基于TCGA数据库构建肝细胞癌双硫死亡相关基因(DRGs)预后风险模型及评价

目的基于癌症基因组图谱(the cancer genome atlas,TCGA)数据库构建肝细胞癌(hepatocellular carcinoma,HCC)双硫死亡相关基因(disulfidptosis-related genes,DRGs)预后风险模型及评价。方法通过生物信息学方法分析TCGA数据库中371例HCC样本及50例癌旁样本中15个DRGs的表达情况,并进行基因本体(gene ontology,GO)功能注释和京都基因和基因组百科全书(Kyoto encyclopedia of genes and genomes,KEGG)富集分析、Kaplan-Meier(KM)生存分析;通过单因素COX回归分析筛选出有统计学意义的DRGs,通过LASSO回归分析及多因素COX回归分析筛选出关键DRGs构建预后风险模型,并根据风险评分将HCC患者分为高风险组和低风险组,制作KM生存曲线和时间依赖的受试者工作特征(receiver operator characteristic,ROC)曲线进行验证评价。结果与癌旁样本相比,HCC样本15个DRGs中FLNA,MYH9,TLN1,ACTB,MYL6,CAPZB,DSTN,ACTN4,SLC7A11,INF2,CD2AP,PDLIM1和FLNB均表达上调,且差异具有统计学意义(t=1793~6310,均P<0.001);经GO功能注释和KEGG富集分析显示,DRGs主要与肌动蛋白细胞骨架和细胞黏附相关的生物过程或途径密切相关。经KM生存分析结果显示,SLC7A11,INF2,CD2AP,MYL6,ACTB高表达组生存率低于低表达组[HR=1.46(1.03~2.07)~1.93(1.36~2.75),均P<0.05]。通过单因素COX回归分析、LASSO分析及多因素COX回归分析构建预后风险模型riskscore=(0.247×SLC7A11)+(0.289×INF2)+(0.076×CD2AP)+(0.06×MYL6);计算样本的风险评分,风险评分越高,预后不良的HCC患者人数越多;KM生存分析显示高风险组的总生存率比低风险组低;1,3,5年的AUC值分别为0.709,0.661和0.648;通过多因素COX回归分析表明SLC7A11[HR=1.832(1.274~2.636),P=0.001]是独立的预后危险因素。结论四个DRGs构建的预后风险模型在预测HCC患者预后情况有一定的作用。

基于TCGA构建胃癌免疫相关基因预后风险模型及相关分析

目的对TCGA数据库胃癌数据集进行分析,构建基于免疫相关基因的预后风险模型。方法下载TCGA数据库中胃癌组织和癌旁组织中的基因表达数据及患者相关临床资料,进行数据整理、合并、表达差异分析。与ImmPort数据库取交集获得差异表达的免疫相关基因(IRGs),并进行GO功能富集分析和KEGG通路富集分析。按照排除标准,将胃癌样本随机分为Train组(224例)、Test组(111例),利用Train组构建免疫相关基因预后风险模型并用Test组进行检验。将胃癌表达数据按照评估模型分为高、低风险2组,进行免疫浸润,分析2组免疫细胞表达水平的差异。观察2组免疫检查点表达差异及免疫治疗相关结果。结果共得到238个差异表达的IRGs。GO功能富集分析结果示差异表达的IRGs主要参与免疫球蛋白生产、免疫反应分子介质的产生等生物学过程。KEGG通路富集分析结果示差异表达的IRGs主要参与细胞因子-细胞因子受体相互作用、神经活性配体-受体相互作用等通路。通过数据分析,得到6个IRGs(MPO APOH IGHD3-16 CGB5 GHR PRKCG)构建的预后风险模型。Train组和Test组中高风险组生存率明显低于低风险组(P<0.05)。Train组ROC第3年曲线下面积为0.692,Test组ROC第3年曲线下面积为0.658。该模型可作为独立预测因子评估胃癌患者的预后。高、低风险组中幼稚B细胞、活化的记忆CD4+T细胞、静止肥大细胞、活化肥大细胞表达具有明显差异。低风险组PD-L1表达增高,抗PD-1治疗效果更加显著。结论基于TCGA确定了一个胃癌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。

