肝癌中m7G甲基化相关lncRNAs预后模型和动态列线图的开发

目的基于癌症基因组图谱(TCGA)数据库探究m7G甲基化相关的长非编码RNAs(lncRNAs)在肝癌中的预后价值并开发动态列线图。方法应用TCGA数据库来检索临床和转录组数据。采用单因素Cox回归分析和多因素Cox回归分析筛选预后相关的m7G甲基化相关lncRNAs,最后构建预后模型和动态列线图。结果通过单因素和多因素Cox回归分析,得到4个m7G甲基化相关的lncRNAs(AL031985.3、AL365203.2、AC009403.1和AC015908.3)。构建了预后模型并验证了该模型的有效性。在评估了免疫细胞浸润水平、免疫功能、免疫检查点后,发现高风险组和低风险组之间存在显著差异。最后开发了有效的在线版动态列线图。结论基于m7G甲基化相关的lncRNAs的肝癌预后模型和动态列线图可以更准确预测肝癌患者的预后,并为临床的诊治提供了更大的方便性。

基于多系数保角变换法的船舶垂荡纵摇运动仿真

为给航海模拟器建立实用可靠的船舶在波浪中运动的数学模型,基于二维线性势流理论,采用多系数保角变换法对每个船舶横剖面进行高精度拟合,计算各个横剖面的水动力系数和波浪激励力,利用Visual Studio自主开发出船舶在规则波中的纵向运动数值模拟程序。为验证这个数值模拟程序的可靠性,对S175集装箱船在迎浪中运动的幅值响应因子(response amplitude operator,RAO)进行数值计算。结果表明:当弗劳德数为0.275时,RAO计算结果在大部分频率范围内与试验结果吻合良好。因此,这个数值模拟程序能准确地对船舶在波浪中的运动时历进行仿真。

基于TCGA数据的膀胱癌坏死性凋亡相关lncRNA预后模型的建立与验证

目的探索影响膀胱癌(BLCA)患者的坏死性凋亡相关长链非编码RNA(long noncoding RNA,lncRNA),构建膀胱癌患者的预后预测模型并进行验证。方法从美国癌症肿瘤基因组图谱(TCGA)数据库下载膀胱癌的临床病例资料和转录组数据,通过单因素及多因素COX回归分析筛选出有差异的坏死性凋亡相关lncRNAs,建立了膀胱癌患者的坏死性凋亡相关基因预后预测模型。根据风险分数将所有患者分为高危组和低危组,采用Kaplan-Meier方法分析膀胱癌患者的总生存时间对预后预测模型进行验证,最后开发动态列线图便于临床使用。结果本研究筛选出8个预后相关的坏死性凋亡相关lncRNAs(AL354919.2、LINC00649、TTC28-AS1、AL031775.1、NR2F1-AS1、AL049840.3、LINC01871、Z84484.1),构建膀胱癌预后预测模型,结果显示高危组患者的总体生存期(OS)均显著低于低危组(P<0.05)。高危组和低危组绘制的受试者工作特征曲线(receiver operating characteristic curve,ROC)发现风险评分的曲线下面积(the area under the curve,AUC)值为0.850,1、3、5年的AUC分别为0.72、0.78、0.80。动态列线图具有良好的准确性。结论基于坏死性凋亡相关lncRNAs的膀胱癌预后模型可以有效预测患者预后,有助于了解与坏死性凋亡相关的lncRNAs在膀胱癌中的作用,并为膀胱癌临床治疗提供新的手段。

基于单细胞分化轨迹的胶质母细胞瘤预后评估模型构建及验证

目的基于单细胞分化轨迹筛选胶质母细胞瘤(GBM)细胞分化相关基因(DRG),构建预后模型并加以验证。方法通过基因表达综合数据库中18例GBM样本的单细胞测序数据分析细胞分化轨迹,筛选DRG,并进行富集分析;结合癌症基因组图谱数据库中169例GBM患者的生存时间和生存状态,用单因素Cox回归分析和多因素Cox回归分析对DRG进行筛选并建立预后模型和动态列线图;对模型进行验证和内部特征分析。结果GBM细胞分化轨迹中存在7种不同状态的细胞亚群,在细胞发育初期,主要的细胞为间充质干细胞(MSC),中期部分MSC停止分化,部分MSC分化为神经元细胞(Neurons),晚期主要存在星形胶质细胞(Astrosyte)和部分Neurons细胞。对7组不同状态的细胞进行组间差异分析后共获得了518个DRG,京都基因与基因组百科全书(KEGG)富集分析结果显示,DRG主要富集在局部粘连、冠状病毒感染-COVID-19、p53信号传导途径、核糖体、细胞衰老、ECM与受体的相互作用等信号通路;基因本体富集结果显示,DRG主要富集在伤口愈合、轴突发育、细胞外基质、含胶原蛋白、焦点黏附、结构成分等;疾病本体富集分析结果显示,DRG与周围神经系统、自主神经系统、恶性胶质瘤、神经母细胞瘤、星形细胞瘤、多形性GBM密切相关。用4个DRG(SPP1、IFI44L、CD81、AEBP1)建立预后模型,经过验证该预后模型具有良好的准确性。根据风险分数的中位值将所有患者分为高风险组和低风险组,与低风险组相比,高风险组的总生存期短,高风险组和低风险组在免疫微环境中存在着大量差异。根据DRG的表达值和患者临床特征建立的动态列线图具有极强的预测性能和临床实用性。结论GBM细胞的复杂分化过程影响患者预后,DRG相关的预后模型和动态列线图可以准确预测GBM患者的预后。