基于TCGA数据库肺腺癌自噬相关基因预后模型的建立与验证

目的探究肺腺癌自噬相关基因(ARGs),并构建肺腺癌ARGs的预后模型。方法肺腺癌的RNA高通量转录组数据下载于癌症基因组图谱(TCGA)数据库和人类自噬基因(HADb)数据库,获取ARGs,并基于肺腺癌差异表达ARGs构建肺腺癌预后模型并验证,进一步构建列线图及校准曲线探究模型在临床中的应用价值。对差异表达ARGs进行基因本体和京都基因与基因组百科全书富集分析。对获得的具有预后意义的差异表达ARGs进行Lasso回归分析并构建肺腺癌预后模型。绘制Kaplan-Meier生存曲线。结果共获得31个差异表达ARGs,筛选得到10个具有预后意义的差异表达ARGs。高风险组患者与较差的总生存期明显相关,差异有统计学意义(P<0.05)。T分期、N分期、风险评分为肺腺癌患者的独立预后因素。校准曲线和列线图全局一致性为0.710,说明模型预测结果与实际情况具有较高的符合度。结论基于差异表达ARGs构建的风险模型可作为肺腺癌患者的一种预后特征或可为肺腺癌患者的个体化治疗提供参考依据。

基于TCGA数据库探究SERPINA5在前列腺癌中的表达及临床意义

目的:研究前列腺癌中关键基因的差异化表达,为前列腺癌的诊疗提供新的生物治疗靶点和理论依据。方法:从美国癌症基因组图谱(TCGA)中下载前列腺癌的相关基因数据,利用R软件筛选出在前列腺癌组织和癌旁组织中差异化表达的基因,并进行富集分析。利用STRING 11.0构建差异基因所表达蛋白的互作网络图,并通过Cytoscape_v3.7.1进一步筛选Hub基因,通过Oncomine数据库对Hub基因在前列腺癌中的表达进行验证得到关键基因,随后利用R软件对关键基因与临床数据进行统计分析,最终利用在线工具GEPIA对关键基因进行生存分析。结果:总共得到551个样本(其中癌旁组织样本52个,癌组织样本499个),筛选后得到463个差异基因,其中呈现上调趋势的基因共265个,下调198个。富集分析后发现这些基因主要富集在顶体反应的调节、三酰甘油代谢过程,PPAR信号通路等,进一步筛选后得到10个Hub基因,与Oncomine数据库联合验证后得到关键基因SERPINA5,进行临床分析发现前列腺癌病人的SERPINA5的表达水平与肿瘤分化程度、TNM分期以及无病生存率有关(P<0.05),而与年龄、人种以及总生存率的差异无关(P>0.05)。结论:前列腺癌中存在大量差异基因可能对疾病的发生发展起到影响作用,其中SERPINA5也许可以作为前列腺癌早期筛查标志物或治疗的生物靶点,为前列腺癌的预防与治疗带来新的方案以及研究方向。

基于癌症基因组图谱数据库探索miR-217在胃癌中的表达及其预后价值

目的评估miR-217在胃癌组织中的表达及其预后价值。方法利用R语言统计学软件下载癌症基因组图谱数据库(TCGA)胃癌数据集中患者的临床病理学资料、生存数据和miRNA测序数据,比较miR-217在肿瘤组织与癌旁组织间的表达差异,受试者操作特征曲线(ROC)评估miR-217对胃癌的诊断价值;Kaplan-Meier生存分析比较不同miR-217表达水平的胃癌患者无进展时间(PFI)和总生存期(OS);利用单因素和多因素Cox回归分析评估影响PFI和OS的预后因子;利用基因本体论(GO)和京都基因与基因组百科全书(KEGG)对miR-217潜在靶基因进行功能和信号通路富集分析。结果446例胃癌患者纳入分析,Wilcoxon秩和检验结果显示,miR-217显著高表达于胃癌组织(5.10 vs.3.74,P<0.01)。经ROC曲线评估发现,miR-217具有良好的诊断价值(AUC=0.795,95%CI:0.728~0.863)。Kaplan-Meier结果显示,与低表达组比较,miR-217高表达的患者OS更短(56.2个月vs.22.3个月,P=0.005),但两组患者PFI之间的差异无统计学意义(55.9个月vs.26.0个月,P=0.099)。多因素Cox回归分析结果显示,miR-217是影响患者OS的独立预后因子之一(HR=1.386,95%CI:1.003~1.914,P=0.048),但miR-217的表达与患者PFI无明显相关性(P>0.05)。GO/KEGG富集分析结果表明,miR-217潜在的靶基因主要富集于前列腺癌、膀胱癌、黑色素瘤、子宫内膜癌、EGFR酪氨酸激酶抑制剂抵抗、细胞间蛋白转运调节、蛋白入核调节、神经分支形态、成长发育负向调节及核-浆转运调控等病理过程。结论miR-217显著高表达于胃癌组织,其表达水平可用于预测胃癌患者的死亡风险;miR-217的生物学功能可能与泌尿生殖系统恶性肿瘤以及蛋白质转运等相关。