基于焦亡相关基因构建肾细胞癌预后风险模型

目的基于焦亡相关基因构建肾细胞癌(RCC)预后风险模型。方法从TCGA数据库下载RCC组及正常组mRNA数据及临床数据,筛选焦亡相关差异基因,将单因素Cox回归分析和Lasso回归最终筛选出的焦亡相关基因用于预后风险模型的构建。根据风险评分中位数将患者分为高风险组、低风险组。通过基因本体(GO)、京都基因和基因组百科全书(KEGG)及单样本基因集富集分析(ssGSEA)进行差异表达基因功能分析与免疫分析。结果共筛选出了42个焦亡相关差异基因,通过单因素Cox回归分析和Lasso回归最终筛选出5个焦亡相关基因用作预后风险模型的构建。GO与KEGG分析表明,差异表达基因主要与适应性免疫反应、病毒介导的细胞免疫和炎性细胞的趋化等有关;ssGSEA表明,高风险组免疫细胞浸润水平、免疫相关途径活性总体高于低风险组。结论基于5个焦亡相关基因构建的预后风险模型为RCC的诊断、治疗和靶点预测提供了新的方向。

基于不同预后风险模型对移植相关血栓性微血管病的疗效及预后分析

目的:研究移植相关血栓性微血管病(TA-TMA)临床特征及不同预后风险模型对TA-TMA的预后价值。方法:选择2018年1月至2022年2月在解放军总医院第一医学中心诊断的32例TA-TMA患者为研究对象,回顾性分析TA-TMA患者短期预后及相关影响因素等临床特征,BATAP风险模型和TMA指数模型中TA-TMA风险人群构成比、治疗反应、生存情况,以及两种预后风险模型对TA-TMA死亡预测效能进行比较。结果:TA-TMA诊断前Ⅲ-IV度aGVHD(P=0.001),肾脏或神经系统损伤(P=0.006),诊断时Hb<70 g/L(P=0.043)是影响TA-TMA短期预后的独立危险因素。TMA指数模型中,高危组治疗反应最差(P=0.008);BATAP模型中不同危险程度组间治疗反应无明显差异(P=0.105)。在BATAP模型中,低危组、中危组、高危组的OS率分别为87.5%、61.1%和16.7%,差异有统计学意义(χ^(2)=6.7,P=0.014);在TMA指数模型中,低危组、中危组、高危组的OS率分别为77.8%、45.5%和0.0%,差异有统计学意义(χ^(2)=7.3,P<0.0001)。TMA指数模型ROC曲线下面积(AUC)为0.745(95%CI:0.56-0.88,P<0.05),BATAP模型AUC为0.743(95%CI:0.56-0.88,P<0.05),提示两种预后风险模型均具有良好的预测价值。结论:BATAP模型和TMA指数模型均能较好的评估TA-TMA患者短期预后,TMA指数模型在预测TA-TMA不同风险人群的治疗反应方面可能优于BATAP风险模型。

基于TCGA数据库的胰腺癌临床预后风险模型构建与药物筛选

胰腺癌(pancreatic adenocarcinoma,PAAD)是一种恶性程度高且预后较差的消化道恶性肿瘤。起病隐匿,发现时多发展为中晚期,甚至伴有肝脏或淋巴结转移。PAAD的病死率较高,高居恶性肿瘤死亡的第7位[1]。在我国,PAAD的5年生存率仅6%左右[2]。目前PAAD的治疗除了手术以外,还包括化疗、放疗、免疫治疗、靶向治疗和新辅助治疗等,但PAAD患者的总体生存率仍然未明显改善。因此,从分子层面探究其机制作为高效早期诊断标志物以及精确安全的靶向治疗对改善PAAD不良预后尤为关键。本研究通过癌症基因组图谱(TCGA)数据库收录的PAAD的相关数据进行数据挖掘与分析,构建临床预后风险模型和筛选候选药物。

