目的:通过筛选与胃癌铁死亡相关的长链非编码RNA(LncRNA),构建预后风险模型,协助评估胃癌患者预后。方法:在癌症基因数据库(The Cancer Genome Atlas TCGA)下载胃癌的转录组和临床数据,从NCBI网站获得103个铁死亡相关基因。采用R软件进...目的:通过筛选与胃癌铁死亡相关的长链非编码RNA(LncRNA),构建预后风险模型,协助评估胃癌患者预后。方法:在癌症基因数据库(The Cancer Genome Atlas TCGA)下载胃癌的转录组和临床数据,从NCBI网站获得103个铁死亡相关基因。采用R软件进行Kaplan-Meier(KM)生存分析和单因素COX回归分析筛选出关键的LncRNA,将临床样本按7∶3的比例随机分为训练集和验证集,利用多因素COX回归分析建立胃癌铁死亡相关LncRNA的预后模型。两组分别进行生存分析、风险曲线分析、单因素和多因素独立预后分析、多指标受试者操作特征(ROC)曲线的绘制及列线图分析,最后对训练集进行GSEA的KEGG分析。结果:单因素Cox回归分析得到13个LncRNA(LINC00106、TNFRSF10A-AS1、AC244153.1、AC005586.1、AP001318.2、MAGI2-AS3、AP001528.2、MSC-AS1、PVT1、AC037198.1、AC010719.1、HAGLR),经多因素回归分析筛选出5个胃癌铁死亡相关的LncRNA(AC005586.1、AP001318.2、AP001528.2、AC010719.1、HAGLR),训练集和验证集构建的预后模型趋势一致,且ROC评估风险模型的预测能力大于其他临床指标。构建的5个LncRNA列线图,预测1年、2年、3年校准曲线也基本和45°的对角线重合,模型预测性能良好。结论:LncRNA AC005586.1、AP001318.2、AP001528.2、AC010719.1、HAGLR胃癌铁死亡相关LncRNA可有效预测胃癌患者的预后。展开更多
目的应用生物信息学构建与铁死亡基因相关的UVM预测模型,用于评估葡萄膜黑色素瘤患者预后生存及转移情况。方法从肿瘤基因组图谱(TCGA)获取UVM转录组数据和与之匹配的临床信息,结合铁死亡数据库确定铁死亡相关基因。Kaplan-Meier方法分...目的应用生物信息学构建与铁死亡基因相关的UVM预测模型,用于评估葡萄膜黑色素瘤患者预后生存及转移情况。方法从肿瘤基因组图谱(TCGA)获取UVM转录组数据和与之匹配的临床信息,结合铁死亡数据库确定铁死亡相关基因。Kaplan-Meier方法分析铁死亡相关基因在高、低表达状态下患者的总体生存率,利用LASSO、单因素和多因素回归分析筛选并构建免疫相关风险预测模型。根据风险评分将患者分为高、低风险组,利用ROC曲线评估模型准确度,并采用基因表达综合数据库(GEO)中的GSE84976和GSE22138作为验证集。结果通过多种算法构建了含有4个核心基因的预测模型(AIFM2、ITGA6、CD44、ALOX12),基于模型标志物计算的风险评分可以准确识别UVM高、低风险患者,并具有预测患者总体生存的能力(P<0.01,1 a AUC=0.84、3 a AUC=0.89、5 a AUC=0.91),验证集GSE84976外部验证结果:P<0.01,1 a AUC=NA,3 a AUC=0.78,5 a AUC=0.91;验证集GSE22138外部验证结果:P<0.01,1 a AUC=0.75,3 a AUC=0.79,5 a AUC=0.82,结果显示,该预测模型可作为UVM独立预后因素,预测生存及转移情况。结论构建的新型铁死亡相关的UVM预测模型(AIFM2、ITGA6、CD44、ALOX12),能够准确预测UVM患者预后及转移情况,可为UVM患者的个性化诊疗提供新的靶点。展开更多
