肾透明细胞癌线粒体相关lncRNA预后模型的建立

目的:近年来对肾透明细胞癌(clear cell carcinoma of kidney,KIRC)的研究进展显著,但该疾病的预后较差,特别是在肿瘤转移的情况下。因此,寻找有效的预后指标和治疗靶点对提高KIRC患者的生存率和生活质量至关重要。本研究旨在探讨线粒体相关长非编码RNA(long non-coding RNA,lncRNA)在KIRC中的预后作用,并建立一个预后模型。方法:从癌症基因组图谱(The Cancer Genome Atlas,TCGA)数据库中获取KIRC的RNA测序和临床数据,并从MitoCarta3.0数据库中提取线粒体基因列表。计算每个lncRNA与线粒体基因的相关系数,并筛选出显著相关的lncRNA。采用R软件的Cox回归分析结合Kaplan-Meier法筛选与KIRC预后相关的lncRNA。构建预后模型,根据模型计算每个样本的风险评分,并根据评分将其分为高风险组和低风险组,进而比较2组的生存期,利用受试者操作特征(receiver operator characteristic,ROC)曲线评估模型的预测能力,再使用Cox回归分析风险评分与患者临床特征的相关性。结果:相关系数筛选出31个与KIRC线粒体相关的lncRNA。Cox回归分析和Kaplan-Meier法筛选确定了6个与KIRC预后高度相关的lncRNA,并构建了其预后模型。该模型的ROC曲线下面积为0.723,表明该模型具有良好的预测能力。另外,风险评分与患者年龄、肿瘤分级、病理分期及T分期呈正相关,多因素Cox分析结果显示风险评分为KIRC的独立预后预测因子。结论:本研究建立的基于线粒体相关lncRNA的预后模型为KIRC患者提供了一个预后评估工具,这将有助于指导KIRC的个体化治疗和预后评估。

组织粉碎器在腹膜后腹腔镜肾癌根治术中的应用研究

目的:评估组织粉碎器在腹膜后腹腔镜肾癌根治术中清除腹膜后脂肪的安全性及临床疗效。方法:根据纳入标准前瞻性纳入2018年6月至2020年12月行腹膜后腹腔镜肾癌根治术的208例肾癌患者,先将患者分为肥胖组(BMI≥28 kg/m^(2))与非肥胖组(BMI<28 kg/m^(2)),再随机分入实验组(应用组织粉碎器)与对照组(行传统腹膜后腹腔镜肾癌根治术)。肥胖组纳入50例患者,其中实验组26例,对照组24例;非肥胖组纳入158例患者,实验组78例,对照组80例。比较两个亚组手术相关指标。结果:两亚组患者年龄、BMI、ASA分级、肿瘤位置、肿瘤大小、术前血肌酐等临床资料差异无统计学意义(P>0.05),在肥胖组与非肥胖组中,实验组手术时间、术中出血量、腹膜后引流管总引流量均优于对照组,差异有统计学意义(P<0.05),两亚组并发症发生率、总住院时间、总生存率及无疾病进展生存率差异无统计学意义(P>0.05)。结论:在肥胖或非肥胖患者中,尤其肥胖患者,应用组织粉碎器改进腹膜后腹腔镜肾癌根治术具有手术时间更短、出血量更少的优点,组织粉碎器利于术者操作,具有更显著的优势,值得推广应用。