慢性肺源性心脏病合并心源性休克患者预后风险模型的建立及研究

目的研究慢性肺源性心脏病并发心源性休克患者的预后相关因素及预后风险模型的应用价值。方法回顾性分析2013年4月至2020年2月新疆军区总医院收治的74例慢性肺源性心脏病合并心源性休克患者的临床资料,记录患者30 d全因死亡率。采用Cox风险回归模型分析慢性肺源性心脏病合并心源性休克患者全因死亡的独立影响因素,根据Cox风险回归模型分析结果建立预测模型和Nomogram列线图,验证其可行性。结果74例患者中,死亡32例,死亡率为43.24%。存活组与死亡组患者年龄、肺部感染、糖尿病及冠心病合并症情况比较,差异均具有统计学意义(P<0.05)。死亡组患者急性生理学与慢性健康状况评分系统Ⅱ(acute physiology and chronic health evaluation Ⅱ,APACHEⅡ)和序贯器官衰竭估计(SOFA)评分显著高于存活组,肌钙蛋白(cTnI)、血乳酸(BLA)、红细胞分布宽度(RDW)及国际标准化比值(INR)水平均显著高于存活组,差异均具有统计学意义(P<0.05)。Cox风险回归模型分析显示,冠心病(HR=1.507,95%CI:1.242~1.829)、肺部感染(HR=2.940,95%CI:1.287~6.716)、cTnl(HR=2.251,95%CI:1.737~2.917)及RDW(HR=3.171,95%CI:1.842-5.459)是患者30 d全因死亡的独立危险因素(P<0.05)。根据Cox回归模型分析结果建立预测模型为Y=1.507X1+2.940X2+2.251X3+3.171X4(X1=冠心病,X2=肺部感染,X3=cTnl,X4=RDW)。受试者工作曲线(ROC)分析结果显示,该模型判断患者30 d全因死亡的AUC为0.815(SE=0.078,P=0.002,95%CI:0.662~0.969)。根据Cox回归分析结果绘制Nomogram列线图,验证结果显示其C-index值为0.701。结论慢性肺源性心脏病合并心源性休克患者短期预后与肺部感染、冠心病、cTnl及RDW值相关,据此建立预测模型对判断患者预后具有较高准确性。

结直肠癌伴同时肝转移患者同期切除术后预后风险模型的创建及应用

目的:探讨结直肠癌伴同时肝转移(synchronous colorectal liver metastasis,sCRLM)患者接受原发肿瘤和肝转移灶同期切除术后的预后风险因素,并建立sCRLM术后的预后风险模型。方法:回顾性分析127例在我院接受原发肿瘤和肝转移灶同期切除的sCRLM患者的临床病理学因素,采用单因素和多因素Cox模型分析方法确定总生存期(overall survival,OS)和肝无复发生存时间(recurrence-free survival,RFS)的独立预后因素,根据Cox模型的风险比(hazard ratio,HR)对独立因素赋值,从而建立OS和肝RFS的新预后风险模型。根据新模型将患者分为低、中和高风险组,各组间生存差异采用Log-rank检验。ROC曲线下面积用于比较新风险模型和Fong临床风险评分的预后预测能力。结果:本研究中位随访期23.4个月,多因素Cox分析确定下列4个因素为OS较差的独立预后因素,并根据HR值对各危险因素赋值:原发肿瘤淋巴结转移≥4个(P=0.047,1分),CEA≥200 ng/ml(P=0.023,2分),TBS 3~8分(P=0.048,1分)和TBS≥9分(P=0.021,2分)。根据下列标准建立OS的预后风险模型:低风险组(0~1分)、中风险组(2~3分)和高风险组(≥4分)。新风险模型OS的预后预测能力优于Fong临床风险评分(AUC:0.726 vs 0.564)。多因素Cox分析确定下列2个因素为肝RFS较差的独立预后因素,根据HR值赋值如下:肝转移灶双叶分布(P=0.020,1分)和TBS≥9分(P=0.016,2分)。结论:本研究纳入接受同期手术切除的sCRLM患者创建了预后风险模型,用于评估sCRLM患者术后的OS和肝RFS。低风险组患者术后的生存情况(OS和肝RFS)优于高风险组,其预测能力尚需前瞻性临床模型进一步验证。

