目的:基于卵巢癌竞争性内源RNA(ceRNA)调控网络构建预后风险模型,为预测卵巢癌患者预后规律及优化诊疗方案提供参考依据。方法:从Gene Expression Omnibus database(GEO)数据库中下载卵巢癌基因表达数据集,运用limma软件包分析筛选卵巢...目的:基于卵巢癌竞争性内源RNA(ceRNA)调控网络构建预后风险模型,为预测卵巢癌患者预后规律及优化诊疗方案提供参考依据。方法:从Gene Expression Omnibus database(GEO)数据库中下载卵巢癌基因表达数据集,运用limma软件包分析筛选卵巢癌差异表达基因并构建lncRNA-microRNA-mRNA(ceRNA)调控网络。选取两个含有患者临床预后信息的数据集分别作为训练集和验证集构建卵巢癌预后风险模型,首先利用单因素Cox回归筛选出调控网络中与预后相关的基因,其次运用多因素Cox回归构建疾病预后风险模型。再次采用生存曲线(K-M曲线)和受试者工作特征曲线(ROC曲线)等方式评价模型的效能和稳健性。最后通过实时荧光定量聚合酶链式反应(RT-qPCR)验证模型基因在临床样本的表达水平。结果:筛选得到733个卵巢癌差异表达基因,通过预测差异基因之间的调控关系成功构建包含134个差异基因的ceRNA调控网络。运用Cox回归构建得到包含5个关键基因(WASF3、SNAI2、PDE8B、PCDH17、RNF128)的卵巢癌多基因预后模型,K-M曲线提示高风险组较低风险组的总体生存率更好(P<0.01),训练集第1、第2、第3年ROC曲线下面积分别为0.702、0.737、0.741,验证第1、第2、第3年ROC曲线下面积分别为0.652、0.653、0.667,证实模型具有良好的预测效能和稳健性。基因表达验证表明WASF3、SNAI2和PDE8B表达在卵巢癌组织中下调并且差异具有统计学意义(P<0.05),PCDH17和RNF128呈下调趋势。结论:基于ceRNA调控网络所构建的预后风险模型在卵巢癌预后诊断中具有良好的效能和稳健性,有利于进一步指导临床治疗。展开更多
文摘目的:基于卵巢癌竞争性内源RNA(ceRNA)调控网络构建预后风险模型,为预测卵巢癌患者预后规律及优化诊疗方案提供参考依据。方法:从Gene Expression Omnibus database(GEO)数据库中下载卵巢癌基因表达数据集,运用limma软件包分析筛选卵巢癌差异表达基因并构建lncRNA-microRNA-mRNA(ceRNA)调控网络。选取两个含有患者临床预后信息的数据集分别作为训练集和验证集构建卵巢癌预后风险模型,首先利用单因素Cox回归筛选出调控网络中与预后相关的基因,其次运用多因素Cox回归构建疾病预后风险模型。再次采用生存曲线(K-M曲线)和受试者工作特征曲线(ROC曲线)等方式评价模型的效能和稳健性。最后通过实时荧光定量聚合酶链式反应(RT-qPCR)验证模型基因在临床样本的表达水平。结果:筛选得到733个卵巢癌差异表达基因,通过预测差异基因之间的调控关系成功构建包含134个差异基因的ceRNA调控网络。运用Cox回归构建得到包含5个关键基因(WASF3、SNAI2、PDE8B、PCDH17、RNF128)的卵巢癌多基因预后模型,K-M曲线提示高风险组较低风险组的总体生存率更好(P<0.01),训练集第1、第2、第3年ROC曲线下面积分别为0.702、0.737、0.741,验证第1、第2、第3年ROC曲线下面积分别为0.652、0.653、0.667,证实模型具有良好的预测效能和稳健性。基因表达验证表明WASF3、SNAI2和PDE8B表达在卵巢癌组织中下调并且差异具有统计学意义(P<0.05),PCDH17和RNF128呈下调趋势。结论:基于ceRNA调控网络所构建的预后风险模型在卵巢癌预后诊断中具有良好的效能和稳健性,有利于进一步指导临床治疗。