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。

基于癌症基因组图谱数据库分析miR-148a-3p在肝细胞癌中的表达和预后意义

目的基于癌症基因组图谱(The Cancer Genome Atlas,TCGA)数据库探索miR-148a-3p在肝细胞癌(hepatocellular carcinoma,HCC)中的表达和预后价值。方法从TCGA数据库HCC数据集中下载患者的临床病理资料和组织标本的微RNA(microRNA,miRNA)测序数据。比较miR-148a-3p在肿瘤组织与癌旁组织中的表达差异,采用受试者操作特征曲线(receiver operating characteristic curve,ROC曲线)评估miR-148a-3p表达对HCC的诊断价值;采用Kaplan-Meier生存分析探讨不同miR-148a-3p表达水平HCC患者的总生存(overall survival,OS)时间和疾病特异生存(disease special survival,DSS)时间;采用单因素和多因素Cox回归分析评估影响HCC患者生存结局的预后因子;采用基因本体论(gene ontology,GO)/京都基因与基因组百科全书(Kyoto Encyclopedia of Genes and Genomes,KEGG)富集分析miR-148a-3p的潜在靶基因。结果共375例HCC患者纳入研究,49例同时检测了肿瘤组织与癌旁组织的miR-148a-3p表达,肿瘤组织miR-148a-3p表达显著低于癌旁组织(16.54∶17.22,P=0.010)。ROC曲线结果显示,miR-148a-3p表达对HCC具有较好的诊断价值(曲线下面积为0.751,95%CI:0.699~0.804)。Kaplan-Meier分析发现,miR-148a-3p高表达的患者OS时间(104.2个月∶46.2个月,P=0.001)和DSS时间(104.2个月∶59.7个月,P=0.026)均更长。多因素Cox回归分析发现,miR-148a-3p高表达是HCC患者良好OS时间的独立预后因子(HR=0.546,95%CI:0.373~0.799,P=0.002),但与DSS时间无显著相关性(HR=1.024,95%CI:0.520~2.014,P=0.946)。GO/KEGG富集分析发现miR-148a-3p的潜在靶基因富集于FOXO信号通路、转化生长因子-β(transforming growth factor-β,TGF-β)信号通路,与泛素连接复合物、细胞内吞、内皮细胞增殖、细胞周期停滞等功能相关。结论miR-148a-3p低表达于HCC肿瘤组织,其表达可作为HCC患者生存的可靠预测因子,该分子生物学功能可能参与调控FOXO、TGF-β信号通路,与泛素连接复合物、细胞内吞、内皮细胞增殖、细胞周期停滞等功能相关。

基于TCGA数据库研究KCNT2在肺腺癌中的表达及与患者预后的相关性

目的基于癌症基因组图谱(TCGA)数据库,观察钠激活钾通道蛋白基因KCNT(potassium sodium-activated channel subfamily T member 2,KCNT2)在肺腺癌癌组织中的表达及临床意义。方法从TCGA数据库中下载肺腺癌组织的RNASeq数据以及临床数据,分析KCNT2 mRNA在肺腺癌组织和正常组织中的表达差异;以KCNT2表达水平的中位值(0.143)为界限将肺腺癌患者分为KCNT2高表达组和KCNT2低表达组,应用单因素及多因素COX回归分析癌组织中KCNT2表达与患者临床病理特征的关系及预后的相关性。应用基因集富集分析(GSEA)软件分析预测KCNT2在肺腺癌中可能的调控信号通路。结果肺腺癌组KCNT2表达水平低于正常对照组(P<0.05);肺腺癌组织中KCNT2的表达水平与患者Stage分期相关(P<0.05);Stage分期(HR=1.947,95%CI:1.236~3.066,P=0.004)可以作为肺腺癌的独立预后因素;KCNT2低表达组生存率低于KCNT2高表达组(P=0.035);KCNT2主要参与氧化磷酸化信号通路、核糖体、嘧啶代谢、精氨酸和脯氨酸代谢、谷胱甘肽代谢、RNA聚合酶等信号通路。结论KCNT2在肺腺癌组织中呈低表达,与肺腺癌患者的预后相关,并通过参与多种信号通路促进肺腺癌的发生发展,可能是肺腺癌诊断和治疗的潜在生物标志物。