基于焦亡相关lncRNAs的肺鳞癌预后风险模型

目的探讨焦亡相关的长链非编码RNA(lncRNAs)在肺鳞癌(LUSC)中的预后价值,构建基于焦亡相关lncRNAs的预后风险评估模型。方法从TCGA数据库获取LUSC患者的临床资料和RNA转录组数据,筛选在LUSC患者中差异表达的lncRNAs,将这些lncRNAs与焦亡基因进行Pearson相关分析以获得差异表达的焦亡相关lncRNAs。通过Cox回归分析构建焦亡相关的lncRNAs预后风险模型,将患者分为高、低风险组,使用Kaplan-Meier生存分析和ROC曲线评估模型的准确性。通过KEGG分析高、低风险组差异基因的富集情况。结果Pearson相关分析发现743个焦亡相关的lncRNAs,并鉴定出277个焦亡相关的差异lncRNAs。单因素Cox回归分析显示21个焦亡相关的lncRNAs与LUSC患者的预后相关,进一步多因素Cox回归分析获得8个与焦亡及预后相关的lncRNAs,分别为PIC ART1、MIR3945HG、LINC01322、AC010422.4、AC112722.1、AL122125.1、AC104248.1、SFTA1P。生存分析显示高风险组预后较差,总体生存期显著低于低风险组(P<0.001)。单因素和多因素Cox分析表明风险评分可以作为独立预后因子。另外,高、低风险组在通路富集、免疫细胞浸润、免疫检查点和m6A相关基因方面存在差异。结论通过生物信息学方法筛选出的8个焦亡相关lncRNAs与LUSC预后相关,构建的预后风险评估模型具有一定的使用价值。

基于免疫基因组学构建食管癌的预后风险模型

目的借助生物信息学技术,基于免疫相关基因(IAGs)构建食管癌(ESCA)的预后风险模型。方法自公共数据库下载ESCA的基因表达数据和临床数据,筛选与预后有关的IAGs,基于此构建ESCA预后风险模型并对其预测效能进行评价。结果共计鉴定出9个与预后相关的IAGs用于构建ESCA预后风险模型,高风险组患者的预后明显劣于低风险组,ROC曲线提示该模型具有良好的预测效能(AUC=0.833),可作为ESCA患者的独立预后危险因素。结论基于IAGs构建的ESCA预后风险模型可为具有不同临床特征ESCA患者提供精准的预后评估。