目的构建基于铜死亡相关的铁死亡基因的预后模型,评估其在肝癌患者中的预测能力,并探讨与免疫功能和肿瘤突变负荷的关系。方法使用TCGA(The Cancer Genome Atlas)数据库分析370例肝癌患者的与铜死亡相关的铁死亡基因和生存数据,并将数...目的构建基于铜死亡相关的铁死亡基因的预后模型,评估其在肝癌患者中的预测能力,并探讨与免疫功能和肿瘤突变负荷的关系。方法使用TCGA(The Cancer Genome Atlas)数据库分析370例肝癌患者的与铜死亡相关的铁死亡基因和生存数据,并将数据集随机分为训练组和测试组。通过Lasso回归和Cox模型的构建,筛选出与铜死亡相关的铁死亡基因进行风险模型构建。进行单因素和多因素Cox回归分析来验证风险模型对肝癌预后影响的独立性,并分析风险模型与免疫功能和肿瘤突变负荷的关系。结果在多变量Cox回归数据中选择EIF2S1、G6PD、NRAS这3个与铜死亡相关的铁死亡基因,训练组中EIF2S1、G6PD、NRAS与生存期独立相关(P均<0.05),以该3个基因构建风险模型。Kaplan-Meier分析结果显示,与低风险组比较,高风险组患者的生存期较短(P<0.05),生存率较低(P<0.05)。单因素Cox回归分析显示,铜死亡相关的铁死亡基因构建的风险模型中HR为1.734,95%CI为1.494~2.034,P<0.001。多因素Cox回归分析显示,铜死亡相关的铁死亡基因构建的风险模型中HR为1.661,95%CI为1.397~1.976,P<0.001。ROC曲线分析显示,风险模型预测肝癌患者第1,3,5年生存期的曲线下面积(AUC)分别为0.760,0.663和0.636。运用该风险模型进行Kaplan-Meier生存曲线分析显示,与早期肝癌患者相比,晚期肝癌患者生存期更短(P<0.05),生存率更低(P<0.05)。在高风险组和低风险组中,TypeⅡIFN Response、Parainflammation、APC co-stimulation、CCR、Check-point和MHC classⅠ这6个免疫功能的表达存在统计学差异(P均<0.05)。高肿瘤突变负荷组的肝癌患者生存期明显低于低肿瘤突变负荷组的患者(P<0.05)。结论基于与铜死亡相关的铁死亡基因的风险模型能够有效区分肝癌患者的预后,且铜死亡相关的铁死亡基因与免疫功能和肿瘤突变负荷密切相关。展开更多
文摘目的应用生物信息学构建与铁死亡基因相关的UVM预测模型,用于评估葡萄膜黑色素瘤患者预后生存及转移情况。方法从肿瘤基因组图谱(TCGA)获取UVM转录组数据和与之匹配的临床信息,结合铁死亡数据库确定铁死亡相关基因。Kaplan-Meier方法分析铁死亡相关基因在高、低表达状态下患者的总体生存率,利用LASSO、单因素和多因素回归分析筛选并构建免疫相关风险预测模型。根据风险评分将患者分为高、低风险组,利用ROC曲线评估模型准确度,并采用基因表达综合数据库(GEO)中的GSE84976和GSE22138作为验证集。结果通过多种算法构建了含有4个核心基因的预测模型(AIFM2、ITGA6、CD44、ALOX12),基于模型标志物计算的风险评分可以准确识别UVM高、低风险患者,并具有预测患者总体生存的能力(P<0.01,1 a AUC=0.84、3 a AUC=0.89、5 a AUC=0.91),验证集GSE84976外部验证结果:P<0.01,1 a AUC=NA,3 a AUC=0.78,5 a AUC=0.91;验证集GSE22138外部验证结果:P<0.01,1 a AUC=0.75,3 a AUC=0.79,5 a AUC=0.82,结果显示,该预测模型可作为UVM独立预后因素,预测生存及转移情况。结论构建的新型铁死亡相关的UVM预测模型(AIFM2、ITGA6、CD44、ALOX12),能够准确预测UVM患者预后及转移情况,可为UVM患者的个性化诊疗提供新的靶点。