• 浪潮孙丕恕从信息时代到智能时代 人工智能价值将爆发式释放 2019-12-21
  • 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
    • / 9
    • 下载费用:30 金币  

    重庆时时彩代理怎样利润: 基于基因芯片数据和代谢网络测定癌症关键代谢酶的方法.pdf

    关 键 词:
    基于 基因芯片 数据 代谢 网络 测定 癌症 关键 方法
      专利查询网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
    摘要
    申请专利号:

    CN201210588060.0

    申请日:

    2012.12.30

    公开号:

    CN103902849A

    公开日:

    2014.07.02

    当前法律状态:

    授权

    有效性:

    有权

    法律详情: 授权|||实质审查的生效IPC(主分类):G06F 19/10申请日:20121230|||公开
    IPC分类号: G06F19/10(2011.01)I 主分类号: G06F19/10
    申请人: 复旦大学
    发明人: 田卫东; 陈靖琪
    地址: 200433 上海市杨浦区邯郸路220号
    优先权:
    专利代理机构: 上海元一成知识产权代理事务所(普通合伙) 31268 代理人: 吴桂琴
    PDF完整版下载: PDF下载
    法律状态
    申请(专利)号:

    CN201210588060.0

    授权公告号:

    ||||||

    法律状态公告日:

    2017.03.29|||2014.08.27|||2014.07.02

    法律状态类型:

    授权|||实质审查的生效|||公开

    摘要

    本发明属医学技术领域,涉及基于基因芯片数据和代谢网络测定癌症关键代谢酶的方法。本发明方法包括建立基因共表达网络、划分共表达网络为???、共表达网络性质和??榈陌┲⑻匾煨约扑愫徒⒚竿?、预测关键酶和代谢物。本发明方法可预测对于癌症代谢的关建酶,作为癌症治疗的药物候选靶点;每一个预测的癌症关键酶基因可对应到所涉及反应的代谢物,作为每种癌症的关键代谢物预测结果,该代谢物也可作为候选的药物设计基础代谢物;本方法能明显缩小实验搜寻的范围并加快靶点寻找进程,节约时间及费用,可用于筛选癌症及其他与代谢重调相关的复杂疾病的药物靶点,具有推广价值。

    权利要求书

    权利要求书
    1.  一种基于基因芯片数据和代谢网络测定癌症关键代谢酶的方法,其特征在于,其包括步骤:
    (1)选择具有人类癌症、正常样本对照的基因表达芯片数据,建立共表达网络;
    (2)将共表达网络划分为???,并鉴定??榈陌┲⑻匾煨?;
    (3)将共表达网络??橛肴死啻煌缯?,对代谢网络中的每个酶进行打分;
    (4)结合来自不同癌症、不同数据集的结果,给出高分酶作为预测结果。

    2.  如权利要求1所述的方法,其特征在于,所述步骤(1)中,建立基因共表达网络的步骤为,
    从GEO数据库www.ncbi.nlm.nih.gov/geo下载癌症的GDS数据,不纳入小于10个样本的数据集;所选取的数据集同时包括癌症样本和正常样本的组织的数据;实验所用的样本未经药物或其他刺激处理;
    首先,对数据进行如下预处理法:
    ①在一个数据集中,对于每一个基因,若对应探针的表达中位值有不少于80%为空缺值,则该基因被删除,不用于后续分析;
    ②对于每一种癌症,选取两个数据集共有的基因进行后续分析;
    ③对于每一个数据集,上述步骤之后留下的每一个基因,表达值取其对应的所有探针表达值的中位值;
    ④对于每一个数据集,做Qauntile标准化,使用R中limma包的normalizeQuantiles函数;
    ⑤对于每一个数据集,用KNN的方法补缺失值,使用R中impute包的impute.knn函数;
    ⑥将每一个数据集上表达值做log2转化;
    然后,依照基于表达相似度排序的构建基因共表达网络的方法,对每一个数据集建立一个共表达网络,其中,表达相似度使用皮尔森相关系数度量,对于每个基因,将其他所有基因与之的表达相关度进行排序,取前三个基因作为共表达的基因。