小儿肝母细胞瘤预后风险模型的建立及其与PRETEXT分期系统的比较

目的探讨肝母细胞瘤患儿预后风险模型的建立及其与PRETEXT分期系统的比较。方法2015年2月至2017年2月我院收治的肝母细胞瘤患儿114例,回顾性分析患儿临床资料,记录患儿3年总生存率。采用Cox风险模型分析患儿3年总生存率的影响因素,并建立预后风险模型。采用受试者操作特征曲线(ROC)分析预后风险模型与PRETEXT分期系统,判断3年生存率的价值。结果114例患儿3年存活72例,死亡42例,3年总生存率为63.2%。Cox回归模型分析显示AFP半衰期(95%CI=1.262~5.291,HR=2.584)、ApoA-I(95%CI=0.327~0.833,HR=0.522)、PRETEXT分期(95%CI=1.146~3.596,HR=2.030)、病理分型(95%CI=1.213~2.803,HR=1.844)及远处转移(95%CI=2.074~5.096,HR=3.251)是影响肝母细胞瘤患儿3年生存率的独立影响因素(P<0.05)。根据Cox多因素回归分析结果获得预后风险模型:风险系数(R)=0.949(AFP半衰期)-0.650(ApoA-I)+0.708(PRETEXT分期)+0.612(病理分型)+1.179(远处转移)。受试者工作曲线分析结果显示R与PRETEXT分期对判断3年生存率均具有较高价值(P<0.05),R判断3年生存率的曲线下面积(AUC)为0.806,高于PRETEXT分期的0.663。结论基于Cox多因素回归模型分析建立的预后风险模型与PRETEXT分期均有助于判断肝母细胞瘤患儿3年生存率,而预后风险模型准确性更高。

单细胞测序与Bulk RNA测序联合分析构建膀胱癌风险预后模型

目的本研究致力于开发一种基于膀胱癌核心细胞差异性表达基因的预后风险评估模型。通过在多个数据集中验证其效力,旨在为膀胱癌患者提供一个新的临床应用工具,用于预后风险评估。方法本研究综合利用了单细胞和Bulk RNA测序数据。我们首先从GEO数据库下载并分析了相关的膀胱癌单细胞和芯片RNA数据集。通过生物信息学方法,我们鉴定了核心细胞的差异性表达基因,并对其进行了功能及通路富集分析。基于这些分析,我们使用单变量和多变量Cox回归方法筛选出与膀胱癌预后显著相关的关键基因,并据此构建了一个预后风险评估模型。该模型在TCGA-BLCA数据集中进一步进行了效力验证。结果经过全面的生物信息学分析,我们鉴定出了223个核心细胞的差异性表达基因。这些基因在细胞外基质的结构和功能方面发挥着重要作用。构建的预后风险评估模型包括5个独立的预后相关基因(MFAP5、PDE4D、ISG15、ADAMTS1和FGL2)。在GEO和TCGA-BLCA数据集中的验证结果表明,该模型具有良好的预测效力,为膀胱癌患者的预后评估提供新型生物学标志工具。结论本研究成功开发了一个基于5个关键基因标志物的膀胱癌预后风险评估模型并具有良好的预测效力。此模型的开发为膀胱癌的生物学研究和临床预后评估提供了一个新的工具,有助于更好地理解膀胱癌的生物学特性并指导患者的个性化治疗。

基于肥大细胞相关基因的膀胱癌预后模型构建

目的分析肥大细胞相关基因与膀胱癌预后间的关系,筛选预后关键基因,构建膀胱癌预后风险模型。方法利用肥大细胞批量RNA测序(bulk RNA-seq)数据提取差异基因,并进行KEGG、GO分析与基因集富集分析(GSEA)。通过查阅文献获得膀胱癌单细胞测序内的肥大细胞特征基因。选取共有基因,使用Lasso回归与多因素COX回归筛选关键预后基因,基于风险评分,将患者分为高风险组和低风险组。最后通过单因素与多因素COX回归分析,结合风险评分与多个独立预后因素共同开发列线图以预测膀胱癌患者的生存率。结果构建预后模型的五个基因是WDR45B、EI24、NCOR1、VEGFA和RNF19A,五个基因成功将患者分为高风险组和低风险组。相较于低风险组,高风险组患者生存预后显著变差。同时成功在GSE31864数据验证模型效能。此外,在整合T/N分期、风险评分和年龄而构建的列线图,在膀胱癌患者生存预后方面具有良好的预测性。结论本研究提出一种基于膀胱癌患者肥大细胞五个基因的预后风险模型,可帮助临床医生评估预后情况,为膀胱癌患者提供个性化治疗建议。

