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。

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。

基于公共数据库分析肿瘤坏死因子受体超家族成员-4在喉鳞状细胞癌中的表达及临床意义

目的 通过多个数据库资料结合临床样本分析喉鳞状细胞癌(鳞癌)患者中肿瘤坏死因子受体超家族成员(TNFRSF)4表达水平的变化,研究TNFRSF4在喉鳞癌发生发展中的作用。方法 根据高通量基因表达(GEO)数据库和癌症基因组图谱(TCGA)数据库转录组表达谱数据筛选出差异表达的基因,结合基因表达谱数据动态分析(GEPIA)数据库对差异基因TNFRSF4进行表达水平预测和生存分析;同时通过3例患者的喉鳞癌组织与癌旁组织标本进行qRT-PCR和Western blot验证,基于TCGA的临床数据绘制K-M生存曲线图并进行Cox回归分析。采用基因集富集分析探究与TNFRSF4在喉鳞癌中作用有关的信号通路。结果 数据库和临床样本中,喉鳞癌组中TNFRSF4的表达高于正常组(P<0.05),且TNFRSF4高表达组的生存率高于TNFRSF4低表达组(P<0.01)。多因素的Cox回归分析显示,TNFRSF4表达水平(HR:0.430,95%CI:0.229~0.806,P=0.009)、性别(HR:0.424,95%CI:0.204~0.882,P=0.022)、淋巴结分期(HR:2.010, 95%CI:1.055~3.831,P=0.034)和远处转移(HR:3.706, 95%CI:1.152~11.922,P=0.028)四个因素共同对患者的总生存时间产生影响。基因集富集分析的结果显示,与TNFRSF4表达最显著相关的信号通路有细胞黏附分子、JAK-STAT信号通路、T细胞受体信号通路、B细胞受体信号通路、原发性免疫缺陷和自身免疫性甲状腺疾病。结论 TNFRSF4高表达可能是喉鳞癌患者预后良好的生物标志物。

肝细胞癌相关的核编码线粒体基因及临床信息的综合预后模型

目的·建立一个基于线粒体基因和临床信息的肝细胞癌(hepatocellular carcinoma,HCC)总生存率(overall survival,OS)的预后模型。方法·从癌症基因组图谱(The Cancer Genome Atlas,TCGA)下载369例HCC患者和50例肝脏正常对照的基因表达谱和临床数据。核编码的线粒体基因(nuclear encoded mitochondrial gene,NEMG)从MitoCarta3.0数据库获得。使用“DEseq2”R包和单变量Cox分析选择与HCC患者OS相关并参与氧化磷酸化、三羧酸循环和细胞凋亡通路的NEMG[(泛素细胞色素C还原酶铰链蛋白(ubiquinol cytochrome C reductase hinge protein,UQCRH)、腺苷三磷酸柠檬酸裂解酶(ATP citrate lyase,ACLY)、磷酸烯醇式丙酮酸羧激酶2(phosphoenolpyruvate carboxykinase 2,PCK2)、Bcl-2同源拮抗剂1(Bcl-2 homologous antagonist/killer 1,BAK1)、Bcl-2相关X蛋白(Bcl-2-associated X protein,BAX)和Bcl-2/腺病毒E1B相互作用蛋白3样(Bcl-2/adenovirus E1B interacting protein 3-like,BNIP3L)]。应用多变量Cox回归来确定HCC OS的独立危险因素。建立一个基于独立危险因素(6个NEMG风险特征和TNM分期)的综合预后模型和预后列线图,计算中位预后评分。以中位预后评分作为分界点,将HCC患者分为高风险组和低风险组。进行Kaplan-Meier生存曲线分析,并进行对数秩检验来评估低风险组和高风险组患者OS的差异。使用“timeROC”软件包计算受试者操作特征(receiver operating characteristic,ROC)曲线下面积(area under the curve,AUC)。用基因表达数据库(Gene Expression Omnibus,GEO)下载HCC队列(GSE14520)验证综合预后模型对1、3、5年OS的预测性能。通过实时荧光定量聚合酶链反应(real-time quantitative polymerase chain reaction,qPCR)在来自上海交通大学医学院附属新华医院的34例HCC临床样本中验证6-NEMG的相对表达水平。结果·ROC分析结果显示,与仅6-NEMG风险特征(1、3、5年AUC分别为0.77、0.66、0.65)或仅TNM分期(1、3、5年AUC分别为0.66、0.67、0.63)相比,该综合预后模型对1年(AUC,0.78)、3年(AUC,0.73)和5年(AUC,0.69)HCC OS显示出更好的预测性能。Kaplan-Meier生存曲线分析结果显示高风险组患者的OS明显比低风险组差(P=0.001)。此外,在GEO外部队列中发现该预后模型的预测性能较好(1、3、5年AUC分别为0.67、0.66、0.74),高、低风险组患者的预后差异有统计学意义(P=0.001),与TCGA数据的结果一致。在临床HCC队列中,与癌旁肝脏组织相比,除BNIP3L外,其他5个NEMG在肿瘤组织的表达水平上调或者下调。相关性分析显示,在GSE14520与临床HCC队列中预后评分与HCC肿瘤的大小和数量呈正相关。结论·构建并验证了一个将6-NEMG风险特征与TNM分期相结合的HCC预后预测模型。该模型可能有助于HCC患者的预后预测。