    3.  如权利要求1所述的方法,其特征在于,所述步骤(2)中,划分共表达网络为??榈牟街栉?
    采用Qcut对每一个共表达网络进行??榛?,所得的亚网络结构具有最优化的??槎萂odularity函数function(Q),且??槟诹颖人婊诖?;每一个数据集所划分为??楹?,只选取基因数不小于10个的??榻兄蟮姆治?。

    4.  如权利要求1所述的方法,其特征在于,所述步骤(3)中,共表达网络性质和??榈陌┲⑻匾煨约扑愕牟街栉?BR>对每一个数据集,计算其中连接度与对应点的个数,分别取log10底,画图,并计算线性回归r值,得到所建立的共表达网络的网络性质;
    其中,衡量一个??橛氚┲⒌南喙爻潭鹊牟街栉杭觳饷扛鲅局忻扛瞿?榛虮泶锏闹形恢?,根据该中位值区分癌症和正常样本的准确程度画ROC曲线,对每一个曲线得到一个AUC值,该面积范围是0~1;面积值越远离0.5,代表该??楸泶镏翟侥苷非职┲⒑驼Q?,则认定该??橛氚┲⒌墓叵到裘?;AUC小于0.5代表该??樵诎┲⒅邢碌?,AUC大于0.5代表该??樵诎┲⒅猩系?。

    5.  如权利要求1所述的方法,其特征在于,所述步骤(3)中,建立酶网络的步骤为:
    从KEGG数据库www.genome.jp/kegg/中下载人类的KEGG Makeup Language文件;所述KGML文件中包含代谢反应、对应的代谢物和酶、基因的信息;
    然后,根据人类代谢网络,建立一个酶网络;
    采用以下步骤去掉一部分代谢物:①统计代谢物所参与的反应数,去掉参与反应数大于18个的代谢物;②去掉只参与“Xenobiotics Biodegradation and Metabolism”中代谢反应的代谢物;
    用筛选的代谢物和反应构建酶网络;对于每一个酶A,若其参与反应的产物被另一个酶B用作反应底物,则A被连接到B,方向为A->B;酶网络的网络性质用R的bigraph包进行计算。

    6.  如权利要求1所述的方法,其特征在于,所述步骤(4)中,预测关键酶和代谢物的步骤为:
    将所述的人类酶网络对应到酶编码基因和共表达网络??橹泻?,对每一个数据集的每一个???,计算每一个酶基因与??槟诤湍?橥獾拿富蛟诿竿缰械牧邮?;若一个酶基因与??槟谄渌富蛟诖煌缰械牧邮鼵in大于基于总连接数Call的期待值,则该酶基因被认为是一个关键酶基因,采用下述打分公式衡量酶基因的重要程度:
    Sgene=|AR-0.5|*log2Cin/CallNin/Nall---(1)]]>
    在上述公式(1)中,AR为基因所在??榍职┲⒀竞驼Q镜腞OC曲线下面积(AUC-ROC),Cin是酶基因与??槟谄渌富虻脑诿竿缰械牧佣?,Call为酶基因与酶网络中存在于该数据集所有??橹械钠渌富虻牧佣?;Nin和Nall分别为在该??槟诘拿富蚴驮诟檬菁兴心?橹械拿富蚴?;
    若酶基因的连接数大于期待值,则该基因得到一个正分值,反之亦然;
    将同一种癌症的两个数据集所得到的酶的分值相加后进行排序;对每一种癌症选择分值较大的关键酶作为预测结果。