乳腺癌中M2样巨噬细胞浸润相关基因模型的预后和免疫学价值

目的:乳腺癌发展不但涉及癌细胞的基因改变,还与肿瘤微环境相关。肿瘤相关巨噬细胞(TAMs)是乳腺肿瘤微环境中最丰富且活跃的免疫细胞。本研究旨在探索M2样巨噬细胞(M2-TAMs)相关基因作为评估乳腺癌个体风险生物标志物的潜力。方法:利用癌症基因组图谱数据库(TCGA)和基因表达综合数据库(GEO),筛选M2-TAMs相关基因后采用比例风险回归(Cox)及最小绝对收缩和选择算子(LASSO)回归分析,建立M2-TAMs相关基因模型,将患者分为高、低危组进行生存、临床特征、免疫学等分析。结果:M2-TAMs相关基因模型中低危组患者的预后明显优于高危组,并且模型中的风险评分可作为乳腺癌患者预后的独立预测因子,另结合临床特征和风险评分可更准确地评估患者预后。大部分免疫细胞在低危组中呈高度浸润,两组患者在免疫功能上存在显著差异,且有许多差异表达的免疫检查点相关基因。结论:M2-TAMs相关基因模型表现出突出的预测性能,并为评估免疫治疗的成功提供了新的观点,有助于为精确治疗和综合治疗提供新的见解。

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TCGA数据库构建胃癌免疫相关基因的预后风险模型。方法:于2021年1月-12月利用TCGA数据库下载胃癌以及癌旁组织的RNA测序顺序,并从ImmPort数据库中下载免疫相关基因的数据。分析影响胃癌预后相关IRGs的Cox多因素分析,且依据TCGA数据库中100例胃癌的一般情况,统计影响胃癌患者预后的Cox单因素和多因素分析。结果:影响胃癌预后相关IRGs的Cox多因素分析中,共得到9个IRGs(IL1A、APOH、CGB5、GRP、TNFSF18、LGR6、MC1R、NPR1、CTLA4),其中IL1A、APOH、CGB5、GRP、TNFSF18、MC1R、NPR1为高风险基因,而LGR6、CTLA4为保护性基因。单因素分析结果显示:年龄、临床分析、风险评分差异具有统计学意义(P<0.05),表明与胃癌预后有关;多因素分析结果显示:风险模型的风险评分可以独立于其他临床指标,作为评估胃癌患者预后的独立因素(P<0.05)。结论:构建免疫相关基因预后风险模型能够较高评估胃癌患者预后情况,且能够为后续的靶向治疗提供一定的帮助。

铁死亡相关复发风险模型预测胶质母细胞瘤患者的临床结局与免疫浸润

目的构建铁死亡相关胶质母细胞瘤(GBM)复发预后风险模型并评价患者预后。方法通过CGGA和FerrDb数据库筛选复发GBM中铁死亡相关差异表达基因,经过Lasso分析构建nomogram模型,并利用TCGA数据验证预测效能。基因本体功能和信号通路富集分析影响患者预后的机制,通过ESTIMATE算法和TIMER数据库研究肿瘤免疫浸润与免疫检测点表达情况。结果WWTR1、PLIN2、BID是GBM复发的重要铁死亡相关基因,结合性别、年龄构建的nomogram校正曲线一致性良好,1、3、5年AUC分别为0.65、0.66、0.63(CGGA)和0.68、0.76、0.79(TCGA)。高风险亚型中上皮间充质转化、KRAS和炎性反应通路活性明显上调(P<0.05),免疫细胞浸润较少(P<0.05),且风险评分与免疫抑制检测点呈正相关(r=0.43~0.57,P<0.05)。结论基于3个铁死亡相关复发风险基因构建预后评分模型,发现浸润性免疫细胞和免疫检测点影响GBM患者预后。