生物钟基因在腹部恶性肿瘤组织中的表达差异

目的探讨生物钟基因在腹部恶性肿瘤组织中的表达差异。方法利用癌症基因组图谱数据库对14个生物钟基因(Per1、Per2、Per3、Cry1、Cry2、Timeless、CLOCK、BMAL1、NPAS2、NR1D1、NR1D2、DEC1、DEC2和RORA)的RNA-Seq在6种腹部恶性肿瘤(肝癌、胃癌、胰腺癌、肾癌、直肠癌、结肠癌)组织及邻近正常组织中的表达进行分析,用Bioconductor的edgeR去标准化RNA-Seq数据。结果 14个生物钟基因在6种腹部恶性肿瘤组织中均低表达。与邻近正常组织比较,肝癌组织Cry2、CLOCK、Timeless、NPAS2、NR1D1、DEC1、DEC2、RORA基因低表达(P均<0. 05),肾癌组织Per1、Per2、Cry1、Cry2、CLOCK、Timeless、NPAS2、NR1D1、NR1D2、DEC2、RORA基因低表达(P均<0. 05),结肠癌组织Per1、Per2、Per3、Cry1、Cry2、Timeless、BMAL1、NR1D2、DEC1、DEC2、RORA基因低表达(P均<0. 05),直肠癌组织Per1、Per3、Cry1、Cry2、CLOCK、BMAL1、NPAS2、NR1D1、DEC2、RORA基因低表达(P均<0. 05),胃癌组织Per1、Per3、Cry2、CLOCK、Timeless、BMAL1、NPAS2基因低表达(P均<0. 05)。结论生物钟基因在腹部恶性肿瘤组织中低表达,并且在不同类型腹部恶性肿瘤组织中表达亦存在一定差异。

肺鳞癌免疫基因组学分型及预测模型构建

目的通过基因组学分析建立肺鳞癌免疫分型,并进一步探索其临床应用价值。方法通过检索下载分析癌症基因组图谱(TCGA)数据库中所有肺鳞癌数据包括患者基因表达谱及临床数据(检索时间:建库到2021年1月4日),通过单样本基因集富集分析(ssGSEA)对患者进行分组,利用基因表达数据估算恶性肿瘤组织中的基质细胞和免疫细胞占比(ESTIMATE)及通过估计RNA转录本的识别细胞类型(CIBERSORT)分别评估各样本中肿瘤微环境的组成及免疫细胞数量;套索算法(LASSO)筛选并构建预测模型。结果纳入501例肺鳞癌患者进行分析。其中男性371例,女性130例;平均年龄67.2岁(标准差8.6岁)。病理分期:Ⅰ期244例,Ⅱ期162例,Ⅲ期84例,Ⅳ期75例,分期不明5例。77例没有吸烟史,424例有吸烟史。白种人349例,黑种人30例,亚洲人种9例,不明113例。依据ssGSEA将患者分为高、中、低免疫组,中/高免疫组所包含的免疫细胞、基质细胞数量、大部分人类白细胞抗原(HLA)基因表达及程序性死亡受体-1(PD-L1)基因表达较低免疫组高;基因本体论(GO)及京都基因和基因组百科全书(KEGG)分析主要集中于细胞免疫功能。同时基于LASSO分析筛选获得了HLA-A和HLA-E,并构建了生存分析预测模型。结论高/中免疫组肺鳞癌患者具有较高的免疫原性及抗肿瘤免疫活性。同时基于LASSO筛选的HLA-A和HLA-E及据此构建的生存风险模型具有较强预测肺鳞癌患者的预后能力,可为肺鳞癌免疫治疗的研究提供参考依据。