    7.  权利要求1所述的方法在筛选癌症药物靶点中的用途。

    8.  权利要求1所述的方法在筛选与代谢重调相关的药物靶点中的用途。

    说明书

    说明书基于基因芯片数据和代谢网络测定癌症关键代谢酶的方法
    技术领域
    本发明属医学技术领域,涉及癌症关键代谢酶及候选药物靶点,具体涉及一种基于基因芯片数据和代谢网络测定癌症关键代谢酶的方法,尤其涉及寻找癌症关键代谢酶以作为候选药物治疗靶点的方法(Met-express);本方法可有效地预测癌症中处于关键地位可能可重调代谢过程的酶以为药物开发提供候选靶点。
    背景技术
    近几十年来,癌症诊断和治疗领域取得了若干的进展,然而,目前癌症仍然是危及人类健康和寿命的最严重疾病之一;为了减少病痛及由癌症引起的死亡,癌症相关领域的研究仍引起有关研究人员的密切关注。其中,在癌症的致病机理研究中,很多关于癌症的高通量实验数据被发布在公共数据库中,例如,GEO数据库中的基因表达芯片数据数量庞大,通常有助于各实验特定的研究目的,其中的大量信息可被跨实验综合利用。
    现有技术公开了,在癌细胞中有许多代谢通路被重调以适应癌症的特定需求或促进癌症的发生发展;有研究通过计算方法挖掘整合公共数据库中的高通量数据以研究癌细胞相对的代谢变化,寻找居于核心地位的酶,以期通过影响这些酶的表达来影响癌细胞代谢过程,进而起到治疗癌症的作用。
    关于对大规模数据的处理,本领域公知,其中除了依赖于数据的质量,还依赖于适宜的计算方法;由于计算模拟方法具有易操作性,通过计算机模拟进行癌症代谢特征分析并预测候选靶点可以为下一步大规模实验验证节约大量的时间和经费。目前,迫切需要一种可以通过大规模数据预测癌症治疗靶点的计算方法,为癌症的治疗方案的设计提供新的可能性。
    与本发明有关的参考文献:
    1.Arakaki AK,Mezencev R,Bowen NJ et al:Identification of metabolites with anticancer properties by computational metabolomics.Mol Cancer 2008,7:57.
    2.Ruan J,Dean AK,Zhang W:A general co-expression network-based approach to gene expression analysis:comparison and applications.BMC systems biology 2010,4(1):8.
    3.Ruan J,Zhang W:Identifying network communities with a high resolution.Phys Rev E Stat Nonlin Soft Matter Phys 2008,77(1 Pt 2):016104.
    4.Ma H,Zeng AP:Reconstruction of metabolic networks from genome data and analysis oftheir global structure for various organisms.Bioinformatics 2003,19(2):270-277.
    5.Horne AB,Hodgman TC,Spence HD et al:Constructing an enzyme-centric view of metabolism.Bioinformatics 2004,20(13):2050-2055.
    6.Tan SH,Lee SC,Goh BC et al:Pharmacogenetics in breast cancer therapy.Clin Cancer Res 2008,14(24):8027-8041.
    7.Greco F,Vicent MJ,Penning NA et al:HPMA copolymer-aminoglutethimide conjugates inhibit aromatase in MCF-7 cell lines.J Drug Target 2005,13(8-9):459-470.