基于TCGA数据库下吸烟史肺鳞癌患者DNA甲基化谱的生物信息学分析

目的基于癌症基因组图谱(TCGA)数据库探讨吸烟史肺鳞癌患者的DNA甲基化谱特点。方法从TCGA数据库下载吸烟史肺鳞癌患者(213例)及非吸烟史肺鳞癌患者(178例)的临床数据、甲基化DNA芯片数据,首先分析两组患者总生存(OS)和甲基化基因的差异。然后进行基因本体(GO)功能注释和京都基因与基因组百科全书(KEGG)通路分析,并建立PPI分析找出关键甲基化基因。最后分析两组关键DNA甲基化水平之间的差异。结果吸烟患者OS显著低于非吸烟组(P<0.05)。吸烟及非吸烟肺鳞癌患者共筛选出差异甲基化基因共计62个,其中上调48个,下调14个。吸烟与非吸烟肺鳞癌患者甲基化基因情况共有10条显著差异性富集信号通路(P<0.05)。两组患者差异显著富集条目30个,其中10个与生物过程相关,10个与细胞组分相关,10个与分子功能相关。两组患者差异表达的DNA甲基化关键基因别为前梯度基因(AGR)2、极光激酶(AURK)B、叉状头转录因子(FOX)P3和高迁移率蛋白A1基因(HMGA1)。吸烟组AGR2、AURKB及HMGA1甲基化水平显著高于非吸烟组,而FOXP3水平明显低于非吸烟组(P<0.05)。结论通过DNA甲基化谱分析发现,AGR2、AURKB、FOXP3和HMGA1的甲基化水平是影响有吸烟史肺鳞癌患者的关键节点。

基于TCGA数据库和GEO数据库分析SERPINE1在胃癌中的表达和预后影响

目的 分析SERPINE1在胃癌组织中的表达及其临床意义。方法 通过检索肿瘤免疫评估资源(TIMER)数据库,了解SERPINE1在33种癌症组织中的表达情况。通过检索癌症基因组图谱(TCGA)数据库,下载375例胃癌组织和32例癌旁组织的RNA-Sep数据和临床信息,通过检索基因综合表达(GEO)数据库GSE54129数据集下载了111例胃癌组织和21例癌旁组织的基因表达谱芯片,分别将TCGA和GSE54129数据集中的SERPINE1进行癌组织和癌旁组织的表达差异分析,COX分析TCGA数据集中临床基线资料和SERPINE1 mRNA表达水平对胃癌患者预后的影响。绘制Kaplan-Meier生存曲线和受试者工作特征曲线(ROC)分析SERPINE1 mRNA表达与预后的关系。通过基因富集分析(GSEA)挖掘并预测SERPINE1参与的通路。结果 TIMER数据库分析表明,SERPINE1在8种癌组织中明显高表达(P<0.05)。TCGA数据集、GSE54129数据集分析表明,在胃癌组织中SERPINE1表达高于癌旁组织(P<0.001)。多因素COX分析表明,病理Stage4、SERPINE1 mRNA表达水平高是影响胃癌患者预后生存时间的独立危险因素[HR(95%CI)=3.061(1.107~8.464)、1.778(1.224~2.582),P<0.05)]。Kaplan-Meier生存曲线分析发现,SERPINE1高表达组总生存期明显低于低表达组(P<0.001)。ROC曲线分析发现,SERPINE1表达预测1、3、5年生存几率的曲线下面积分别为0.598、0.649、0.731。GESA分析说明SERPINE1与上皮间质转化、炎性反应、细胞顶端连接复合物、KRAS通路、血管生成等通路存在相关性。结论 SERPINE1在胃癌组织中表达明显上调,其高表达预示胃癌患者预后不佳,SERPINE1可作为影响胃癌患者预后的一种生物学标志物,并作为潜在的治疗靶点。

