一种低复杂度逐次逼近型数模转换器设计与仿真

一种低复杂度逐次逼近型数模转换器设计与仿真[J]. 华南师范大学学报(自然科学版), 2018, 50(6): 12-19. DOI: 10.6054/j.jscnun.2018111
引用本文: 一种低复杂度逐次逼近型数模转换器设计与仿真[J]. 华南师范大学学报(自然科学版), 2018, 50(6): 12-19. DOI: 10.6054/j.jscnun.2018111
HU Y F, YI Z C, SHUI L L, HE Z H, CHEN L S, WEN Y, LI N, ZHOU G F. The Design and Simulation of a Low Complexity SAR ADC[J]. Journal of South China Normal University (Natural Science Edition), 2018, 50(6): 12-19. DOI: 10.6054/j.jscnun.2018111
Citation: HU Y F, YI Z C, SHUI L L, HE Z H, CHEN L S, WEN Y, LI N, ZHOU G F. The Design and Simulation of a Low Complexity SAR ADC[J]. Journal of South China Normal University (Natural Science Edition), 2018, 50(6): 12-19. DOI: 10.6054/j.jscnun.2018111

一种低复杂度逐次逼近型数模转换器设计与仿真

基金项目: 

国家自然科学基金项目;广东省引进创新科研团队计划资助;深圳市科创委股权投资项目;广东省科技计划项目;广东省科技计划项目;中山市科技计划项目;中山市科技计划项目

详细信息
    通讯作者:

    周国富

  • 中图分类号: TP453

The Design and Simulation of a Low Complexity SAR ADC

  • 摘要: 为了降低模数转换器复杂度和功耗,基于低复杂度电容阵列DAC设计了一种低功耗逐次逼近型模数转换器(SAR ADC). 该结构中,电容阵列DAC每个电容只有两种参考电平选择,降低逻辑控制电路和电容驱动电路的复杂度,电容阵列DAC最低位电容参与转换,使需要的总单位电容数量相比单调结构减少一半;比较器采用两级动态结构,降低功耗;移位寄存器采用动态锁存电路结构,降低功耗和减少误码;电容驱动电路采用CMOS反相器结构,减少晶体管数量. SAR ADC电路仿真结果显示:在1.0 V电源电压和采样速率为100 kHz 时,SAR ADC功耗为0.45 W ,有效位(ENOB)为9.99 bit ,其单步转换功耗为4.4 fJ.
    Abstract: In order to reduce the complexity and power consumption of ADCs, a low-power successive approximation analog-to-digital converter (SAR ADC) is designed based on a low-complexity capacitive array DAC. In this structure, only two reference levels are selected for each capacitor of the capacitor array DAC to reduce the complexity of the logic control circuit and the capacitor driving circuit. The LSB capacitor of the capacitor array DAC is involved in the conversion, so that the required total unit capacitance is smaller than that of the monotonic structure, and reduced by half; The comparators adopt two-stage of dynamic structure, reduce the power consumption; The SAR adopts the structure of the dynamic latch circuit, reduce the power consumption and reduce the code error; The capacitive drive circuit adopts CMOS inverter structure, reduce the quantity of the transistor. The simulation results of SAR ADC circuit show that the SAR ADC consumes 0.45 W at a power supply voltage of 1.0 V and a sampling frequency of 100 kHz, with an ENOB of 9.99 bits and single-step conversion power consumption of 4.4 fJ.
  • 癌症已成为危害人类健康的最大因素之一[1],口腔癌是最常见的癌症之一,吸烟和饮酒被认为是其最主要的致病因素[2],1990—2017年世界口腔癌发病率和病死率增长了一倍[3]. 目前, 口腔癌主要的治疗手段是通过手术治疗,而且早期的口腔癌不容易诊断,降低了患者的生存率,且预后较差,晚期口腔癌患者的5年生存率仍然低于63%[4]. 近年来,大量研究表明,基因的异常表达是导致口腔癌发生与发展的重要因素,因此,从分子水平对口腔癌组织进行研究,探索口腔癌的发病机制和可能的治疗靶点具有重要意义.

    微小核糖核酸(MicroRNAs, miRNAs)是由内源性发夹结构转录产物衍生而来的一种具有22个左右核苷的单链RNA[5],是基因表达的重要调节因子. miRNAs通过靶向mRNAs的翻译抑制或切割来抑制基因表达[6]. 据估计,30%的人类基因可能受到miRNAs的调控[7]. 越来越多的miRNAs与人类疾病的研究表明,miRNAs与人类疾病尤其是癌症的发生密切相关[8].