基于数据库LKB1突变肺腺癌DNA异常甲基化位点构建的预后风险模型

目的构建DNA甲基化相关的肝激酶B1(LKB1)突变肺腺癌预后风险模型。方法下载并分析癌症基因组图谱(TCGA)数据库中RNA和甲基化测序数据。筛选甲基化调控显著影响预后的差异表达基因,构建预后风险模型,将LKB1突变肺腺癌患者分为高风险组和低风险组,并进行相关功能学分析。结果筛选出3个低甲基化高表达的预后相关基因并构建LKB1突变肺腺癌的预后风险模型。多因素COX回归分析表明,Risk score可作为独立预测因子(HR>2,P<0.001)。受试者工作特征曲线证实,Risk score比其他临床病理特征有更好的生存预测能力。功能分析表明,高风险LKB1突变肺腺癌患者促癌通路激活、免疫细胞浸润程度明显高于低风险患者。结论在LKB1突变肺腺癌中发掘了3个因异常甲基化而表达失调的分子标记物,据此构建的预后风险模型可以准确筛选LKB1突变肺腺癌患者中的高风险人群,提供生存预测,为LKB1突变肺腺癌的分子机制研究及临床预后分析提供新思路。

基于生物信息学分析构建卵巢癌预后风险预测模型

卵巢癌(ovarian cancer,OC)是死亡率较高的妇科恶性肿瘤之一.预后风险预测模型可用于预测患者的生存和预后,有利于有针对性地为OC患者制定个体化治疗方案.通过筛选和分析6个OC相关基因芯片数据集,构建了OC预后风险模型并分析其预测价值,采用qRT-PCR验证风险因子的表达.结果共筛选出99个在6个芯片中共失调的差异表达基因(differentially expressed genes,DEGs),这些DEGs主要与细胞周期过程调控、细胞成分组织的负调控、免疫系统细胞因子信号转导、p53、HIF-1信号通路等相关.OC预后风险模型中5个风险因子为PS8、ARL4C、HMGB3、JUP和USP18,模型风险得分与OC患者总体生存期、癌症状态、预后结局显著相关(P<0.05),也可用于区分OC与正常样本(P<0.05).该研究将对OC的早期筛查和预后风险评估提供新思路.

膀胱癌miRNAs风险预后模型建立与应用

目的:通过筛选与膀胱癌生存预后相关的非编码小分子核糖核酸(microRNAs,miRNAs),构建风险预后模型评价患者预后。方法:从人类癌症基因图谱(The Cancer Genome Atlas,TCGA)数据库下载膀胱癌miRNAs与mRNAs数据及对应的临床相关信息,筛选差异的miRNAs和mRNAs。对差异的miRNAs进行Kaplan-Meier(K-M)生存分析和单因素Cox回归分析评价筛选得到与预后相关的miRNAs。采用多因素Cox回归进一步分析获得风险模型目标miRNAs,建立最佳风险预后模型,评价模型效能。通过在线数据库和差异mRNAs数据对结合的miRNA靶基因进行筛选,然后进行KEGG和GO富集分析,预测miRNAs靶基因功能。结果:筛选得到膀胱癌差异miRNAs有473个,差异mRNAs有7106个。运用K-M生存分析及单因素Cox回归筛选得到24个与膀胱癌患者生存预后相关的miRNAs,进一步通过多因素Cox回归得到11个与风险预后模型紧密相关的miRNAs,成功构建miRNAs风险预后模型。模型风险评分=(-0.4×Exp_(hsa-miR-145-5p))+(-0.928×Exp_(hsa-miR-99a-5p))+(-0.295×Exp_(hsa-miR-7705))+(-0.566×Exp_(hsa-miR-590-3p))+(0.201×Exp_(hsa-miR-337-3p))+(0.576×Exp_(hsa-miR-125b-2-3p))+(0.345×Exp_(hsa-miR-652-3p))+(-0.718×Exp_(hsa-miR-143-5p))+(0.286×Exp_(hsa-miR-3065-3p))+(0.282×Exp_(hsa-let-7c-3p))+(0.145×Exp_(hsa-miR-216a-5p))。模型的受试者工作特征曲线(receiver operating characteristic curve,ROC)曲线下面积(the area under the ROC curve,AUC)为0.781,提示风险预后模型具有较好的预测效能。K-M生存分析提示模型评分越高的患者5年生存率越低。GO和KEGG富集分析显示,模型miRNAs能够调控多种泌尿系统活性信号和相关通路,介导膀胱癌疾病进展。结论:成功构建膀胱癌miRNAs风险预后评估模型,为临床膀胱癌患者生存预测提供了一定的价值。

