目的:通过筛选与膀胱癌生存预后相关的非编码小分子核糖核酸(microRNAs,miRNAs),构建风险预后模型评价患者预后。方法:从人类癌症基因图谱(The Cancer Genome Atlas,TCGA)数据库下载膀胱癌miRNAs与mRNAs数据及对应的临床相关信息,筛选...目的:通过筛选与膀胱癌生存预后相关的非编码小分子核糖核酸(microRNAs,miRNAs),构建风险预后模型评价患者预后。方法:从人类癌症基因图谱(The Cancer Genome Atlas,TCGA)数据库下载膀胱癌miRNAs与mRNAs数据及对应的临床相关信息,筛选差异的miRNAs和mRNAs。对差异的miRNAs进行Kaplan-Meier(K-M)生存分析和单因素Cox回归分析评价筛选得到与预后相关的miRNAs。采用多因素Cox回归进一步分析获得风险模型目标miRNAs,建立最佳风险预后模型,评价模型效能。通过在线数据库和差异mRNAs数据对结合的miRNA靶基因进行筛选,然后进行KEGG和GO富集分析,预测miRNAs靶基因功能。结果:筛选得到膀胱癌差异miRNAs有473个,差异mRNAs有7106个。运用K-M生存分析及单因素Cox回归筛选得到24个与膀胱癌患者生存预后相关的miRNAs,进一步通过多因素Cox回归得到11个与风险预后模型紧密相关的miRNAs,成功构建miRNAs风险预后模型。模型风险评分=(-0.4×Exp_(hsa-miR-145-5p))+(-0.928×Exp_(hsa-miR-99a-5p))+(-0.295×Exp_(hsa-miR-7705))+(-0.566×Exp_(hsa-miR-590-3p))+(0.201×Exp_(hsa-miR-337-3p))+(0.576×Exp_(hsa-miR-125b-2-3p))+(0.345×Exp_(hsa-miR-652-3p))+(-0.718×Exp_(hsa-miR-143-5p))+(0.286×Exp_(hsa-miR-3065-3p))+(0.282×Exp_(hsa-let-7c-3p))+(0.145×Exp_(hsa-miR-216a-5p))。模型的受试者工作特征曲线(receiver operating characteristic curve,ROC)曲线下面积(the area under the ROC curve,AUC)为0.781,提示风险预后模型具有较好的预测效能。K-M生存分析提示模型评分越高的患者5年生存率越低。GO和KEGG富集分析显示,模型miRNAs能够调控多种泌尿系统活性信号和相关通路,介导膀胱癌疾病进展。结论:成功构建膀胱癌miRNAs风险预后评估模型,为临床膀胱癌患者生存预测提供了一定的价值。展开更多
文摘目的:通过筛选与膀胱癌生存预后相关的非编码小分子核糖核酸(microRNAs,miRNAs),构建风险预后模型评价患者预后。方法:从人类癌症基因图谱(The Cancer Genome Atlas,TCGA)数据库下载膀胱癌miRNAs与mRNAs数据及对应的临床相关信息,筛选差异的miRNAs和mRNAs。对差异的miRNAs进行Kaplan-Meier(K-M)生存分析和单因素Cox回归分析评价筛选得到与预后相关的miRNAs。采用多因素Cox回归进一步分析获得风险模型目标miRNAs,建立最佳风险预后模型,评价模型效能。通过在线数据库和差异mRNAs数据对结合的miRNA靶基因进行筛选,然后进行KEGG和GO富集分析,预测miRNAs靶基因功能。结果:筛选得到膀胱癌差异miRNAs有473个,差异mRNAs有7106个。运用K-M生存分析及单因素Cox回归筛选得到24个与膀胱癌患者生存预后相关的miRNAs,进一步通过多因素Cox回归得到11个与风险预后模型紧密相关的miRNAs,成功构建miRNAs风险预后模型。模型风险评分=(-0.4×Exp_(hsa-miR-145-5p))+(-0.928×Exp_(hsa-miR-99a-5p))+(-0.295×Exp_(hsa-miR-7705))+(-0.566×Exp_(hsa-miR-590-3p))+(0.201×Exp_(hsa-miR-337-3p))+(0.576×Exp_(hsa-miR-125b-2-3p))+(0.345×Exp_(hsa-miR-652-3p))+(-0.718×Exp_(hsa-miR-143-5p))+(0.286×Exp_(hsa-miR-3065-3p))+(0.282×Exp_(hsa-let-7c-3p))+(0.145×Exp_(hsa-miR-216a-5p))。模型的受试者工作特征曲线(receiver operating characteristic curve,ROC)曲线下面积(the area under the ROC curve,AUC)为0.781,提示风险预后模型具有较好的预测效能。K-M生存分析提示模型评分越高的患者5年生存率越低。GO和KEGG富集分析显示,模型miRNAs能够调控多种泌尿系统活性信号和相关通路,介导膀胱癌疾病进展。结论:成功构建膀胱癌miRNAs风险预后评估模型,为临床膀胱癌患者生存预测提供了一定的价值。