    目前,生物信息学及基因芯片技术已广泛应用于基因变化所致肿瘤的研究中. 借助现有的miRNAs基因芯片数据,挖掘与口腔癌相关的miRNAs可以探索口腔癌的发生机制,并对口腔癌的早期诊断及治疗提供数据及基础. 本研究利用生物信息学方法对GEO数据库中的口腔癌miRNAs表达数据进行分析,筛选差异表达的miRNAs,并通过基因富集分析分析差异表达的miRNAs的功能,为口腔癌的靶向治疗提供一定的理论依据.

    口腔癌miRNAs芯片表达数据集(GSE124566和GSE113956)从GEO数据库[9](https://www.ncbi.nlm.nih.gov/geo)下载,GSE124566含有10个口腔癌组织样本和10个正常组织样本,GSE113956含有25个口腔癌组织样本和15个正常组织样本. 平台分别为GPL18402和GPL18058,芯片研究类型为Non-coding RNA profiling by array,种属为homo sapiens,都是标准的口腔组织,具有代表性与典型性.

    利用GEO2R在线分析工具(http://www.ncbi.nlm.nih.gov/geo/geo2r/)分析口腔癌与正常组织之间的差异表达miRNAs. 针对差异表达miRNAs采用阈值标准来计算基因表达的Fold Change和校正P值, P≤0.05, |log2 FC|≥1作为有统计学意义为标准,每个数据集的所有差异用miRNAs火山图表示.

    为了使结果更加规范、准确,需要使用Venn Diagram在线工具(http://bioinformatics.psb.uget.be/webtools/Venn)进行筛选上述2个数据集共同的差异表达miRNAs.

    基因本体论分析[10](Gene Ontology,GO)是对基因和蛋白功能进行分类和描述的分析,包括细胞学组分(Cellular Components, CC)、生物学过程(Biological Process, BP)、分子生物学功能(Molecular Function, MF). 京都基因和基因组百科全书[11](KEGG)用于注释参与其中的基因列表和信号通路网络.

    FunRich(http://funrich.org/)是一个独立的软件工具,主要用于基因和蛋白质的功能和相互作用网络分析[12],可用于绘制韦恩图,其最大的优点是可以进行基因ID转换、基因富集和miRNAs的富集分析并可直接进行可视化等. 本研究利用FunRich3.1.3对GO和KEGG通路进行富集分析来确定差异表达miRNAs的功能.

    为了探索上述筛选出来的差异表达miRNAs作用的靶标基因,方便后期对靶标基因进行研究. 本研究使用miRWalk3.0(http://mirwalk.umm.uni-heidelberg.de/)对差异表达的miRNAs进行靶标基因的预测.

    利用FunRich寻找靶基因的蛋白相互作用关系,筛选连接度前10位的基因作为网络核心基因.

    本研究从GEO(Gene Expression Omnibus)数据库下载了2个不同的口腔癌miRNAs芯片表达数据集(GSE124566和GSE113956),GSE124566含有10个口腔癌组织样本和10个正常组织样本,GSE113956含有25个口腔癌组织样本和15个正常组织样本. 用GEO2R在线分析工具,调整后P≤0.05, |log2 FC|≥1作为截断值的标准,以分析口腔癌和正常组织之间的差异表达miRNAs.

    在GSE124566和GSE1139566中分别筛选了总共109、1 079个差异表达miRNAs,分别包括41、673个上调基因和68、406个下调基因,图 1为这2个数据集的火山图,横坐标表示log2 FC(癌症样本比正常样本),纵坐标表示-log10 P. 其中黄色的点表示不显著的差异表达miRNAs,红色的点表示上调的差异表达miRNAs,蓝色的点表示下调的差异表达miRNAs.

    图  1  口腔癌miRNAs数据集表达水平火山图
    Figure  1.  The volcano map of miRNA expression level in the oral cancer data set

    为了得到更有可信度的差异表达miRNAs,分别对2个数据集上调和下调的miRNAs分别绘制韦恩图取交集(图 2),结果得出16个上调的共表达差异miRNAs(表 1)和14个下调的共表达差异miRNAs(表 2).

