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HC...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。展开更多
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...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。展开更多
文摘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。
文摘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。
文摘目的: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。