基于TCGA及Oncomine数据库挖掘TMEM164在肝细胞癌中的表达及临床意义

目的TMEM164是TMEM家族的一员,实验基于肿瘤基因组图谱(TCGA)和Oncomine数据库评估了TMEM164在肝细胞癌中表达及临床意义。方法从GDC Data Portal网站(https://portal.gdc.cancer.gov/)下载424例HCC的RNA表达谱和临床病理参数资料。其中肝细胞癌(HCC)组织374例,癌旁正常组织50例。借助Oncomine数据库进一步扩大样本量,验证TCGA数据库分析结果是否正确。采用Kaplan-Meier曲线和Cox回归分析TMEM164表达与患者预后的相关性,并进行基因集富集分析(GSEA),探讨其潜在作用机制。结果TMEM164在HCC组织中表达量显著高于癌旁正常组织(P<0.001);TMEM164表达水平与HCC患者的Stage分期和T分期均显著相关(P<0.05);生存分析显示TMEM164高表达患者总生存率显著低于低表达患者(P<0.01);单因素及多因素Cox回归分析结果表明TMEM164高表达可能作为HCC患者预后的独立指标。GSEA表明TMEM164可能通过调控mTOR、ERBB等通路进而调控细胞周期、凋亡、自噬及RNA降解等参与HCC的进程,此外TMEM164还可能作用于与免疫相关的信号通路。结论TMEM164在肝细胞癌中高表达,与患者预后不良相关,可能成为HCC患者的预后标志物及潜在治疗靶点。

基于TCGA数据库构建胃癌免疫相关基因的预后风险模型

目的基于癌症基因组图谱(TCGA)数据库,通过分析差异表达的免疫相关基因构建胃癌患者的预后风险模型。方法从TCGA数据库下载胃癌及癌旁组织的RNA测序数据和配对的患者临床资料,从ImmPort数据库中下载免疫相关基因的数据。通过比较肿瘤组织和癌旁组织,筛选出差异表达的免疫相关基因,采用Cox风险比例回归模型构建差异表达免疫相关基因的预后风险模型,通过Kaplan-Meier生存曲线和受试者工作特征(ROC)曲线下面积(AUC)评价模型的预测性能,再对模型风险评分进行独立预后分析。结果从TCGA数据库下载了包括375例胃癌组织和32例癌旁组织的RNA测序数据,共筛选出349个差异表达的免疫相关基因,通过多因素Cox回归分析得到9个(IL1A、APOH、CGB5、GRP、TNFSF18、LGR6、MC1R、NPR1、CTLA4)与胃癌预后相关的免疫相关基因,并以此构建预后风险模型。根据模型风险评分的中位值将所有样本分为高、低风险两组,Kaplan-Meier生存分析结果显示,低风险组的总生存率高于高风险组,差异有统计学意义(P<0.001)。ROC曲线下面积为0.719,独立预后分析结果显示,模型风险评分可作为评估胃癌患者预后的独立预测因子。结论构建的免疫相关基因预后风险模型可以较好地评估胃癌患者的预后情况并指导个体化治疗,也为寻找新的免疫治疗靶点提供帮助。

癌症 TCGA 数据库中乳腺癌预后数据的挖掘

近年来,乳腺癌发病率逐渐上升,并且呈现出年轻化趋势。使用TCGA数据库中已有的基因信息筛选鉴定出与乳腺癌预后相关的基因。为排除癌组织和正常组织取样时间不同造成的差异,我们选取了113对同时检测乳腺癌区和其相对应癌旁正常组织的样品,从TCGA数据库调取转录组数据,对这些数据通过DEseq进行差异表达分析,筛选出1428个差异表达基因。对差异表达基因进行基因本体GO,代谢通路KEGG,疾病本体DO和富集分析获得68个与乳腺癌相关的差异表达的关键基因;采用数据库中所用癌症的表达数据(共1097例)对这些乳腺癌相关基因进行总生存率分析,筛选出8个与乳腺癌预后相关的基因。结果显示在乳腺癌病人中PGLYRP2、SEMA3G、PROL1及SLC7A3的高表达伴随着乳腺癌病人的预后良好,而SKA1、BIRC5、RRM2和AURKA基因的高表达伴随着乳腺癌病人的预后不良。这8个基因有可能是乳腺癌预后相关的重要基因,这为乳腺癌病人的预后治疗提供了新的方向与思路,并可能通过调控基因水平来尽可能地控制预后。

