郝彦惠，冯瑞兴，殷 麟，陈 凡&

    (1.青海大学医学院，青海 西宁 810000；2.青海大学附属医院 青海大学附属肿瘤医院，青海 西宁 810000)

    对食管鳞状细胞癌(esophageal squamous cell carcinoma，ESCC)采取新辅助放化疗(neoadjuvant chemoradiotherapy，nCRT)结合手术模式被越来越多地应用于临床。ESCC新辅助放化疗的结果具有明显异质性。对nCRT病理学完全反应(Pathological Complete Response，pCR)的患者比无病理学反应(Non Pathological Complete Response，npCR)患者往往表现出更好的预后效果。此外，接受术前放化疗的无反应患者，会遭遇两个临床问题：其一，放射治疗的相关并发症可能影响患者生存质量；其二，由于nCRT延迟手术切除时间可导致肿瘤播散。因此，迫切需要通过寻找基因生物标志物来预测ESCC患者对nCRT的反应来指导临床治疗。

    加权基因共表达网络分析(weighted gene coexpression network analysis，WGCNA)是一种定量测量基因间相互连接程度及基因在网络中重要性的系统生物学方法，其通过模块分析发现疾病相关基因、或未知基因。WGCNA利用拓扑重叠差异度进行基因模块预测，使得模块区分的精密性大大提高。同时，用拓扑重叠来描述两个基因的关系具有更好的稳定性，降低了假阳性或假阴性率。因此，WGCNA是检测维持表达模式相似基因的基因模块的有用工具，也是识别疾病生物标志物和基因功能的有用工具[1]。此外，由于使用WGCNA法的基因间假阳性相对较少，因此广泛用于研究复杂疾病，包括子宫内膜癌[2]、精神分裂症[3]和乳腺癌[4]等。

    本研究从系统水平的视角，利用pCR组和npCR组的芯片表达谱数据筛选差异表达基因。在此基础上依赖WGCNA手段分别构建两组加权基因共表达网络，通过对比两组共表达网络的差异，并利用基因保守性统计分析方法确定特异性放化疗敏感性基因模块。再结合GO分类分析和KEGG通路富集分析来阐明各个基因模块的生物学作用，为后续研究筛选生物标志物提供依据。

    1.资料与方法

    1.1 数据预处理与差异基因筛选

    于GEO数据库获得术前接受放化疗ESCC的全基因组表达数据(GSE45670)，平台为GPL570。其中包括了11个pCR样本和17个npCR样本，患者依次接受了nCRT和手术 ......