基于Oncomine和TCGA数据挖掘分析MTERF2在胰腺癌中的表达及临床意义

目的:探究人线粒体转录终止因子2(MTERF2)在胰腺癌中的表达及临床意义。方法:检索Oncomine数据库中的MTERF2信息,对其在胰腺癌组织和正常胰腺组织中的表达进行荟萃分析;从美国癌症基因组图谱(TCGA)中下载胰腺癌数据集MTERF2 RNA Seq V2数据及临床病理资料;利用R 2.15.3软件分析MTERF2表达量与临床病理参数的相关性及预后;利用Kaplan-Meier生存函数分析MTERF2表达量和胰腺癌患者预后的关联。结果:Oncomine数据库中共收集了586个不同类型的研究结果,其中关于MTERF2表达有统计学差异的研究有58个,MTERF2表达增高的研究有26个,表达减低的研究有32个。共有9项研究涉及MTERF2在胰腺癌组织和正常组织中的表达,包括226例临床样本,与对照组相比,MTERF2在胰腺癌中低表达(P=7.34×10-6)。TCGA胰腺癌数据集中共收集179例具有临床病理参数的病例及其对应的MTERF2 mRNA表达量。剔除病理参数不详或不完整的病例,利用R 2.15.3软件分析发现,MTERF2 mRNA表达量与胰腺癌患者T分期、M分期、癌症类型及原发部位存在显著相关(均P<0.05),而与患者的年龄、性别、N分期、AJCC病理分期、等级、组织学类型及饮酒史无显著相关(均P>0.05)。Kaplan-Meier生存分析发现,胰腺癌患者MTERF2的表达水平与总生存率(OS)无显著相关性(P>0.05),而与无病生存率(DFS)显著相关(P<0.001)。结论:Oncomine和TCGA数据挖掘显示,人MTERF2在胰腺癌组织中低表达,且MTERF2表达量与胰腺癌患者总生存率无显著相关性,与无病生存率有显著相关性。

基于TCGA数据库免疫基因表达谱构建253例宫颈鳞状细胞癌免疫亚组

目的采用美国肿瘤基因组图谱(TCGA)数据库免疫基因表达谱构建宫颈鳞状细胞癌免疫亚型,并分析各免疫亚组特征,为宫颈鳞状细胞癌预后分析及治疗提供新指标。方法 TCGA数据库共下载253例宫颈鳞状细胞癌及3例癌旁正常组织的mRNA表达谱及临床数据。根据单样本基因集富集分析(ssGSEA)得分情况,将宫颈鳞状细胞癌分为高免疫组、中等免疫组及低免疫组3个免疫亚组。采用Kolmogorov-Smirnov检验分析各免疫亚组肿瘤微环境和免疫细胞亚群比例,运用单因素方差分析比较各组人类白细胞抗原(HLA)相关基因及程序性死亡配体1(PD-L1)基因表达情况,采用Log-rank检验及多因素Cox回归分析进行生存分析。对免疫亚组做基因富集分析,确定基因本体论(GO)及京都基因与基因组百科全书(KEGG)通路富集区域。结果 3个免疫亚组免疫评分(χ^(2)=144.87)、基质评分(χ^(2)=116.127)、总评分(χ^(2)=37.941)及肿瘤纯净度(χ^(2)=116.127)比较差异均有统计学意义,均P<0.001。高免疫组19个HLA相关基因表达高于中等免疫组及低免疫组,均P<0.001。PD-L1基因表达及CD8+T细胞比例在3个免疫亚组之间差异有统计学意义(F=39.048,P<0.001;χ^(2)=46.654,P<0.001)。3个免疫亚组5年生存率差异有统计学意义,χ^(2)=6.400,P=0.029。免疫分组是影响宫颈鳞状细胞癌患者预后的主要因素,P<0.05。高免疫组GO生物学过程富集区域及KEGG通路主要集中于免疫相关信号通路。低免疫组GO生物学过程富集区域和KEGG通路主要集中于癌症相关信号通路。结论基于TCGA数据库免疫基因表达谱将宫颈鳞状细胞癌分为3种免疫亚组,不同亚组具有不同的分子特征和临床预后,对分析宫颈鳞状细胞癌预后、指导宫颈鳞状细胞癌治疗具有临床意义。