    8.Martinez-Campa C,Gonzalez A,Mediavilla MD et al:Melatonin enhances the inhibitory effect of aminoglutethimide on aromatase activity in MCF-7 human breast cancer cells.Breast Cancer Res Treat 2005,94(3):249-254.
    9.Shirakawa H,Katsuki H,Kume T et al:Aminoglutethimide prevents excitotoxic and ischemic injuries in cortical neurons.Br J Pharmacol 2006,147(7):729-736.
    10.Xu X,Qiao M,Zhang Y et al:Quantitative proteomics study of breast cancer cell lines isolated from a single patient:discovery of TIMM17A as a marker for breast cancer.Proteomics 2010,10(7):1374-1390.
    11.Langbein S,Zerilli M,Zur Hausen A et al:Expression of transketolase TKTL1 predicts colon and urothelial cancer patient survival:Warburg effect reinterpreted.Br J Cancer 2006,94(4):578-585.
    12.Foldi M,Stickeler E,Bau L et al:Transketolase protein TKTL1 overexpression:A potential biomarker and therapeutic target in breast cancer.Oncol Rep 2007,17(4):841-845.。
    发明内容
    本发明的目的在于提供一种基于基因芯片数据和代谢网络测定癌症关键代谢酶的方法,尤其涉及寻找癌症关键代谢酶以作为候选药物治疗靶点的方法(Met-express);本方法采用基因表达芯片,从中建立基因共表达网络,将之划分为共表达???,与代谢网络整合,结合多个数据集的结果,最终给出预测;本方法可有效地预测癌症中处于关键地位可能可重调代谢过程的酶以进一步为药物开发提供候选靶点。
    具体而言,本发明的一种基于基因芯片数据和代谢网络测定癌症关键代谢酶的方法,其特征在于,其包括步骤:
    (1)选择具有人类癌症、正常样本对照的基因表达芯片数据,建立共表达网络;
    (2)将共表达网络划分为???,并鉴定??榈陌┲⑻匾煨?;
    (3)将共表达网络??橛肴死啻煌缯?,对代谢网络中的每个酶进行打分;
    (4)结合来自不同癌症、不同数据集的结果,给出高分酶作为预测结果。
    本发明中,基于基因表达芯片数据和代谢网络,将共表达网络与代谢网络整合,对 所有存在于共表达网络中的酶进行重要性打分,得分高的酶设定其在癌症代谢中处于关键地位,拟定为治疗靶点,则方法(Met-express)中通过:若给定一个癌症特异的基因共表达???,该??橹械幕蚪υ谙喙氐纳锕讨谢虮还驳骺?,若其中一个酶编码基因与其在代谢网络中的较多近邻共存在此共表达??橹?,那么该酶基因具有更大的改变癌细胞代谢状况的可能性;
    本发明所述的方法(Met-express)中,将癌症的表达芯片数据划分为共表达???,并将该信息与KEGG的代谢网络整合,根据??樘匾煨约懊赣氪唤谠谀?橹械墓泊媲榭龆悦扛雒富蚪写蚍?,综合来自不同表达芯片数据的结果,得到高分的预测;预测所得的酶基因和其相关代谢物(底物或产物)经文献验证,对有关癌症具有重要的潜在治疗价值(如图1所示)。
    本发明的方法步骤(1)中,建立基因共表达网络的步骤为,
    从GEO数据库(www.ncbi.nlm.nih.gov/geo)下载癌症的GDS数据,小于10个样本的数据集不纳入考虑;所选取的数据集必须同时包括癌症样本和正常样本,尤其是来自组织而非细胞系的数据;实验所用的样本必须是未经药物或其他刺激处理过的,因此,所选取的数据集在实验背景上较为一致,更具有可比性,且由于选取的是组织数据,更接近于体内情况;