基于癌症基因组图谱和Oncomine数据库膀胱尿路上皮癌生物信息学分析

目的通过癌症基因组图谱(TCGA)和Oncomine数据库深入挖掘膀胱尿路上皮癌发生的关键基因。方法从TCGA数据库中下载膀胱尿路上皮癌RNA测序数据,利用R软件对膀胱尿路上皮癌与癌旁正常组织进行比较,获取差异表达基因,结合用于基因注释、可视化和集成发现的数据库(DAVID)和功能蛋白协作网络(STRING)中的在线生物信息学工具,对差异表达基因进行功能富集分析和调控网络分析,并构建蛋白质—蛋白质相互作用(PPI)网络,进一步利用Cytoscape软件中的Cytohubba进行关键(Hub)基因筛选。通过Oncomine数据库对Hub基因进行Meta分析,获取关键基因。结果共筛选出膀胱尿路上皮癌差异表达基因1650个,其中表达上调基因565个,表达下调基因1085个,通过分析后获取PPI网络中前10位Hub基因,分别是GNG7、GNG11、BDKRB2、BDKRB1、NMUR1、NPSR1、CHRM5、TACR2、TAC1和TACR1。通过Oncomine数据库对Hub基因进行Meta分析,最终获得1个关键基因为TACR1。结论基于TCGA和Oncomine数据库,获取膀胱尿路上皮癌关键基因TACR1,将为膀胱尿路上皮癌诊断、治疗及预后的研究提供新的思路。

NUSAP1在膀胱尿路上皮癌组织中表达与淋巴结转移的关系

目的探讨核仁纺锤体相关蛋白1(NUSAP1)在膀胱尿路上皮癌(BUC)组织中的表达情况和其与临床病理参数及淋巴结转移的关系。方法选取中南大学湘雅医学院附属株洲医院2017年1月1日~2020年8月31日行膀胱癌根治性切除术后病理标本103例为观察组,另外从103例标本中随机选取50例癌旁正常膀胱组织标本为对照组。采用免疫组化检测NUSAP1在膀胱癌组织中的表达情况,分析NUSAP1表达同膀胱癌患者临床病理参数以及淋巴结转移之间的关系。结果观察组及对照组NUSAP1阳性表达率组间比较,差异有统计学意义(P<0.05)。NUSAP1表达水平与BUC患者肿瘤直径、肿瘤个数、病理分级、淋巴结转移和临床分期显著相关(P<0.05)。淋巴结转移与肿瘤的直径、肿瘤个数、病理分级、临床分期和NUSAP1表达水平显著相关(P<0.05),Logistic多因素回归分析显示,仅NUSAP1表达水平是BUC淋巴结转移的独立影响因子(OR=1.951,95%CI 1.094~3.477,P=0.023)。结论NUSAP1在BUC组织中高表达,为淋巴结转移的独立预测因子。

内分泌干扰物与隐睾症的关系研究进展

男性生殖功能障碍的发病率逐年上升,通常被认为与生殖系统发育异常有关。研究表明,在胎儿睾丸发育阶段接触内分泌干扰物会增加隐睾症的患病风险。本文就常见内分泌干扰物与隐睾症的关系的相关研究进行综述,以期为隐睾症流行病学研究和疾病预防提供参考。

基于基因芯片的肾母细胞瘤生物信息学分析

目的:整合并利用生物信息学分析肾母细胞瘤基因表达谱芯片,挖掘肾母细胞瘤发生的关键基因。方法:利用GEO2R在线分析工具对GEO数据库肾母细胞瘤基因芯片数据GSE2712进行差异表达基因筛选,使用R软件对差异表达基因进行火山图绘制,进一步结合DAVID和STRING在线生物信息学工具对差异表达基因进行调控网络分析并构建蛋白质-蛋白质相互作用(protein-protein interaction, PPI)网络,使用Cytoscape软件进行Hu b基因筛选。结果:共筛选出肾母细胞瘤差异表达基因955个,其中表达上调基因157个,表达下调基因798个。对差异表达基因进行GO富集分析和KEGG通路富集分析,利用在线生物信息学工具构建PPI网络,使用Cytoscape软件获取PPI网络中前10位Hub基因,分别是FN1,ALB,VEGFA,KDR,IGF1,PECAM1,FLT1,TEK,FGF1和ANGPT1。结论:应用生物信息学能有效分析基因芯片数据,获取肾母细胞瘤发生的关键基因,为肾母细胞瘤的治疗提供新的思路。

