目的探索胃癌组蛋白H3第4位赖氨酸的三甲基化(trimethylation of lysine4 on histone H3,H3K4me3)修饰相关长链非编码RNA(long non-coding RNA,LncRNA)特征,构建相关预后模型并预测胃癌免疫治疗疗效。方法从癌症基因组图谱数据库下载胃...目的探索胃癌组蛋白H3第4位赖氨酸的三甲基化(trimethylation of lysine4 on histone H3,H3K4me3)修饰相关长链非编码RNA(long non-coding RNA,LncRNA)特征,构建相关预后模型并预测胃癌免疫治疗疗效。方法从癌症基因组图谱数据库下载胃癌相关转录组测序数据和对应的患者临床资料,通过构建H3K4me3相关调节因子基因与LncRNA的共表达网络识别H3K4me3修饰相关LncRNA,并将癌症基因组图谱数据库中370例符合筛选标准的胃癌患者样本(整体组)按1:1随机抽样划分为训练组(n=185)和验证组(n=185)。随后基于单因素Cox回归、Lasoo回归分析构建H3K4me3相关LncRNA预后风险评分模型并进行内部验证。Kaplan-Meier生存分析和受试者操作特征曲线(receiver operating characteristic curve,ROC曲线)被用于验证模型的预测性能。通过单因素和多因素Cox回归分析评估风险评分等临床指标的预后预测价值。结合风险评分、年龄和肿瘤TNM分期构建预测胃癌患者总生存率的列线图模型,ROC曲线与校准图被用于评估列线图的预测准确性。借助共识聚类识别异质性聚类亚群并进行免疫治疗疗效预测。结果基于共表达网络关系识别了14个具有预后价值的H3K4me3相关LncRNA并构建了相关风险模型及评价体系。根据训练组预后风险评分模型获得的中位风险评分将训练组、验证组和整体组胃癌患者划分为高、低风险,Kaplan-Meier生存曲线显示低风险患者的总体生存情况要优于高风险患者(P<0.05)。此外,该模型在训练组中预测胃癌患者1、3、5年总生存率的曲线下面积(area undercurve,AUC)分别为0.708、0.730、0.770,在验证组中分别为0.690、0.648、0.713,而在整体组中分别为0.697、0.670、0.724。多因素Cox回归分析显示基于H3K4me3相关LncRNA构建的风险评分模型是预测胃癌患者预后的独立因素(P<0.001)。构建的列线图预测胃癌患者1、2、3年总生存率的AUC分别为0.727、0.780、0.717,且其校准曲线与理想曲线相接近。基于共识聚类算法进一步识别了2种具有异质性免疫特征的H3K4me3-LncRNA亚群,其中亚组Ⅱ具有更高的免疫细胞浸润水平和更强的免疫应答潜力,并对5-氟尿嘧啶、奥沙利铂等显示出更高的药物敏感性,而亚组I则可能对磷脂酰肌醇3-激酶特异性抑制剂具有更高的敏感性。结论本研究构建了一个H3K4me3-LncRNA风险评分模型以预测胃癌患者的预后,并揭示了其异质性微观特征及在预测免疫治疗疗效方面的潜在价值。展开更多
目的 基于铜死亡相关长链非编码RNA(cuproptosis-related long noncoding RNA,CRL)构建子宫颈癌预后模型并分析不同风险组间药物敏感性差异,为子宫颈癌患者预后预测及个体化治疗提供理论依据。方法 从癌症基因组图谱(The Cancer Genome ...目的 基于铜死亡相关长链非编码RNA(cuproptosis-related long noncoding RNA,CRL)构建子宫颈癌预后模型并分析不同风险组间药物敏感性差异,为子宫颈癌患者预后预测及个体化治疗提供理论依据。方法 从癌症基因组图谱(The Cancer Genome Atlas,TCGA)数据库中下载304例子宫颈癌患者的基因表达谱、突变数据和临床数据,使用随机抽样的方法将患者分为训练集(n=152例)和测试集(n=152)。采用Pearson相关性分析鉴定CRL。应用单因素Cox、LASSO和多因素Cox回归分析在训练集中构建CRL风险评分模型,在测试集和整个队列中进行验证,并根据风险评分中位数将训练集和测试集患者分为高风险组(训练集76例和测试集83例)和低风险组(训练集76例和测试集69例)。使用Kaplan-Meier(K-M)生存分析、受试者工作特征(receiver operating characteristic,ROC)曲线、单因素与多因素Cox回归和主成分分析(principal component analysis,PCA)评估CRL风险评分模型,并构建结合临床病理特征和CRL风险评分模型的列线图和校准曲线。通过基因集富集分析(gene set enrichment analysis,GSEA)探索该模型的潜在分子机制。使用Spearman相关分析探讨免疫细胞浸润与风险评分之间的相关性。绘制子宫颈癌患者基因突变图谱,分析CRL风险评分模型与体细胞变异之间的相关性。分析免疫治疗药物的敏感性和20种化疗药物在不同风险群体中的半抑制浓度(half maximal inhibitory concentration,IC50)值差异。结果 共获得704个CRL,经单因素Cox、LASSO和多因素Cox回归分析最终构建包含6个CRL(AC103591.4、AC021851.1、MNX1-AS1、FAM27E3、AL603832.1和AC097505.1)的风险评分预测模型。K-M生存曲线、ROC曲线下面积(area under the curve,AUC)和PCA分析均验证该模型具有良好的预测能力。多因素Cox回归显示,CRL风险评分可作为独立预后因子(P<0.05)。列线图对子宫颈癌患者的1、3和5年总生存(overall survival,OS)具有较好的预测能力。GSEA结果显示,高风险组与癌症通路相关。免疫细胞浸润结果表明,多数免疫细胞与CRL风险评分呈正相关(均r>0,均P<0.05)。免疫检查点分析结果显示,低风险组患者免疫检查点表达较高。基因突变图谱结果表明,高低风险组间肿瘤突变负荷(tumor mutation burden,TMB)比较,差异无统计学意义(P>0.05)。药物敏感性分析结果显示,免疫治疗药物细胞毒T淋巴细胞相关抗原4对低风险组患者疗效较好,阿卡地新、二甲基草酰甘氨酸、多柔比星、索拉非尼和阿糖胞苷5种药物的IC50值在高低风险组间比较,差异均具有统计学意义(均P<0.05)。结论 6个CRL的风险评分特征可独立预测子宫颈癌患者的预后,有助于阐明子宫颈癌中CRL的机制,并为患者临床个体化治疗提供理论指导。展开更多