利用癌症基因组图谱(the Cancer Genome Atlas,TCGA)和国际肿瘤基因组协作组(International Cancer Genome Consortium,ICGC)数据库收集肝细胞癌(hepatocellular carcinoma,HCC)患者的RNA测序信息.首先,通过非负矩阵分解(non-negative m...利用癌症基因组图谱(the Cancer Genome Atlas,TCGA)和国际肿瘤基因组协作组(International Cancer Genome Consortium,ICGC)数据库收集肝细胞癌(hepatocellular carcinoma,HCC)患者的RNA测序信息.首先,通过非负矩阵分解(non-negative matrix factorization,NMF)聚类方法和加权基因共表达网络分析(weighted gene co-expression network analysis,WGCNA)筛选出参与HCC免疫反应机制的关键基因.利用套索(the least absolute shrinkage and selection operator,LASSO)回归分析构建预后基因模型,并用基因集富集分析(gene set enrichment analysis,GSEA)方法分析生物学功能.随后,对不同风险组患者使用单样本基因集富集分析(single sample genes set enrichment analysis,ssGSEA)评估两组间免疫浸润和相关功能差异.使用“RMS”R软件包结合独立危险因素构建列线图以预测患者的总体生存时间.最后,利用人类蛋白质图谱数据库(Human Protein Atlas,HPA)与实时荧光定量PCR(real-time quantitative PCR,RT-qPCR)进行临床初步验证.总之,本文在风险评分的基础上整合患者临床特征,构建了一个可验证、可重复的列线图,为临床肿瘤患者的精准治疗提供可靠的参考.展开更多
文摘利用癌症基因组图谱(the Cancer Genome Atlas,TCGA)和国际肿瘤基因组协作组(International Cancer Genome Consortium,ICGC)数据库收集肝细胞癌(hepatocellular carcinoma,HCC)患者的RNA测序信息.首先,通过非负矩阵分解(non-negative matrix factorization,NMF)聚类方法和加权基因共表达网络分析(weighted gene co-expression network analysis,WGCNA)筛选出参与HCC免疫反应机制的关键基因.利用套索(the least absolute shrinkage and selection operator,LASSO)回归分析构建预后基因模型,并用基因集富集分析(gene set enrichment analysis,GSEA)方法分析生物学功能.随后,对不同风险组患者使用单样本基因集富集分析(single sample genes set enrichment analysis,ssGSEA)评估两组间免疫浸润和相关功能差异.使用“RMS”R软件包结合独立危险因素构建列线图以预测患者的总体生存时间.最后,利用人类蛋白质图谱数据库(Human Protein Atlas,HPA)与实时荧光定量PCR(real-time quantitative PCR,RT-qPCR)进行临床初步验证.总之,本文在风险评分的基础上整合患者临床特征,构建了一个可验证、可重复的列线图,为临床肿瘤患者的精准治疗提供可靠的参考.