VAVs基因家族在肝癌中的表达及临床意义

目的探究VAVs家族基因在肝细胞癌(HCC)患者中的表达水平及其在预后中的临床价值,并基于阳性作用基因建立肝癌的预后预测模型。方法从肿瘤基因组图谱(TCGA)数据库中下载并提取342例HCC癌组织和50例癌旁组织中VAVs家族基因mRNA测序表达数据及其临床信息。比较TCGA中VAVs mRNA在HCC癌组织和癌旁组织中的表达差异,并比较温州医科大学附属第一医院20例HCC患者的癌组织及癌旁组织中VAVs蛋白的表达差异。根据VAVs mRNA表达量中位值分为高表达组(n=171)和低表达组(n=171),比较两组的临床病理特征差异,采用Kaplan-Meier法分析比较两组的生存差异。采用单因素和多因素Cox分析筛选HCC患者预后的危险因素。基于VAV2 mRNA构建HCC生存预后列线图模型,采用受试者工作特征(ROC)曲线及校正曲线来评估模型的预测准确性。结果对TCGA数据库分析显示,VAV2 mRNA在HCC癌组织中的表达量高于癌旁组织(P<0.05);本中心免疫组化结果表明,VAV2蛋白在HCC癌组织中的表达量高于癌旁组织(P<0.05)。TCGA数据库分析结果显示,VAV2 mRNA表达水平与HCC患者的性别、肝癌临床分期显著相关(P<0.05),在女性、肝癌临床分期中的Ⅲ期、T分期中的T3期的患者中表达上调(P<0.05)。VAV2 mRNA高表达组的生存时间显著短于VAV2低表达组(P<0.05)。Cox分析显示,VAV2 mRNA表达水平(HR=1.031,95%CI 1.009-1.054,P<0.05)和肝癌临床分期(HR=1.626,95%CI 1.083-2.442,P<0.05)是HCC患者预后的独立危险因素。基于VAV2 mRNA和肝癌临床分期建立的HCC患者生存预后列线图,C指数为0.731。患者1、2、3年ROC曲线下面积(AUC)分别为0.772、0.683、0.650,校准曲线图表明第1年实际观测值与预测值具有较好的一致性。结论VAV2 mRNA的高表达与HCC患者疾病发展及不良预后相关。基于VAV2和肝癌临床分期建立的列线图具有一定的区分度和准确度。

线粒体自噬基因E2F1与子宫内膜癌预后的相关性研究

目的:探讨线粒体自噬基因E2F1与子宫内膜癌(uterine corpus endometrial carcinoma,UCEC)预后的相关性。方法:R软件筛选肿瘤基因组图谱数据库UCEC以及正常组织中差异表达的线粒体自噬基因。单因素和多因素Cox回归分析发现E2F1与UCEC预后密切相关。Kaplan-Meier分析E2F1高危组和低危组生存时间的差异。GEPIA数据库探讨E2F1 mRNA在UCEC患者癌组织和正常组织表达情况。人类蛋白质图谱(the human protein at⁃las,HPA)在线数据库探讨E2F1蛋白在UCEC患者癌组织和正常组织表达情况。UALCAN数据库探讨E2F1表达与UCEC患者临床资料之间关系。结果:9个线粒体自噬基因在癌组织中低表达,5个线粒体自噬基因在癌组织中高表达。Kaplan-Meier分析E2F1表达低风险组患者的生存率优于高风险组(P<0.001)。GEPIA数据库发现E2F1 mRNA在UCEC癌组织中表达量高于癌旁正常组织(P<0.05)。HPA数据库发现E2F1蛋白在癌组织中高表达。E2F1表达量与UCEC患者组织学分型、肿瘤分期以及TP53突变密切相关(P<0.05)。结论:E2F1在UCEC中高表达,并且其表达水平与UCEC患者的不良预后密切相关。

