和遺漏匹配的現(xiàn)象，在準(zhǔn)確性和全面性方面有所欠缺。