    图  2  共同差异表达miRNAs Venn图
    Figure  2.  The common differential expression miRNAs Venn map
    表  1  16个差异表达上调的miRNAs的P及log2 FC
    Table  1.  The P value and log2 FC of 16 miRNAs with up-regulated differential expression
    miRNA P log2 FC
    hsa-miR-513b 6.330×10-9 2.750 163
    hsa-miR-744-5p 2.233×10-8 2.284 359
    hsa-miR-375 7.553×10-16 4.135 624
    hsa-miR-1471 1.173×10-3 1.197 684
    hsa-miR-598 1.253×10-4 1.090 587
    hsa-miR-4324 1.623×10-5 1.356 905
    hsa-miR-378a-5p 3.103×10-8 3.065 295
    hsa-miR-29c-5p 8.863×10-12 3.915 925
    hsa-miR-1224-5p 2.123×10-4 1.316 750
    hsa-miR-3911 1.783×10-21 2.475 252
    hsa-miR-4647 4.793×10-10 2.891 719
    hsa-miR-3188 1.823×10-18 4.603 102
    hsa-miR-24-1-5p 4.683×10-3 1.151 63
    hsa-miR-204-5p 1.333×10-3 1.574 574
    hsa-miR-338-3p 1.023×10-6 2.736 121
    hsa-miR-513c-5p 2.153×10-17 2.510 716
    下载: 导出CSV 
    | 显示表格
    表  2  14个差异表达下调的miRNAs的P及log2 FC
    Table  2.  The P value and log2 FC of 14 miRNAs with down regulated differential expression
    miRNAs P log2 FC
    hsa-miR-4778-5p 2.593×10-14 -2.410 98
    hsa-miR-31-5p 1.933×10-2 -1.342 41
    hsa-miR-299-3p 1.743×10-6 -2.222 96
    hsa-miR-4419a 1.453×10-11 -3.270 17
    hsa-miR-223-3p 1.583×10-6 -1.155 63
    hsa-miR-142-5p 1.293×10-4 -2.564 01
    hsa-miR-23a-5p 1.753×10-12 -1.997 68
    hsa-miR-374c-5p 7.603×10-4 -1.400 69
    hsa-miR-454-3p 2.263×10-4 -1.954 80
    hsa-miR-625-5p 6.983×10-20 -3.165 28
    hsa-miR-765 1.823×10-3 -1.113 14
    hsa-miR-21-5p 1.523×10-4 -1.207 61
    hsa-miR-142-3p 9.313×10-4 -2.640 01
    hsa-let-7i-5p 6.863×10-8 -1.426 81
    下载: 导出CSV 
    | 显示表格

    LU等[13]将6种口腔癌细胞系与正常角质形成细胞作比较,发现在口腔癌细胞系中miR-31表达下调,这与本研究结果一致.

    为了进一步明确30个共同差异表达miRNAs的生物学功能,利用软件FunRich对差异表达miRNAs进行了GO与KEGG生物途径富集分析.

    GO分析结果显示:16个上调的miRNAs的细胞组分主要在细胞核(Nucleus)、细胞质(Cytoplasm)、细胞质膜(Plasma membrane)、溶酶体(Lysosome)和核仁(Nucleolus)(图 3A);分子功能主要集中在转录因子活性(Transcription factor activity)、转录调节活性(Transcription regulator activity)、RNA结合(RNA binding)、丝氨酸/苏氨酸激酶活性(Protein serine/thereonine kinase activity) 和受体信号蛋白丝氨酸/苏氨酸蛋白激酶活性(Receptor signacling protein serine/threonine kinase activity)(图 3B);生物学过程主要富集在在转运(Transport),信号转导(Signal transduction),碱基、核苷、核苷酸和核酸代谢的调节(Regulation of nucleobase, nucleoside, nucleotide and nuclelc acid metabolism),基因表达和表观遗传的调控(Regulation of gene expression,epigenetics),囊泡介导的转运(Vesicle-mediated transport)(图 3C).

    图  3  共同差异表达上调miRNAs GO分析
    Figure  3.  The GO analysis of up-regulated miRNAs in common differential expression

    14个下调的miRNAs的细胞组分主要富集细胞核(Nucleus)、细胞质(Cytoplasm)、细胞质膜(Plasma membrane)和溶酶体(Lysosome)和高尔基体(Golgl aparatus)(图 4A);分子功能主要集中转录因子活性(Transcription factor activity)、转录调节活性(Transcription regulator activity)、RNA结合(RNA binding)、泛素蛋白特异性蛋白酶活性(Ubiquitin-specific protease activity)和转运蛋白活性(Transporter activity)(图 4B);生物学过程主要富集在转运(Transport),信号转导(Signal transduction),碱基、核苷、核苷酸和核酸代谢的调节(Regulation of nucleobase, nucleoside, nucleotide and nucleic acid metabolism),基因表达和表观遗传的调控(Regulation of gene expression, epigenetics)和细胞间通讯(Cell communication)(图 4C).

