目的筛选与SUMOylation过程密切相关的基因,并构建结直肠癌的预后基因表达模型。方法从癌症基因组图谱(The Cancer Genome Atlas,TCGA)数据库中下载与结直肠癌相关的转录组数据和临床资料,结合基因集富集分析(Gene Set Enrichment Analy...目的筛选与SUMOylation过程密切相关的基因,并构建结直肠癌的预后基因表达模型。方法从癌症基因组图谱(The Cancer Genome Atlas,TCGA)数据库中下载与结直肠癌相关的转录组数据和临床资料,结合基因集富集分析(Gene Set Enrichment Analysis,GSEA)数据库,筛选SUMOylation过程中与结直肠癌预后相关的基因。采用单因素COX回归和逐步回归进一步筛选关键基因,构建预后模型,并且计算模型风险评分,即SUMO-score。通过校准曲线和临床决策曲线评价该模型的可行性和准确性。结果筛选获得SUMOylation过程中与结直肠癌预后相关的18个基因,并根据基因签名的风险评分将患者分为高风险组和低风险组。结果显示,高风险组患者的预后显著差于低风险组(P<0.001)。多因素分析表明,SUMO-score可作为结直肠癌的独立预测因素。将SUMO-score与临床病理特征相结合,构建列线图预测模型。校准曲线显示,该模型具有良好的拟合度,提示其具有较高的预测能力。结论本研究构建了一个基于SUMOylation过程相关基因的风险模型,可用于预测结直肠癌预后。展开更多
文摘目的筛选与SUMOylation过程密切相关的基因,并构建结直肠癌的预后基因表达模型。方法从癌症基因组图谱(The Cancer Genome Atlas,TCGA)数据库中下载与结直肠癌相关的转录组数据和临床资料,结合基因集富集分析(Gene Set Enrichment Analysis,GSEA)数据库,筛选SUMOylation过程中与结直肠癌预后相关的基因。采用单因素COX回归和逐步回归进一步筛选关键基因,构建预后模型,并且计算模型风险评分,即SUMO-score。通过校准曲线和临床决策曲线评价该模型的可行性和准确性。结果筛选获得SUMOylation过程中与结直肠癌预后相关的18个基因,并根据基因签名的风险评分将患者分为高风险组和低风险组。结果显示,高风险组患者的预后显著差于低风险组(P<0.001)。多因素分析表明,SUMO-score可作为结直肠癌的独立预测因素。将SUMO-score与临床病理特征相结合,构建列线图预测模型。校准曲线显示,该模型具有良好的拟合度,提示其具有较高的预测能力。结论本研究构建了一个基于SUMOylation过程相关基因的风险模型,可用于预测结直肠癌预后。