基于TCGA和Oncomine数据库前列腺癌关键基因的筛选

目的利用癌症和肿瘤基因图谱(TCGA)和Oncomine数据库筛选前列腺癌(PCa)的关键基因。方法从TCGA数据库中下载PCa的RNA测序数据,包括PCa组织499例,癌旁正常组织52例。利用R软件筛选差异表达基因,采用DAVID、STRING数据库进行基因本体论(GO)和京都基因与基因组百科全书(KEGG)通路分析并构建蛋白质-蛋白质相互作用(PPI)网络;利用Cytoscape软件筛选PPI网络中连接程度前10位Hub基因,采用Oncomine数据库获取Hub基因与PCa相关数据,通过Meta分析获取关键基因。结果最终筛选出PCa差异表达基因919个,其中表达上调基因424个,表达下调基因495个。GO分析显示,差异表达基因生物学过程主要富集于突触传递、细胞间信号传导、跨膜转运和细胞分化,细胞组成主要富集于细胞外空间、细胞外区域、质膜的组成部分和质膜,分子功能主要富集于序列特异性DNA结合、钙离子结合和结构分子活性;KEGG通路分析显示,差异表达基因主要富集于神经活性配体-受体相互作用、药物代谢-细胞色素P450和细胞色素P450代谢异种生物。PPI网络中前10位Hub基因分别是CDC20、CCNA2、BUB1B、HJURP、AURKB、TTK、KIF4A、MKI67、CENPA、NCAPH。最终筛选出PCa关键基因4个,分别是HJURP、KIF4A、CENPA、NCAPH。结论基于TCGA和Oncomine数据库获取Pca关键基因4个,包括HJURP、KIF4A、CENPA、NCAPH。

基于TCGA数据库的肾嫌色细胞癌生物信息学分析

目的基于TCGA数据库肾嫌色细胞癌基因表达谱数据,探讨肾嫌色细胞癌发生的关键基因。方法从癌症基因图谱(TCGA)数据库中提取及筛选肾嫌色细胞癌数据集,并利用R软件的edgeR算法对肾嫌色细胞癌的差异表达基因进行分析,随后对差异表达基因进行火山图绘制,并进一步结合DAVID和STRING在线生物信息学工具对差异表达基因进行调控网络分析并构建蛋白质-蛋白质相互作用(PPI)网络,采用Cytoscape软件进行Hub基因筛选,最终对挖掘到的关键基因进行生存分析。结果通过分析共挖掘肾嫌色细胞癌差异表达基因1850个,其中表达上调基因760个,表达下调基因1090个,对差异表达基因进行GO富集分析和KEGG通路富集分析,利用在线生物信息学工具构建PPI网络,使用Cytoscape软件获取PPI网络中前10位Hub基因,分别是KNG1、AGT、CASR、SST、AGTR2、PMCH、GNG4、DRD2、MCHR2、SSTR3。对上述Hub基因进行生存分析,发现仅有MCHR2与肾嫌色细胞癌的总生存率(OS)有显著相关性(P<0.05)。结论基于TCGA数据库挖掘肾嫌色细胞癌10个关键基因,将有助于深入了解肾嫌色细胞癌发生发展的过程,MCHR2有可能成为肾嫌色细胞癌潜在的治疗靶点及预后标志物。

膀胱尿路上皮癌内质网应激相关LncRNA预后风险模型的构建与分析

目的此项研究旨在深度解析内质网应激相关长非编码RNA(long noncoding RNA,LncRNA)对膀胱尿路上皮癌(bladder urothelial carcinoma,BLCA)的预后效应,同时构建BLCA内质网应激相关LncRNA预后风险模型,以便更好地指导膀胱癌的个体化治疗。方法从TCGA数据库中下载BLCA RNA测序数据和临床信息,在Genecard数据库中提取内质网应激相关基因列表,并采用Pearson相关性分析筛选出BLCA内质网应激相关LncRNA,通过单因素Cox回归分析筛选出与BLCA预后显著相关的LncRNA,并通过采用多因素Cox回归分析和Kaplan-Meier分析法,进一步筛选显著相关的LncRNA,旨在识别具有独立预后价值的内质网应激相关LncRNA。在此基础上,构建了一个针对BLCA预后风险的模型。同时计算所有患者的风险评分,以此将患者分为高风险组和低风险组并比较两亚组间的生存预后差异。绘制ROC曲线以评价BLCA预后风险模型的效能,最后分析BLCA患者临床病理特征和风险评分之间的关系。结果共筛选出6个具有独立预后价值的BLCA内质网应激相关LncRNA并构建预后风险模型,结果表明低风险组的预后优于高风险组,ROC曲线下面积为0.709,具有良好的预测价值。此外,风险评分是BLCA的独立预测因子且与死亡率呈正相关,同时还与年龄、肿瘤分级、病理分期和T分期显著相关。结论BLCA内质网应激相关LncRNA预后风险模型具有良好的预后预测价值,这将有利于协助BLCA患者的治疗和预防并提供可能的治疗靶点。