TCGA数据库:海量癌症数据的源泉

由美国政府发起的癌症基因组图谱(The Cancer Genome Atlas,TCGA)计划是一个公共资助的项目,其采用高通量基因组测序、基因芯片技术,运用多维数据整合分析方法,将人类几乎所有癌症(包括亚型在内的50多种肿瘤)的基因组变异及基因表达水平图谱绘制出来,最终将阐明癌症的发生和发展机制,并在此基础上开发新的诊断、分类标准和治疗方法,勾画出新型"防治癌症策略"。文章介绍了TCGA数据库数据产生历程,检测平台和数据类型、水平以及数据下载方法和Barcode定义,重点概述TCGA在各种癌症防治研究中的应用,以期提高人们对癌症发生和发展分子基础的科学认识及增强预防、诊断和治疗癌症的能力。

基于TCGA数据库建立胆管癌自噬相关基因预后预测模型及其应用

目的利用癌症基因组图谱(TCGA)数据库构建胆管癌自噬相关基因(ARGs)预后预测模型。方法通过人类自噬数据库和分子特征数据库获得531个胆管癌ARGs。从TCGA数据库中选择CHOL队列的转录组和临床数据进行下载,包含胆管癌组织36例、正常胆管组织9例。采用Perl软件将原始测序数据进行合并,提取所有ARGs的表达数据;利用R软件对胆管癌组织和正常胆管组织中的ARGs进行差异表达分析,筛选出胆管癌组织中表达失调的ARGs,并进行GO功能富集和KEGG信号通路分析。利用单因素Cox及Lasso回归模型筛选关键ARGs,多因素Cox回归模型建立预后预测模型,根据关键ARGs的mRNA表达水平和风险系数计算每个患者的风险评分,按其中位数将胆管癌患者分为高风险组和低风险组,绘制生存曲线,比较两组的生存期。绘制预后预测模型的ROC曲线,评价其预测预后的敏感度和特异性。最后利用R软件构建基于关键ARGs的列线图,绘制校准曲线评估实际生存和预测生存的一致性。结果与正常胆管组织比较,胆管癌组织中有324个表达失调的ARGs。这些ARGs主要涉及自噬、利用自噬机制的过程、大自噬、自噬的调节、凋亡等生物学过程和信号通路。经过单因素Cox和Lasso回归分析,筛选出5个关键ARGs,即VPS11、EVA1A、BNIP3、GABARAP、VPS4B。以这5个关键ARGs建立预测胆管癌患者预后的风险模型,风险评分=(-3.739×VPS11)+(1.691×EVA1A)+(1.734×BNIP3)+(5.776×GABARAP)+(-1.310×VPS4B)。生存分析显示,高风险组的总生存时间低于低风险组,预测1年、2年、3年生存率的ROC曲线下面积均大于0.9。构建了基于5个ARGs的列线图(C指数为0.822,95%CI为0.721~0.924),另外,绘制预测1年、2年、3年生存率的校准曲线几乎都落在了45°的对角线上,提示该模型的准确性和区分能力较好。结论成功构建了基于VPS11、EVA1A、BNIP3、GABARAP、VPS4B共5个关键ARGs表达的胆管癌预后风险预测模型,该模型可有效预测胆管癌患者的预后。