    首先,对数据进行如下预处理:①在一个数据集中,对于每一个基因,若对应探针的表达中位值有不少于80%为空缺值,则该基因将被删除,不用于后续分析;②对于每一种癌症,选取两个数据集共有的基因进行后续分析;③对于每一个数据集,上述步骤之后留下的每一个基因,表达值取其对应的所有探针表达值的中位值;④对于每一个数据集,做Qauntile标准化(使用R中limma包的normalizeQuantiles函数);⑤对于每一个数据集,用KNN的方法补缺失值(使用R中impute包的impute.knn函数);⑥将每一个数据集上表达值做log2转化;
    然后,依照Ruan等提出的基于表达相似度排序的构建基因共表达网络的方法,对于每一个数据集建立一个共表达网络;其中,表达相似度使用皮尔森相关系数(Pearson Correlation Coefficient,PCC)度量,对于每个基因,将其他所有基因与之的表达相关度进行排序,取前三个基因作为共表达的基因;
    本发明方法的步骤(2)中,划分共表达网络为??榈牟街栉?
    采用Qcut对每一个共表达网络进行??榛?,所得的亚网络结构具有最优化的??槎龋∕odularity函数function(Q)),且??槟诹颖人婊诖?;所述Qcut已经在合成网络、社会网络和真实生物学网络中检测过,该方法被证明能够有效地找到特别有意义的、在特异GO terms(gene ontology terms)中富集基因的亚网络(??椋?;每一个数据集所划分为??楹?,只选取基因数不小于10个的??榻兄蟮姆治?;
    本发明方法的步骤(3)中,共表达网络性质和??榈陌┲⑻匾煨约扑愕牟街栉?
    对每一个数据集,计算其中连接度与对应点的个数,分别取log10底,画图,并计算线性回归r值,得到所建立的共表达网络的网络性质;
    其中,衡量一个??橛氚┲⒌南喙爻潭鹊牟街栉杭觳饷扛鲅局忻扛瞿?榛虮泶锏闹形恢?,根据该中位值区分癌症和正常样本的准确程度画ROC曲线,对每一个曲线得到一个AUC值(曲线下面积),该面积范围是0~1;面积值越远离0.5,代表该??楸泶镏翟侥苷非职┲⒑驼Q?,就认定该??橛氚┲⒌墓叵蹈裘?;AUC小于0.5代表该??樵诎┲⒅邢碌?,而AUC大于0.5代表该??樵诎┲⒅猩系鳎ū痉⒚鞫员攘瞬煌珹UC的??樗患腉O);
    本发明方法中,建立酶网络的步骤为:
    从KEGG数据库(www.genome.jp/kegg/)中下载人类的KEGG Makeup Language(KGML)文件;所述KGML文件中包含代谢反应、对应的代谢物和酶、基因的信息;然后,根据人类代谢网络,建立一个酶网络;因为代谢网络中参与众多反应的一些代谢物,如H2O,ATP和NADP等,会破坏网络的结构,造成一些原本不存在的“近路”,因此需将该代谢物去掉;参照现有技术中使用的方法,用以下步骤去掉一部分代谢物:①统计代谢物所参与的反应数,发现大多数代谢物参与的反应数低于10个,一些代谢物参与10-18个反应,只有较少的代谢物参与大于18个反应,因此,首先去掉参与反应数大于18个的代谢物;②去掉只参与“Xenobiotics Biodegradation and Metabolism”中代谢反应的代谢物;
    然后,用筛选的代谢物和反应构建酶网络;对于每一个酶A,若其参与反应的产物被另一个酶B用作反应底物,则A被连接到B,方向为A->B;酶网络的网络性质用R的bigraph包进行计算;
    本发明方法的步骤(4)中,预测关键酶和代谢物的步骤为:
    将所构建人类酶网络对应到酶编码基因和共表达网络??橹泻?,对于每一个数据集的每一个???,计算每一个酶基因与??槟诤湍?橥獾拿富蛟诿竿缰械牧邮?;若一个酶基因与??槟谄渌富蛟诖煌缰械牧邮?Cin)大于基于总连接数(Call)的期待值,则该酶基因被认为是一个关键酶基因;本发明采用下述打分公式衡量酶基因的重要程度:
    Sgene=|AR-0.5|*log2Cin/CallNin/Nall---(1)]]>
    在上述公式中,AR为基因所在??榍职┲⒀竞驼Q镜腞OC曲线下面积(AUC-ROC),Cin是酶基因与??槟谄渌富虻脑诿竿缰械牧佣?,Call为酶基因与酶网络中存在于该数据集所有??橹械钠渌富虻牧佣?;Nin和Nall分别为在该??槟诘拿富蚴驮诟檬菁兴心?橹械拿富蚴?;
    本发明中,所述的Call*Nin/Nall为一个简化的、衡量一个酶基因在??橹械牧邮诖档姆椒?;若观察到酶基因的连接数大于期待值,则该基因得到一个正分值,反之亦然;因此,Sgene整合了上述两种网络的信息,包含了??橛氚┲⒌墓叵岛兔富蚨阅?榈闹匾粤椒矫嫘畔?;