膀胱癌免疫细胞浸润模式及其与预后的相关性

目的 研究膀胱癌中免疫细胞的浸润模式,并探讨免疫细胞浸润与膀胱癌预后的关系.方法 从GEO数据库中下载膀胱癌的相关基因芯片数据GSE13507及相关临床数据,通过CIBERSORT软件利用反卷积法计算膀胱癌中22种免疫细胞的浸润情况,并利用R软件Sur-vival包进行生存分析,分析每种免疫细胞与膀胱癌生存预后的关系.结果 从GEO数据库下载GSE13507芯片中得到正常膀胱组织(68例)和膀胱癌组织(165例),采用反卷积法计算免疫细胞浸润比例,得到正常膀胱组织13例,膀胱癌组织15例,膀胱癌组织中浸润水平较高的免疫细胞为:M0巨噬细胞[(13.18±12.53)%]、M2巨噬细胞[(12.12±10.27)%]、活化的树突状细胞[(7.77±7.84)%]和调节性T细胞[(7.37±5.99)%].正常膀胱组织和膀胱癌组织的记忆性B细胞、滤泡辅助性T细胞、中性粒细胞浸润水平比较,差异有统计学意义(P=0.004、0.019、0.012).与膀胱癌具有相关性的免疫细胞包括:活化的肥大细胞与活化的树突状细胞(r=0.75)、中性粒细胞与嗜酸性粒细胞(r=0.72)、活化的树突状细胞与幼稚CD4 T细胞(r=0.68)、幼稚B细胞与滤泡辅助性T细胞(r=0.65)、静息态树突状细胞与未活化的CD4记忆性T细胞(r=0.64).膀胱癌中的免疫细胞浸润与预后具有相关性的包括:记忆性B细胞、幼稚B细胞、调节性T细胞(均P<0.05).结论 膀胱癌中存在不同程度的免疫细胞浸润,记忆性B细胞、幼稚B细胞、调节性T细胞可以成为膀胱癌生存预后的标志物和免疫治疗的靶点.

基于TCGA数据库的肾上腺皮质腺癌关键基因挖掘

目的基于TCGA数据库挖掘出肾上腺皮质腺癌(ACC)发病相关的关键基因,为以后ACC相关的基础以及临床研究提供重要参考依据。方法从TCGA数据库获取150例ACC样本和3例癌旁正常组织样本,利用R语言软件进行差异表达分析,利用DAVID在线工具进行GO和KEGG PATHWAY功能富集分析,最后应用STRING在线检索工具及Cytoscape软件构建蛋白质-蛋白质相互作用(PPI)网络并筛选出前10位的hub基因。结果从TCGA数据库共挖掘出1744个差异表达基因,包括1199个表达上调基因和545个表达下调基因,对其进行GO和KEGG PATHWAY功能富集分析以及功能注释,获取关键通路信息:差异表达基因(DEGs)主要富集于细胞黏附、膜的组成成分、网格蛋白结合及神经活性配体-受体相互作用,最后构建PPI网络并筛选得到GNG2、GNG3、GNG4、GNG8、GNB3、BDKRB1、MCHR1、SAA1、ADCY2、LPAR3这10个关键基因。结论本研究发现10个与ACC发生发展相关的关键基因,这10个关键基因与多种肿瘤的增殖与转移密切相关,有望成为ACC早期诊断、靶向治疗及预测预后的新型生物标志物。