基于数据库挖掘皮肤黑色素瘤微环境预后生物标志物

目的 通过探索肿瘤微环境(TME)来确定与皮肤黑色素瘤(SKCM)预后生存相关基因,并进一步构建评估SKCM患者预后的风险预测模型。方法 根据癌症基因组图谱(TCGA)数据库和ESTIMATE算法计算SKCM患者的免疫评分和基质评分,筛选高分组与低分组之间的差异表达基因(DEG),并进一步通过功能富集分析、蛋白质相互作用网络(PPI)、生存分析和Lasso回归分析筛选预后显著相关基因,最终利用预后显著相关基因构建风险预测模型。结果 471例SKCM病例纳入本研究,根据免疫评分和基质评分的中位数,将236例评分≥中位数的患者纳入高分组,235例评分<中位数的患者纳入低分组。高免疫评分组和高基质评分组的中位生存时间分别显著长于低免疫评分组和低基质评分组(P值均<0.05)。Kaplan-Meier生存曲线显示,免疫评分、基质评分均与SKCM患者的生存时间呈正相关(P=0.000 11、0.046)。SKCM患者中高分组和低分组的基因表达数据分析结果显示,高分组和低分组具有不同的基因表达谱。基于免疫评分的结果显示,高分组有1 257个基因上调,20个基因下调[log2差异倍数(|log2(FC)|>1.5),P<0.05];基于基质评分的结果显示,高分组有876个基因上调,42个基因下调[|log2(FC)|>1.5,P<0.05]。免疫评分和基质评分进行基因集富集分析(GSEA),结果显示上调基因主要富集的基因组百科全书(KEGG)通路为细胞因子-细胞因子受体的相互作用、趋化因子信号传导途径、NF-κB信号传导途径等,基因本体(GO)通路为免疫学突触、细胞因子产生的负向调节和正向调节、细胞杀伤等。韦恩图显示,有728个DEG在免疫评分和基质评分的高分组中表达上调,3个DEG在免疫评分和基质评分的高分组中表达下调,即一共731个基于不同评分筛选出的共有DEG。对731个共有DEG进行功能富集分析,结果显示共有DEG与免疫应答具有相关性;生存分析显示,共有599个(81.9%)基因的表达情况与SKCM患者的预后相关,其中596个(81.5%)基因的高表达与SKCM患者更好的预后相关(P<0.05),3个(0.4%)基因的低表达与SKCM患者更好的预后相关(P<0.05)。通过Lasso回归进一步筛选出29个候选基因,利用29个候选基因计算风险评分,并且根据风险评分将SKCM患者分为高风险组(评分≥中位数)和低风险组(评分<中位数);结果显示,低风险组的中位生存时间显著长于高风险组(P<0.000 1),且AUC达到0.66。结论 探索SKCM患者的TME确定了29个SKCM预后相关基因,构建的风险预测模型可用于评估患者生存情况。

基于TCGA数据库对前列腺癌中免疫相关的长链非编码RNA(lncRNA)的生物信息学分析

目的探讨前列腺癌(PCa)组织中免疫相关长链非编码RNA(lncRNA)临床意义,为治疗PCa提供参考。方法从癌症基因组图谱(TCGA)数据库中下载PCa转录数据与临床数据,获取PCa中lncRNA;再下载与免疫相关的基因集;对获取的免疫基因与lncRNA采用Pearson相关性分析法进行共表达以确定与免疫相关的lncRNA,再通过单因素Cox回归和Lasso回归确定关键的lncRNA;采用R软件中的"ggplot package"和"survival package"分析这些lncRNA与临床特征的相关性与预后价值。我们使用lnc2RNA数据库分析lncRNA在正常前列腺组织与PCa组织之间的表达差异。最后使用Starbase、David在线网站确定有预后价值的lncRNA的靶基因和靶基因的富集分析。结果AL162586.1、AC138028.4、SLC25A25-AS1、AC002553.1、AC004816.1、LINC00641、AC027796.4是免疫相关且关键的lncRNA,其表达量随着N等级的升高而升高;AL162586.1和SLC25A25-AS1表达量随着T等级升高而升高。SLC25A25-AS1和LINC00641在肿瘤组织中和正常组织中表达量有差异。基因本体论(GO)富集结果显示SLC25A25-AS1主要分布于细胞膜、通过剪接体对mRNA剪接进行负调控,并与核苷酸结合;在KEGG富集中主要富集在剪接体通路。结论lncRNA已成为PCa新的研究方向,其中SLC25A25-AS1可能是通过剪接途径影响PCa患者预后。