视神经病变诱导反应蛋白在多发性骨髓瘤中的表达及临床意义

目的研究视神经病变诱导反应蛋白(optineurin,OPTN)基因在多发性骨髓瘤(multiple myeloma,MM)中的表达情况,探讨OPTN基因参与MM发生发展的机制和临床价值。方法利用3个基因表达数据库(gene expression omnibus,GEO)数据集(GSE6477、GSE136324和GSE24080),分析OPTN在MM中的表达;通过收集MM患者临床骨髓标本,利用qRT-PCR实验进一步验证OPTN在MM患者中的表达情况。使用Kaplan-Meier生存曲线、受试者工作特征(receiver operating characteristic,ROC)曲线分析OPTN在MM预后和诊断中的价值。同时利用癌症基因组图谱(the Cancer Genome Atlas,TCGA)数据库下载MM转录组数据,根据OPTN mRNA表达水平中位数界,将MM患者分为OPTN高、低表达组,用R语言limma包筛选差异表达基因后,对差异基因进行富集分析(gene set enrichment analysis,GSEA)从而挖掘OPTN在MM中的潜在临床意义及其可能参与的分子机制。结果OPTN在MM组织中表达显著低于正常组织(P<0.05);OPTN表达变化与MM患者的国际分期体系(International Staging System,ISS)显著相关(P<0.05);ROC结果显示OPTN表达变化可区分正常人和MM患者。生存分析显示OPTN低表达患者总生存率(overall survival,OS)显著低于高表达患者(P<0.05)。GO、KEGG和GSEA富集分析结果表明,OPTN可能通过调控NOD样受体、NF-κB、TNF及RAS/MAPK等通路进而影响细胞凋亡、自噬及调节细胞免疫反应等参与MM的进程。结论OPTN在多发性骨髓瘤中低表达,与患者预后不良相关,可能作为MM诊断及治疗的重要潜在生物标志物。

构建“免疫相关lncRNA基因对”模型预测未发生远处转移的原位肝癌预后及药物敏感性

目的构建“免疫相关lncRNA基因对”模型预测未发生远处转移的原位肝癌预后并分析不同组别肿瘤免疫微环境特征及药物敏感性。方法从XENA数据库获取肝细胞肝癌样本正常肝脏样本的RNA-seq数据,筛选出未发生远处转移的原位肝癌样本,提取免疫相关lncRNA,构建免疫相关lncRNA基因对的预测模型;随后将免疫相关lncRNA基因对预测模型与患者的预后及临床因素进行相关性分析;同时利用肿瘤免疫细胞浸润数据计算高低风险组免疫微环境特征差异,并评估肝癌相关药物在不同风险组的敏感性。结果筛选出免疫相关lncRNA基因对13个,并结合生存状况建立预测模型,低风险组患者的生存获益显著优于高风险组(P<0.001)。在肿瘤免疫微环境方面,高风险组表现出了更为突出的免疫抑制状态,药物敏感性分析表明索拉非尼、阿昔替尼在基于风险分组的患者中敏感性显著不同。结论免疫相关lncRNA的基因对模型能够较好的预测未发生远处转移的原位肝癌患者预后情况,高风险的患者中免疫抑制状态明显,而不同的风险组对肝癌特定药物治疗敏感性不同。