肾透明细胞癌免疫相关基因预后风险模型的构建与分析

目的:筛选肾透明细胞癌(clear cell renal cell carcinoma, ccRCC)预后免疫相关基因(immune-related genes, IRGs),并建立与免疫基因预后风险相关的评分模型。方法:通过TCGA数据库下载与ccRCC有关的转录测序信息,应用生物信息学方法筛选出在ccRCC组织中的差异表达基因,并通过共表达分析方法获取IRGs,进一步在IRGs中筛选出与患者总生存期相关的基因,通过Cox回归构建预后风险评分模型,评估该模型在临床上的综合预测能力。结果:在ccRCC及其附近组织中共发现1 791个差异表达基因,在这些基因中,筛选出IRGs 220个,利用单因素Cox分析方法,我们发现了30个和患者预后密切相关的免疫基因,接着10个IRGs(PDIA2、HAMP、CXCL5、KLRK1、LTB4R、CRP、IL11、UCN、AVPR1B、LAT)通过多因素Cox分析被筛选出来,基于这10个IRGs构建预后模型,预后评分模型ROC曲线下面积(AUC)为0.758。根据风险评分中位数将患者分为高危组合低危组,生存曲线显示2组患者预后差异有统计学意义(P<0.05),多因素分析显示该模型的风险评分为ccRCC预后的独立预测因子。结论:ccRCC中IRGs和患者的预后密切相关,基于其构建的风险评分模型不仅可有效预测ccRCC的预后,而且可用来作为ccRCC患者的预后生物标志物。

基于基因芯片数据的精原细胞瘤生物信息学分析

目的利用生物信息学分析精原细胞瘤基因表达芯片,探索用于精原细胞瘤诊断、治疗和预后的潜在候选基因。方法从GEO database下载精原细胞瘤相关的基因芯片数据GSE8607,利用R软件及affy、limma、ggplot2等R程序包筛选差异表达基因,结合DAVID和STRING在线生物信息学工具对差异表达基因进行调控网络分析,并构建蛋白质-蛋白质相互作用(PPI)网络,进一步利用Cytoscape软件中的Cytohubba进行Hub基因筛选。结果共筛选出精原细胞瘤相关的差异表达基因1142个,其中表达上调基因687个,表达下调基因455个,对差异表达基因进行GO富集分析和KEGG通路富集分析,获取关键通路,利用在线生物信息学工具STRING构建PPI网络,使用Cytoscape软件中的Cytohubba获取PPI网络中前10位Hub基因,分别是C3AR1、PENK、ADORA1、P2RY14、ADCY7、CCL5、CCR5、CCL4、CCL19、CCR7。对这些关键基因进行文献挖掘,发现这些基因可能与精原细胞瘤的发生发展有关。结论应用生物信息学能有效分析基因芯片数据,寻找到精原细胞瘤相关的关键基因,为精原细胞瘤的早期诊断、治疗以及疾病预后提供了新的线索。

前列腺癌对多西他赛耐药相关基因的生物信息学分析

目的:利用生物信息学分析前列腺癌(prostatecancer,PCa)对多西他赛耐药基因表达谱芯片,寻找PCa对多西他赛耐药发生的关键基因。方法:从GEO数据库下载PCa对多西他赛耐药基因芯片数据GSE33455,其中包括2个对多西他赛敏感和2个对多西他赛耐药的细胞系,利用R软件及affy、limma、ggplot2等R软件包进行差异表达基因筛选,结合DAVID和STRING在线生物信息学工具对差异表达基因进行功能通路富集分析和调控网络分析并构建蛋白质-蛋白质相互作用(PPI)网络,进一步利用Cytoscape软件中的Cytohubba进行Hub基因筛选。通过Oncomine数据库对Hub基因进行Meta分析,获取关键基因。结果:共筛选出PCa对多西他赛耐药差异表达基因193个,其中表达上调基因24个,表达下调基因169个,对差异表达基因进行基因本体论(gene ontology,GO)富集分析和京都基因与基因组百科全书(Kyoto Encyclopedia of Genes and Genomes,KEGG)通路富集分析,利用STRING在线生物信息学工具构建PPI网络,使用Cytoscape软件中的Cytohubba获取PPI网络中前10位Hub基因,分别是CDH1、EPCAM、CLDN7、ESRP1、GRHL2、RAB25、PRSS8、IL6、CXCL8、GATA3。通过Oncomine数据库对Hub基因进行Meta分析,最终获得有差异的4个关键基因,分别是EPCAM、CLDN7、PRSS8、IL6。结论:应用生物信息学能有效分析基因芯片数据,获取PCa对多西他赛耐药的关键基因,为PCa的治疗提供新的思路。