基于TCGA数据库胆管癌自噬-临床预后模型的构建和评估

目的探讨自噬相关基因(autophagy-related genes,ATGs)在临床预后方面的价值,并构建自噬基因的预后风险模型,评估胆管癌(cholangiocarcinoma,CCA)患者的生存及预后状况。方法在癌症基因组图谱数据库(TCGA)中下载CCA的转录组数据和临床数据,从人类自噬数据库(HADb)中提取自噬相关基因,筛选出CCA样本中差异表达的自噬相关基因(DEATGs);GO富集分析与KEGG通路分析进一步阐明DEATGs在CCA中的作用;通过Cox回归分析构建自噬预后风险评分模型,并运用生存分析、风险曲线、ROC曲线及独立预后分析验证预后模型的准确性。结果CCA组织样本和非肿瘤组织样本一共筛选出49个DEATGs(上调的基因48个,下调的基因1个);通过单因素Cox回归分析及多因素Cox回归分析筛选出5个最有预后价值的基因(RHEB、PPP1R15A、ATG101、BNIP3、NRG1),并基于这5个基因构建自噬预后风险评分模型,模型公式为:风险值=NRG1表达量×1.1207+BNIP3表达量×1.4002+ATG101表达量×1.3457-PPP1R15A表达量×1.1613-RHEB表达量×1.3279。生存分析表明低风险组的生存率要显著高于高风险组,风险曲线表明患者风险值与生存时间及生存状态显著相关,ROC曲线提示自噬预后模型具有良好的准确性,是一个独立的预后因素(HR 1.427,95%CI 1.161~1.756,P<0.001)。结论5个自噬基因(RHEB、PPP1R15A、ATG101、BNIP3、NRG1)构建的自噬相关预后风险模型,可以有效预测CCA患者的预后情况。

基于TCGA数据库的肺腺癌组织中CDT1表达及相关信号通路分析

目的基于症基因组图谱(TCGA)数据库,观察染色质许可和DNA复制因子1(CDT1)在肺腺癌患者癌组织中的表达变化,分析癌组织中CDT1与患者临床病理特征、预后的相关性,并预测CDT1在肺腺癌中参与调节的信号通路。方法从TCGA数据库中下载肺腺癌组织中CDT1基因表达谱及肺腺癌患者的临床病理信息,使用R3.6.1软件提取肺腺癌组织(肺腺癌组)及正常肺组织(正常对照组)CDT1的表达量数据,利用Mann-Whitney U检验比较两组间的表达差异。以CDT1表达水平的中位值(4.409)为界限将肺腺癌患者分为CDT1高表达组和CDT1低表达组,利用单因素及多因素COX回归分析癌组织中CDT1表达与患者临床病理特征的关系。利用R3.6.1软件"survival"包分析CDT1高、低表达组总体生存率(OS)的差异,并通过GEPIA、Kaplan Meier-plotter、UALCAN等在线工具对结果进行验证。利用基因集富集分析(GSEA)预测CDT1在肺腺癌中参与的分子通路。结果肺腺癌组CDT1的表达水平高于正常对照组(P<0.001)。肺腺癌组织中CDT1的表达水平与患者年龄(P=0.019)、Stage分期(P=0.007)及远处转移(P=0.042)等相关。Stage分期(HR=1.97,95%CI:1.22~3.17,P=0.005)和CDT1表达(HR=1.43,95%CI:1.14~1.79,P=0.002)可以作为肺腺癌的独立预后因素。CDT1高表达组生存率低于CDT1低表达组(P=0.029)。CDT1主要参与细胞周期、嘌呤与嘧啶代谢、核苷酸切除修复以及p53信号通路等。结论CDT1在肺腺癌患者中高表达,与肺腺癌患者的Stage分期及远处转移等相关,可作为导致肺腺癌不良预后的独立危险因子,并通过参与多种信号通路促进肺腺癌的发生发展。

