目的探究非凋亡调节性细胞死亡基因(non-apoptotic regulatory cell death genes,NARCDs)预测肺腺癌预后的价值及其潜在生物学功能。方法我们下载癌症基因组图谱(The Cancer Genome Atla,TCGA)及基因表达综合(Gene Expression Omnibus,G...目的探究非凋亡调节性细胞死亡基因(non-apoptotic regulatory cell death genes,NARCDs)预测肺腺癌预后的价值及其潜在生物学功能。方法我们下载癌症基因组图谱(The Cancer Genome Atla,TCGA)及基因表达综合(Gene Expression Omnibus,GEO)数据库中肺腺癌的转录组数据。使用R软件分析在肺腺癌组织和正常组织之间存在差异表达的NARCDs。采用单变量Cox分析和LASSO-Cox回归分析构建NARCDs预后模型。采用生存分析曲线、受试者工作特征曲线、单因素和多因素Cox回归分析评估NARCDs预后模型对肺腺癌预后的预测能力。采用GSVA、GO和KEGG分析NARCDs预后模型的功能富集情况。此外,我们分析了高、低NARCDs评分组间的肿瘤突变负担、肿瘤微环境、肿瘤免疫功能障碍与排斥(Tumor Immune Dysfunction and Exclusion,TIDE)评分和化疗药物敏感性的差异。最后,使用STRING和Cytoscape软件构建NARCDs与免疫相关基因的蛋白-蛋白相互作用网络。结果我们确定了34个与预后相关的差异表达NARCDs,其中16个基因(ATIC、AURKA、CA9、ITGB4、DDIT4、CDK5R1、CAV1、RRM2、GAPDH、SRXN1、NLRC4、GLS2、ADRB2、CX3CL1、GDF15和ADRA1A)被用于构建NARCDs预后模型。NARCDs风险评分是肺腺癌的独立预后因素(P<0.001)。功能分析显示:高NARCDs评分组与低NARCDs评分组间在错配修复、p53信号通路和细胞周期方面存在显著差异(P<0.05)。低NARCD评分组的肿瘤突变负荷较低,免疫评分及TIDE评分较高,对药物的敏感性较低(P<0.05)。此外,蛋白-蛋白相互作用网络的10个关键基因(CXCL5、TLR4、JUN、IL6、CCL2、CXCL2、ILA、IFNG、IL33和GAPDH)均为免疫相关基因。结论基于16个基因构建的NARCDs预后模型是肺腺癌的独立预后因素,其能有效预测患者预后,并为临床治疗提供帮助。展开更多
文摘目的探究非凋亡调节性细胞死亡基因(non-apoptotic regulatory cell death genes,NARCDs)预测肺腺癌预后的价值及其潜在生物学功能。方法我们下载癌症基因组图谱(The Cancer Genome Atla,TCGA)及基因表达综合(Gene Expression Omnibus,GEO)数据库中肺腺癌的转录组数据。使用R软件分析在肺腺癌组织和正常组织之间存在差异表达的NARCDs。采用单变量Cox分析和LASSO-Cox回归分析构建NARCDs预后模型。采用生存分析曲线、受试者工作特征曲线、单因素和多因素Cox回归分析评估NARCDs预后模型对肺腺癌预后的预测能力。采用GSVA、GO和KEGG分析NARCDs预后模型的功能富集情况。此外,我们分析了高、低NARCDs评分组间的肿瘤突变负担、肿瘤微环境、肿瘤免疫功能障碍与排斥(Tumor Immune Dysfunction and Exclusion,TIDE)评分和化疗药物敏感性的差异。最后,使用STRING和Cytoscape软件构建NARCDs与免疫相关基因的蛋白-蛋白相互作用网络。结果我们确定了34个与预后相关的差异表达NARCDs,其中16个基因(ATIC、AURKA、CA9、ITGB4、DDIT4、CDK5R1、CAV1、RRM2、GAPDH、SRXN1、NLRC4、GLS2、ADRB2、CX3CL1、GDF15和ADRA1A)被用于构建NARCDs预后模型。NARCDs风险评分是肺腺癌的独立预后因素(P<0.001)。功能分析显示:高NARCDs评分组与低NARCDs评分组间在错配修复、p53信号通路和细胞周期方面存在显著差异(P<0.05)。低NARCD评分组的肿瘤突变负荷较低,免疫评分及TIDE评分较高,对药物的敏感性较低(P<0.05)。此外,蛋白-蛋白相互作用网络的10个关键基因(CXCL5、TLR4、JUN、IL6、CCL2、CXCL2、ILA、IFNG、IL33和GAPDH)均为免疫相关基因。结论基于16个基因构建的NARCDs预后模型是肺腺癌的独立预后因素,其能有效预测患者预后,并为临床治疗提供帮助。