    本发明中,为了消除可能的噪声,并使结果更可靠,将同一种癌症的两个数据集所得到的酶的分值相加然后进行排序;对于每一种癌症选择分值较大的关键酶作为预测结果。
    本发明所述的基于基因芯片数据和代谢网络测定癌症关键代谢酶的方法的优点在于,
    1,首次使用网络整合的方法作为一种预测方法寻找癌症关键酶,所使用的构建共表达网络和网络划分方法均较适用于生物学数据,能得到具有生物学意义的???;网络整合后结合了表达??樘匾煨院屯缤仄私峁剐畔⒍悦附写蚍?,能更好地利用来自两方面的信息;经比较,本方法比单独使用基因共表达网络或代谢网络更能找到有效的靶点;
    (2)本发明所预测的新的潜在靶点中,对其中的5个进行了细胞实验,结果验证 了通过所述的靶点可抑制非小细胞肺癌、乳腺癌细胞的增殖迁移,促进其凋亡坏死。
    本发明的方法(Met-express),可预测对于癌症代谢的关建酶,作为癌症药物治疗的候选靶点;每一个预测的癌症关键酶基因可对应到所涉及反应的代谢物,作为每种癌症的关键代谢物预测结果,该代谢物也可作为候选的药物设计基础代谢物;本发明所述的方法还可用于筛选癌症及其他与代谢重调相关的复杂疾病的药物靶点。
    附图说明
    图1为本发明方法的流程图。
    具体实施方式
    实施例1
    本发明中,将所述的方法用于非小细胞肺癌、乳腺癌、白血病中,每种疾病选取两个基因表达数据集,分别构建共表达网络;然后,按照癌症对每个数据集中产生的打分进行综合,即得到对每个癌症分别的高分预测酶;经与Drugbank等数据库及现有发表文献中的证据进行比较,结果显示,所预测的高分酶更倾向于是已知的治疗癌症的靶点及文献中报道与癌症机制相关的酶。
    其中,已知药物靶点:
    HPRT1在三种癌症预测结果中同时存在,是一种经典抗癌药物Mercaptopurine的靶点;所述HPRT1编码次黄嘌呤磷酸核糖转移酶1,该酶对于核酸生物合成很重要,抗癌药物Mercaptopurine与次黄嘌呤和鸟嘌呤竞争抑制该酶,从而抑制癌细胞的生长和增殖。
    所述CYP19A1在乳腺癌中被预测,其编码细胞色素P450芳香化酶,在乳腺癌治疗中被广泛研究和应用;该酶催化C18雌激素芳构化至C19雄激素的反应,上述过程可被Aminoglutethimide抑制从而治疗雌激素依赖型乳腺癌。
    文献证明机制相关:
    MTHFD2同时出现在肺癌和乳腺癌的预测结果中,其所编码的酶具有两种功能活性——亚甲基四氢叶酸脱氢酶活性和亚甲基四氢叶酸环化水解酶活性,gauge酶在叶酸介导的代谢过程中起作用;所述MTHFD2已被报道可作为乳腺癌的一个新标记,其在乳腺癌细胞系中表达升高。
    TKTL1是对乳腺癌预测的关键酶基因,其编码转羟乙醛酶类似酶1(transketolase-like 1),研究发现抑制转羟乙醛酶可抑制肿瘤生长,促进肿瘤凋亡,因而TKTL1成为了抗转羟乙醛酶治疗乳腺癌和其他癌症的候选靶点。
    因此,本发明所述的方法能为单靶点及多靶点联合用药治疗癌症提供一系列高分值候选靶点,具有潜在的临床应用价值;本发明方法能明显缩小实验搜寻的范围并加快靶点寻找进程,节约大量时间及费用?!  ∧谌堇醋宰ɡ鴚ww.www.4mum.com.cn转载请标明出处

    关于本文
    本文标题:基于基因芯片数据和代谢网络测定癌症关键代谢酶的方法.pdf
    链接地址://www.4mum.com.cn/p-6120773.html
    关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服 - 联系我们

    [email protected] 2017-2018 www.4mum.com.cn网站版权所有
    经营许可证编号:粤ICP备17046363号-1 
     


    收起
    展开
  • 浪潮孙丕恕从信息时代到智能时代 人工智能价值将爆发式释放 2019-12-21
  • 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 多乐山东麻将下载 福建11选5时时彩 如何下载一尾中特 竞彩篮球大小分盈利 云南快乐十分走势图人 彩票3d如何能够赚钱吗 江西快3二元网 pk10杀号软件下载 大奖得主 p3开机号牛彩网今天 电竞比分软件 网上真人打鬼麻将赌博 榨果汁怎么赚钱 湖北快3开奖结果走势 篮球投注 天津十一选五开奖