基于缺氧相关LncRNA胰腺癌预后模型的研究

目的旨在利用缺氧相关LncRNA对胰腺癌患者预后进行前瞻性评估。方法在TCGA数据库中获得所有胰腺癌转录组数据及临床资料,从GSEA中查找缺氧相关基因,通过共表达的方法找出与缺氧相关的LncRNA。单因素和多因素Cox分析筛选出预后相关的缺氧LncRNA进行预后模型构建。运用生存曲线和ROC曲线分析胰腺癌中缺氧相关LncRNA特征随时间推移的预后价值。最后利用特征LncRNA的表达量对胰腺癌肿瘤进行分型,分析验证特征LncRNA的表达与胰腺癌密切相关。lasso回归模型进一步分析筛选具有显著预后价值和研究意义的关键缺氧相关LncRNA。结果单因素Cox回归分析发现,在差异表达的缺氧相关LncRNA中有29个LncRNA可能与预后相关,这29个LncRNA经多因素Cox分析及优化得到6个影响预后的特征LncRNA。进而6个LncRNA构建的预后模型生存曲线也显示低风险组的预后较高风险组好,差异有统计学意义(P<0.05)。同时,独立预后分析表明该预后模型可以作为一个独立的预后因子(P<0.05)。最后lasso回归模型进一步筛选删减得到4个具有显著预后价值的缺氧相关LncRNA。结论本研究成功构建了基于4个缺氧相关LncRNA的胰腺癌预后模型,对提高胰腺癌患者预测预后及指导个体化治疗具有重要临床意义。该模型所包含的4个关键特征LncRNA可能是预测胰腺癌预后的潜在新型标志物。

基于基因表达综合数据库的缺血性卒中缺氧相关差异基因表达分析

目的基于基因表达综合(GEO)数据库,采用生物信息学方法分析缺血性卒中的基因表达情况,结合缺氧相关基因,解析缺氧相关差异基因(HRDEGs)表达特征,筛选出关键基因,为深入了解缺血性卒中提供重要支撑。方法从GEO数据库下载GSE16561和GSE58294两个数据集,采用Python软件进行数据合并,利用Combat方法消除批次效应,同时保留疾病分组特征。对消除批次效应前后的数据采用主成分分析法进行降维处理,并对缺血性卒中组和正常对照组人群进行组内相关系数(ICC)检测。对合并及批次效应消除后数据集进行基因集富集分析(GSEA)及单样本GSEA,以名义P值(NOM P-val)<0.05且假阳性率P值(FDR P-val)<0.25作为标准,筛选出具有显著差异的基因集。利用R软件对GSE16561和GSE58294数据集合并及批次效应消除后的缺血性卒中患者和正常对照者之间的差异表达基因进行鉴定[以log 2基因表达差异倍数(FC)的绝对值≥0.58和矫正P值(P adj)<0.05作为筛选标准],并与在美国国立生物技术信息中心(NCBI)中获取的缺氧相关基因进行交集,得到HRDEGs。对HRDEGs进行基因本体论(GO)和京都基因与基因组百科全书(KEGG)富集分析,使用STRING数据库构建差异表达基因的蛋白质互相作用网络,利用Cytoscape3.8软件筛选排名前10位的关键基因。结果ICC分析结果显示,消除批次效应后的GSE16561和GSE58294数据集中缺血性卒中和正常对照者的ICC分别为0.94和0.98,一致性极好。GSEA结果显示,对GSE16561和GSE58294合并及批次效应消除后的新数据集中,34个基因集在缺血性卒中样本中显著富集,筛选出表达差异基因404个(均P adj<0.05),其中高表达基因354个,低表达基因50个。与缺氧相关基因进行交集,获得64个HRDEGs。GO富集分析表明,HRDEGs主要在囊泡腔、细胞质囊泡腔、分泌颗粒腔和特殊颗粒中显著富集,具有酰胺结合、肽结合、磷脂结合和酶抑制活性等分子功能,主要参与了细胞因子产生的正向调节、炎性反应的调节、对细菌来源分子的反应和对脂多糖的反应等生物学过程。KEGG富集分析表明,HRDEGs主要在血脂与动脉粥样硬化、沙门氏菌感染、中性粒细胞胞外陷阱形成、核苷酸结合寡聚化结构域样受体信号通路、癌症中的蛋白聚糖、结核病和坏死性凋亡等通路上存在富集。基于蛋白质互相作用网络,最终筛选出了10个关键基因,分别为ARG1(精氨酸酶1)、CASP1(含半胱氨酸的天冬氨酸蛋白水解酶1)、IL-1R1(白细胞介素1受体1型)、ITGAM(整合素亚基αM)、MMP9(基质金属蛋白酶9)、PTGS2(前列腺素内过氧化物合酶2)、STAT3(信号传感器和转录激活剂3)、TLR2(Toll样受体2)、TLR4、TLR8。。结论通过生物信息学挖掘,本研究获得了10个缺血性卒中与缺氧相关的关键基因,可能为后续研究工作及诊断治疗提供了潜在靶点。