铜死亡相关基因SLC31A1在肾细胞癌中的功能及预后价值

目的:探讨铜死亡相关基因SLC31A1在肾细胞癌的表达水平、肿瘤浸润免疫细胞相关性及其对预后的影响,并在体外实验中验证SLC31A1在肾细胞癌中的功能。方法:采用TCGA数据库收集肾细胞癌的临床数据及铜死亡相关基因转录组数据;采用HPA数据库收集蛋白表达数据;采用ssGSEA和Spearman分析计算免疫细胞浸润水平及其与铜死亡相关基因的关系;采用R语言比较肾细胞癌患者不同临床分期中SLC31A1的mRNA表达水平差异;采用Kaplan-Meier(KM)分析探索SLC31A1对肾细胞癌预后的影响;采用COX分析判断SLC31A1是否是独立预后因素;采用RT-qPCR检测SLC31A1 mRNA的表达水平。过表达质粒调控SLC31A1在细胞中的表达后采用克隆形成及划痕实验检测调控SLC31A1后对细胞增殖侵袭能力的影响。结果:铜死亡相关基因FDX1、DLD、DBT、SLC31A1、ATP7A、GCSH、DLST、DLAT、PDHA1、PDHB在肾细胞癌中的mRNA和蛋白水平均低于正常组织(P<0.05)。SLC31A1与17种瘤内免疫浸润细胞正相关(P<0.05)。SLC31A1与T分期、M分期和TNM分期负相关(P<0.05)。SLC31A1高表达的肾细胞癌患者的PFS和OS均优于SLC31A1低表达的患者(P<0.05)。单因素与多因素COX分析均显示SLC31A1是肾细胞癌的独立预后因素(P<0.05)。过表达SLC31A1后抑制了769-P细胞的增殖侵袭能力(P<0.05)。结论:铜死亡相关基因SLC31A1不仅与肾细胞癌免疫微环境和患者预后具有相关性,且可能参与调控肾细胞癌的增殖侵袭。

不平衡分类的数据采样方法综述

如何获得更加精确的分类效果一直是机器学习领域的重要研究内容,现有大多数分类器都是针对平衡的数据集来设计的。虽然平衡的数据训练出来的分类模型能取得较好的正负样本分类正确率,但现实生活中的数据往往是不平衡的,不平衡的数据使得正样本分类正确率急剧下降,不能满足机器学习对分类效果的要求。针对这种情况,综述了当前主流不平衡分类的数据采样方法。首先,阐述了欠采样方法,包括基于聚类和基于整合的欠采样方法;其次,对过采样方法进行了总结,包括基于k近邻、基于聚类、基于半监督、基于深度神经网络和基于进化算法的过采样方法;再次,对混合采样方法进行了总结;最后,总结了不平衡分类问题研究的发展趋势。

预后营养指数联合系统免疫炎症指数对预测食管鳞癌根治性同步放化疗/放疗患者生存的临床价值

目的:探索预后营养指数(prognostic nutritional index,PNI)联合系统免疫炎症指数(systemic immune-inflammatory index,SII)预测接受根治性同步放化疗(concurrent chemoradiotherapy,CCRT)或放疗(radiotherapy,RT)的食管鳞癌(esophageal squamous cell carcinoma,ESCC)患者生存的临床价值。方法:回顾性分析2012年3月至2018年7月在四川省肿瘤医院接受根治性CCRT/RT的206例ESCC患者的临床资料。利用受试者工作特征(receiver operating characteristic,ROC)曲线获得PNI、SII最佳截断值,再根据格拉斯哥预后评分构建联合指标PNI+SII。采用COX比例风险模型分析影响总生存期(overall survival,OS)的独立预后因素。根据ROC曲线下面积(area under the curve,AUC)评价PNI、SII和PNI+SII预测预后的能力。结果:中位随访时间为50个月,中位OS为23.5个月。PNI与SII的最佳截断值分别为47.80和400.76。单因素及多因素分析显示,低PNI(PNI<47.80)、高SII(SII≥400.76)和PNI+SII=0分、1分是影响ESCC患者OS的独立危险因素(P<0.05)。在预测OS上,相比PNI和SII,PNI+SII的AUC分别提高了4.5%和2.5%。结论:PNI、SII和PNI+SII或为预测接受根治性CCRT/RT的ESCC患者预后的有效指标。