基于骨肉瘤核心驱动基因筛选的生物信息学分析和患者生存期预测基因模型的构建

目的:筛选骨肉瘤(OS)发生发展的核心驱动基因,从分子水平探讨OS的致病机制,并构建基因模型用于患者生存期的预测。方法:采用基因表达汇编(GEO)数据库下载OS芯片对应矩阵数据GSE12865、GSE14359和GSE36001。采用生物信息学方法筛选OS与正常组织的差异表达基因(DEGs)。通过基因本体论(GO)、京都基因和基因组百科全书(KEGG)分析全面了解DEGs富集的分子功能及通路,采用STRING数据库构建蛋白-蛋白相互作用(PPI)网络,采用Cytoscape软件对DEGs进行相关性分析,找出与OS进展最相关的基因集,明确OS核心致病基因。采用肿瘤基因组图谱(TCGA)数据库下载OS的379个样本相关的临床记录信息和转录组数据,进行Kaplan-Meier(K-M)生存分析以进一步明确和验证核心基因与OS患者预后之间的关系,并寻找性别和种族等与预后相关的因素。对6个基因特征集的表达量进行建模以预测OS患者的生存时间。结果:MCC算法获得的排名前十的DEGs为TYROBP、LAPTM5、FCER1G、CD74、HCLS1、ARHGDIB、HLADPA1、CD93、GIMAP4和LYZ,其表达水平在骨肉瘤患者与正常患者中比较差异有统计学意义(P<0.05)。GO和KEGG分析,DEGs在PI3K-AKT和Notch信号通路显著富集。K-M生存分析,6个基因(ARHGDIB、CD74、FCER1G、HCLS1、HLA-DPA1和TYROBP)表达量更低的OS患者较高表达患者的总生存时间更长(P<0.05)。由该6个基因组成的基因集在预测模型的构建中C指数为0.71。结论:筛选出的OS的核心驱动基因高表达与OS的发生发展相关。OS发生发展的异常信号通路为PI3K-AKT和Notch信号通路。6个核心驱动基因组成OS的特征基因集构建的预测模型有良好的预测能力。

食管癌甲基化驱动基因的筛选、功能及调控通路分析

目的筛选食管癌甲基化驱动基因,并进行功能及调控通路分析。方法搜集TCGA数据库中基因表达数据、DNA甲基化数据、临床信息完整的食管癌患者资料162例,记为肿瘤组;其中16例有癌旁对照资料,记为对照组。使用R语言Methyl Mix包综合分析两组患者的基因表达数据和DNA甲基化数据。R语言Methyl Mix包定义肿瘤组和对照组甲基化平均值的差值倍数为差异甲基化值(DM值),Spearman相关分析法分析基因表达与甲基化相关性,以|DM值|>0、|相关系数(Cor)|>0. 3为截断值筛选甲基化驱动基因。使用在线分析软件DAVID 6. 8(https://david. ncifcrf. gov/)对食管癌甲基化驱动基因进行基因本体(GO)功能富集分析。使用在线数据库KOBAS 3. 0(http://kobas. cbi. pku. edu. cn/)对食管癌甲基化驱动基因进行京都基因与基因组百科全书(KEGG)通路分析。结果筛选得到88个食管癌甲基化驱动基因,其中74(84. 1%)个为高甲基化驱动基因,14个为低甲基化驱动基因。最可能发生甲基化的食管癌甲基化驱动基因有Makorin环指蛋白3(MKRN3)基因、人Fermitin家族同系物3(FERMT3)基因、含V-Set免疫球蛋白域蛋白2(VSIG2)基因等。在分子功能层面,食管癌甲基化驱动基因主要影响了金属离子结合、DNA结合、转录因子活性、序列特异性、核酸结合;在生物学过程层面,食管癌甲基化驱动基因影响了转录调控、DNA模板化;在细胞成分层面,食管癌甲基化驱动基因影响了核组分、胞内组分。锌指蛋白家族如ZNF582、ZNF69、ZKSCAN7、ZNF583、ZNF568、ZNF454、ZNF790、ZNF880等和SOX1基因被富集在了多个GO中。食管癌甲基化驱动基因主要参与了乙醛酸和二羧酸代谢通路,甘氨酸、丝氨酸和苏氨酸代谢通路,碳代谢通路及谷胱甘肽代谢通路的调控。结论食管癌甲基化驱动基因有88个,以高甲基化驱动基因为主;最可能发生甲基化调控的食管癌甲基化驱动基因有MKRN3基因、FERMT3基因、VSIG2基因等;食管癌甲基化驱动基因主要影响了金属离子结合、DNA结合等分子功能,转录调控、DNA模板化等生物学过程,核组分、胞内组分等细胞成分;食管癌甲基化驱动基因主要调控代谢相关的多个通路。