基于TCGA数据库探索miR-4746-5p在肝癌中的表达及其临床意义

目的探讨miR-4746-5p在肝癌中的表达与临床意义。方法从癌症基因组图谱(TCGA)数据库获取375例肝癌组织与50例癌旁组织RNA-seq数据及对应患者的临床信息,比较其miR-4746-5p表达水平与肝癌患者临床病理特征及预后的相关性;使用单、多因素Cox回归模型评估肝癌患者预后的危险因素;应用ROC曲线评估miR-4746-5p诊断肝癌的敏感性;利用ssGSEA评估miR-4746-5p表达水平与肝细胞癌(HCC)免疫浸润水平的相关性。结果miR-4746-5p在肝癌组织中的表达显著高于正常肝组织及癌旁组织(P<0.01),并且miR-4746-5p表达水平与肝癌患者TMN分期、组织学水平、甲胎蛋白水平、是否伴血管侵犯及年龄密切相关(均P<0.05)。高表达miR-4746-5p的肝癌患者总生存率与疾病特异性生存期明显低于miR-4746-5p低表达患者(均P<0.05)。TNM分期与miR-4746-5p表达水平是相互独立的影响肝癌患者预后的危险因素(P<0.01)。GO生物功能及KEGG富集分析提示,miR-4746-5p可能参与调节细胞分化、小GTP酶结合活性和轴突部组装等过程,其靶基因主要富集于MAPK信号通路、轴突引导信号通路、自噬信号通路;miR-4746-5p的表达水平与多种免疫细胞浸润水平(如巨噬细胞、Th2细胞、CD8 T细胞、NK细胞、中性粒细胞等)相关。此外,miR-4746-5p可能通过调控ASPG/CXCL12/IGF2/c11orf96/SEC31B轴促进HCC的发生发展并导致不良预后。结论miR-4746-5p可作为诊断早期肝癌的标志物并对肝癌患者临床治疗及预后预测具有重要意义。

综合分析TCGA与GEO甲基化数据鉴定胆管癌预后相关基因SOX9和FZD10

目的鉴定胆管癌(cholangiocarcinoma,CCA)甲基化与表达谱综合生物标志物,预测CCA患者预后。方法从癌症基因组图谱(The Cancer Genome Atlas,TCGA)下载33例CCA样本和8例正常样本基因组甲基化数据及临床信息表达谱数据,同时从基因表达综合数据库(Gene Expression Omnibus,GEO)下载甲基化数据进行验证。鉴定差异甲基化基因(DMGs)与差异表达基因(DEGs)的交集基因,采用Cox比例风险回归模型鉴定甲基化生物标志物,并使用ROC曲线来评估该模型的性能。在验证组中对该模型进行验证,通过GO功能注释,探讨DNA甲基化标志物的生物学功能。结果通过对TCGA甲基化数据分析,共鉴定出600个差异甲基化基因和6876个差异表达基因,并从中筛选出与生存相关的2个甲基化基因(SOX9和FZD10),最终将SOX9和FZD10组合基因构建预后预测模型,作为CCA预后的生物标志物。ROC曲线下面积(AUC)为0.90。SOX9和FZD10组合生物标志物能够将CCA患者区分为高风险组和低风险组,低风险组患者总生存期明显高于高风险组(2.07年vs 0.92年)。多因素Cox回归分析表明,SOX9和FZD10组合生物标志物是CCA患者预后的独立预测因子。基因本体(GO)功能分析表明,SOX9和FZD10参与转录因子、转录调控、肿瘤蛋白多糖调节和干细胞的调控。结论本研究经过多组学分析,在TCGA数据中筛选出SOX9和FZD10基因组合的甲基化预后标志物,可以将CCA患者分为高风险组与低风险组,并且该组合基因是CCA独立的预后预测因子。

基于生物信息学构建口腔鳞状细胞癌免疫基因的预后模型

目的旨在构建免疫相关基因(IRGs)的风险预测模型,以预测口腔鳞状细胞癌(OSCC)患者的预后。方法应用生物信息学技术分析OSCC的转录组测序数据,鉴定出差异表达的IRGs(DEIRGs)。通过Cox回归分析构建DEIRGs的风险预测模型,并对其预测能力进行评估。分析该模型与临床病理和免疫细胞浸润的相关性。结果通过比较OSCC和正常样本共鉴定出3634个差异表达基因,其中包括330个DEIRGs(FDR<0.05,|logFC|>1)。单因素Cox回归分析筛选出与预后相关的20个DEIRGs(P<0.05),多因素Cox回归分析筛选出其中15个DEIRGs用于构建风险预测模型。该模型可作为OSCC患者的独立预后因素(P<0.001),预测患者预后的能力具有较高的准确性(AUC=0.732),并与临床分期(t=-3.484,P<0.001)、B细胞(Cor=-0.180,P=0.002)和CD4^(+)T细胞(Cor=-0.127,P=0.026)密切相关。结论基于15个预后相关DEIRGs构建的风险预测模型能够有效地预测OSCC患者的预后,可帮助临床医生为不同风险的OSCC患者选择个性化的治疗策略。