基于基因芯片数据的肾嫌色细胞癌生物信息学分析

目的利用生物信息学分析肾嫌色细胞癌基因表达谱芯片,寻找肾嫌色细胞癌发生的关键基因。方法从GEO数据库下载肾嫌色细胞癌基因芯片数据GSE15641和GSE11151,利用R软件中的"affy"、"limma"等R软件包进行差异表达基因筛选,结合DAVID和STRING在线生物信息学工具对差异表达基因进行调控网络分析并构建蛋白质-蛋白质相互作用(PPI)网络,通过Cytoscape软件中的Cytohubba插件筛选Hub基因。结果共筛选出肾嫌色细胞癌差异表达基因261个,包括194个表达下调基因,67个表达上调基因。对差异表达基因进行基因富集(GO)分析和京都基因与基因组百科全书(KEGG)通路富集分析以挖掘其生物学功能,其中GO富集分析中的生物学过程(BP)主要富集于细胞分泌、糖异生和细胞增殖调控;在细胞组成(CC)主要富集于细胞外泌体、细胞质膜及其组成部分;在分子功能(MF)主要富集于肝素结合,在KEGG通路分析中主要富集于代谢通路、抗体的生物合成、蛋白质消化吸收、肾素-血管紧张素系统等。利用在线生物信息学工具构建PPI网络,通过Cytoscape软件中的Cytohubba插件筛选前10位Hub基因,分别是胡椒酸和肌氨酸氧化酶(PIPOX)、羟基酸氧化酶2(HAO2)、犬尿氨酸-3-单加氧酶(KMO)、溶质转运家族2成员2(SLC2A2)、甲酰亚胺基转移酶环脱氨酶(FTCD)、血管生成素(ANG)、催化多肽-1(APOBEC1)互补因子(A1CF)、重组表达醛脱氢酶8A1(ALDH8A1)、维生素D结合蛋白(GC)、血浆富含组氨酸糖蛋白(HRG)。结论利用生物信息学方法分析肾嫌色细胞癌的差异表达基因,可有效发掘这些差异表达基因的相互作用信息,为肾嫌色细胞癌的治疗提供新的思路。

免疫相关LncRNA与肾透明细胞癌预后关系分析及预测评分模型建立

目的:探讨肾透明细胞癌(clear cell renal cell carcinoma,ccRCC)中免疫相关LncRNA表达与肿瘤预后的关系,并构建预后相关的预测评分模型。方法:从TCGA数据中下载537例ccRCC转录组测序数据及相应的临床预后信息,采用R软件和Perl软件利用生物信息学方法提取ccRCC免疫相关LncRNA,使用单因素和多因素Cox回归分析预后相关LncRNA,并构建预测模型,采用Kaplan-Meier分析预测模型与肿瘤预后相关性并绘制生存曲线,同时使用ROC曲线评估预测模型的准确性。结果:通过单因素和多因素Cox回归分析确定7个免疫预后相关LncRNA,并构建预测评分模型,根据患者预后评分将患者分为高风险组和低风险组,生存曲线显示两组患者预后差异有统计学意义(P<0.05),预测评分模型ROC曲线下面积(AUC)为0.8,多因素Cox回归分析风险评分为ccRCC预后的独立危险因素。结论:ccRCC中7个免疫相关的LncRNA与预后显著相关,基于其构建的预测评分模型可以有效预测ccRCC的预后,可作为其独立预后生物标志物。