构建基于凋亡相关基因的膀胱癌预后模型

目的细胞凋亡在膀胱癌(BC)发生、发展以及化疗等生物学进程中发挥着重要作用。文中通过分析差异表达的凋亡相关基因(ARGs)以及临床特征,构建预测BC患者预后的模型。方法分析肿瘤基因组图谱(TCGA)数据库中161个ARGs,筛选出差异表达基因。通过GO和KEGG分析差异表达ARGs在BC中潜在的分子机制。Cox回归分析ARGs在预后的价值,构建评价患者的以后风险模型。使用Kaplan-Meier(KM)曲线和受试者工作特征(ROC)曲线以确定模型的预后价值。结果与正常膀胱组织相比,BC组织中41个差异表达ARGs。GO和KEGG分析发现差异表达ARGs与铂类耐药、细胞凋亡、细胞周期等生物学进程有关,同时也与P53等一些肿瘤发生经典途径调控信号通路相关。多因素Cox回归分析发现4个基因(AIFM3、TAP1、CASP6、EMP1)与BC患者生存和预后密切相关。基于人类蛋白质图谱网站数据库验证指出4个基因在肿瘤组织和癌旁正常组织之间也存在差异性表达,并且与患者预后密切相关。KM分析显示高风险评分组的预后明显差于低风险评分组(P=6.002e-06<0.0001)。风险评分与相应的临床变量相结合,构建预测患者生存率的诺模图,预测C指数为0.694,预测1年、3年和5年BC生存率的ROC曲线下面积分别为0.652、0.648和0.684。结论基于ARGs的预后模型可以用于BC患者的预后预测。

基于TCGA数据库和RT-qPCR鉴定4种新的免疫相关长链非编码RNA以预测胰腺癌的预后

旨在探索新型的免疫相关长非编码RNA(lncRNA)来预测胰腺癌(PAAD)的预后。材料和方法:对肿瘤基因组图谱(TCGA)中PAAD患者全基因组的lncRNA表达数据和相关临床信息进行系统深入的分析,采用Cox回归法构建风险评分公式,探讨TCGA中高风险组和低风险组的总生存期差异,构建lncRNA预后模型预测PAAD的预后。基因本体论(GO)和通路富集分析(KEGG)、基因组富集分析(GSEA)显示相关的途径。结果:我们筛选出了四个免疫相关lncRNA(AC005332. 4, LINC01133, LINC01091, AC092171. 5)。RT-PCR显示LINC01133在癌组织中的表达水平明显高于癌旁组织。结论:我们独立研究了4个免疫相关的lncRNA作为PAAD的预后生物标志物,为胰腺癌的免疫治疗提供了潜在的靶点。

基于TCGA数据预测肿瘤代表性新抗原的一种生物信息学新方案

肿瘤的特异性基因突变是肿瘤免疫疗法的理想靶标,突变的基因在健康组织中缺乏表达,而且具有高度免疫原性,容易被免疫系统识别。肿瘤患者突变基因组的高度特异性使得个体化免疫治疗存在极大挑战,而每一种肿瘤都具有区别于其他肿瘤的代表性的基因突变特征,基于这些突变特征,有可能开发出特定肿瘤适用的免疫治疗策略。文中提出一个兼顾抗原胞内呈递和与胞外MHC分子结合能力的肿瘤新抗原预测策略,整体设计更为合理;相对于常规方法,能够大幅缩小实验验证的范围。基于该策略,利用TCGA数据库中多种肿瘤的基因突变数据进行肿瘤新抗原预测并预测到大量潜在的肿瘤新抗原。肿瘤新抗原的预测结果显示出肿瘤类型的特异性,并且在特定肿瘤数据集中能够覆盖20%–70%不等比例的肿瘤患者。文中提出的肿瘤新抗原预测方案在未来的肿瘤临床治疗上具有潜在的应用价值。