肾癌相关miRNAs及靶基因对肾癌预后的评估价值

目的基于美国癌症基因组图谱(TCGA)构建肾癌miRNAs预后风险模型评分公式,分析这个评分公式评估miRNAs及其靶基因作为肾癌预后分子标志物的潜在临床价值。方法基于TCGA肾癌miRNAs与mRNA测序数据,采用单因素、Lasso和多因素Cox回归分析,构建肾癌miRNAs预后风险模型;通过对靶基因进行GO、KEGG富集分析,筛选相关miRNAs;在临床样本中验证预后风险模型中筛选出的miRNAs及其靶基因的表达。结果基于TCGA数据库,在肾癌与其癌旁样本转录组数据中共找到94个差异miRNAs和1226个差异mRNAs,独立预后分析筛选得到7个miRNAs。GO与KEGG富集分析结果提示,7个miRNAs的功能与PI3K-Akt信号通路、钙离子信号通路、MAPK信号通路有关。采集肾癌临床样本,应用qPCR分析,结果显示,5个miRNAs在肾癌临床样本中的表达模式与TCGA数据库中的表达模式一致,miRNAs的8个靶基因表达模式与其在TCGA数据库中的表达趋势一致。免疫组化结果显示,HPGD在肾癌中低表达。结论构建的肾癌miRNAs预后模型能有效筛选肾癌预后相关miRNAs,这些miRNAs的研究对揭示肾癌发生与发展机制及评估肾癌预后具有重要意义。

基于代谢相关基因的多发性骨髓瘤预后模型的构建

目的:筛选多发性骨髓瘤(MM)患者代谢相关基因预后生物标志物,构建MM患者代谢基因生存预后模型。方法:检索MM患者相关的组学数据库。选择具有完整临床信息的病例和健康对照组数据进行分析。从HPA与MMRF数据库收集整理MM患者与健康对照骨髓组织二代测序数据与临床信息。利用Perl语言从分子签名数据库(MSig DB)提取代谢相关通路基因集。利用差异分析、单因素Cox风险回归分析和LASSO回归分析筛选MM代谢相关预后生物标志物并构建风险预后模型及列线图,利用风险曲线与生存曲线验证模型分组效果。利用基因集富集分析(GSEA)研究高、低风险组之间生物学通路富集的差异。利用多因素Cox风险回归分析验证风险评分的独立预后预测能力。结果:共筛选获取8个与MM患者生存预后显著相关的m RNA(P<0.01),作为分子标签可将MM患者分为高风险组与低风险组。生存曲线与风险曲线显示低风险组患者的总生存期显著优于高风险组(P<0.001)。GSEA富集分析表明,基础代谢相关通路、细胞分化和细胞周期等信号通路在高风险组中显著富集,核糖体与N-聚糖生物合成等相关通路则更多的在低风险组中富集。多因素Cox回归分析显示,由这8个代谢相关基因构成的风险评分可作为MM患者预后的独立危险因素,接收者操作特征曲线显示代谢相关基因分子标签预测效能最佳。结论:新陈代谢相关通路在MM患者发病及预后中具有重要意义,基于8个代谢相关核心基因构建的MM患者风险评估模型,其临床意义尚需进一步的临床研究加以证实。