    图  4  共同差异表达下调miRNAs的GO分析
    Figure  4.  The GO analysis of down-regulated miRNAs in common differential expression

    KEGG/生物途径分析显示:上调的miRNAs主要参与蛋白多糖多配体多糖介导的信号(Proteoglycan syndecan-mediated signaling events)、ErbB受体信号网络(ErbB receptor signaling network) 和磷脂酰肌醇蛋白聚糖通路(Glypican pathway)、质膜雌激素受体信号转导(Plasma membrane estrogen receptor signaling)和LKB1信号(LKB1 signaling events)(图 5A). 另外,下调的miRNAs主要参与蛋白多糖多配体多糖介导的信号(Proteoglycan syndecan-mediated signaling events)、ErbB受体信号网络(ErbB receptorsignaling network)和磷脂酰肌醇蛋白聚糖相关通路(Glypican pathway)、β整合素细胞表面相互作用(β integrin cell surface interactions),和整合素家族细胞表面相互作用(Integrin family cell surface interactions)(图 5B).有研究表明miR-23、miR-142-3p以及miR-223参与了口腔癌变的磷脂酰肌醇激酶参与的相关通路[14],与本研究结果一致.

    图  5  共同差异表达miRNAs的KEGG分析
    Figure  5.  The KEGG analysis of common differentially expressed miRNAs

    经过前面的筛选,获得了30个共同差异表达的miRNAs,打开靶标基因预测工具miRWalk3.0,点击Target Ming里的miRNAs,导入30个差异表达的miRNAs进行靶基因预测,最后得到SMG7NFIARIMS1POTEA 等13 796个靶基因.

    利用FunRich对靶基因进行相互作用分析,获得了蛋白相互作用网络,经筛选并在蛋白相互作用网络中寻找连接数前10位的作为核心基因. 经过筛选发现,编码生长因子受体结合蛋白2基因(GRB2)、编码表皮生长因子受体基因(EGFR)、编码酪氨酸3单加氧酶基因(YWHAG)、编码调控细胞分裂增殖的Tp53蛋白基因(TP53)、酪氨酸激酶基因(ABL1) 、肿瘤坏死因子受体相关因子(TRAF6)、编码核蛋白的癌基因(MYC)、转化生长因子TGF-β信号转导相关基因(SMAD2)、B细胞k轻肽基因增强子抑制因子(IKBKE)和编码非受体酪氨酸激酶基因(SRC)是靶基因相关蛋白相互作用网络中的核心基因.

    目前,对口腔癌的治疗来说,大多数还是放疗、化疗和手术切除病变位置,这些方法的治疗效果不理想,预后较差,导致口腔癌患者的生存率不高,对于口腔癌在分子层面的发病机制和预后机制的研究也相对较少. 所以,研究发现有关口腔癌在分子层面的发病机制有利于对口腔癌有更清楚的认识,以及更有利于研发癌症靶向治疗的药物.

    根据上文可以发现:(1)在分子功能方面,差异表达的miRNAs最显著集中于转录调节活性和转录因子活性. 可见,差异表达的miRNAs对某种口腔癌基因的表达有显著或轻微的抑制作用,是普遍转录因子还是特异性转录因子发挥作用尚不明确. (2)在细胞组分方面,差异表达下调的miRNAs与差异表达上调的miRNAs不同的是下调的miRNAs富集于高尔基体,其作用主要是将蛋白质加工和运输后送到细胞特定的部位或者细胞外,差异表达下调的miRNAs这一独特的作用也在分子功能富集上得到了验证,差异表达下调的miRNAs区别于上调的miRNAs不同的是下调的miRNAs主要富集在蛋白转运. 根据这一特点可知,下调的miRNAs对某些蛋白的转运起作用,后期如果能找到生物标志物,那么下调miRNAs很有可能成为新的治疗靶点. (3)在生物学过程方面,上调和下调miRNAs主要差别在于转运和细胞间通讯过程,可推测它们分别参与物质传递和信息交流相关过程. (4)在差异表达miRNAs参与的生物通路方面,不同之处在于上调的miRNAs主要参与质膜雌激素受体信号转导和LKB1信号通路,下调的miRNAs主要参与整合素家族细胞表面相互作用相关通路,这些都可能对研究口腔癌患者发生恶性肿瘤的机制和预后机制提供一些线索.

    本研究也存在一定的局限性,差异表达的miRNAs以及涉及到的生物信号通路,尚未进行分子水平的验证,这将是下一步的研究目标.

    本研究对口腔癌与正常组织间的差异表达miRNAs进行分析,并对差异miRNAs进行GO功能注释、KEGG信号通路分析,使我们能够识别出一些miRNA,通过分析预测并通过PPI互作分析筛选出了联系最紧密的靶基因. 这些数据会为口腔癌检测提供一些有用的信息和方向.

计量
  • 文章访问数:  1380
  • HTML全文浏览量:  129
  • PDF下载量:  62
  • 被引次数: 0
出版历程
  • 收稿日期:  2018-01-20
  • 修回日期:  2018-07-02
  • 刊出日期:  2018-12-24

目录

/

返回文章
返回