目的应用生物信息学构建与铁死亡基因相关的UVM预测模型,用于评估葡萄膜黑色素瘤患者预后生存及转移情况。方法从肿瘤基因组图谱(TCGA)获取UVM转录组数据和与之匹配的临床信息,结合铁死亡数据库确定铁死亡相关基因。Kaplan-Meier方法分...目的应用生物信息学构建与铁死亡基因相关的UVM预测模型,用于评估葡萄膜黑色素瘤患者预后生存及转移情况。方法从肿瘤基因组图谱(TCGA)获取UVM转录组数据和与之匹配的临床信息,结合铁死亡数据库确定铁死亡相关基因。Kaplan-Meier方法分析铁死亡相关基因在高、低表达状态下患者的总体生存率,利用LASSO、单因素和多因素回归分析筛选并构建免疫相关风险预测模型。根据风险评分将患者分为高、低风险组,利用ROC曲线评估模型准确度,并采用基因表达综合数据库(GEO)中的GSE84976和GSE22138作为验证集。结果通过多种算法构建了含有4个核心基因的预测模型(AIFM2、ITGA6、CD44、ALOX12),基于模型标志物计算的风险评分可以准确识别UVM高、低风险患者,并具有预测患者总体生存的能力(P<0.01,1 a AUC=0.84、3 a AUC=0.89、5 a AUC=0.91),验证集GSE84976外部验证结果:P<0.01,1 a AUC=NA,3 a AUC=0.78,5 a AUC=0.91;验证集GSE22138外部验证结果:P<0.01,1 a AUC=0.75,3 a AUC=0.79,5 a AUC=0.82,结果显示,该预测模型可作为UVM独立预后因素,预测生存及转移情况。结论构建的新型铁死亡相关的UVM预测模型(AIFM2、ITGA6、CD44、ALOX12),能够准确预测UVM患者预后及转移情况,可为UVM患者的个性化诊疗提供新的靶点。展开更多
文摘目的应用生物信息学构建与铁死亡基因相关的UVM预测模型,用于评估葡萄膜黑色素瘤患者预后生存及转移情况。方法从肿瘤基因组图谱(TCGA)获取UVM转录组数据和与之匹配的临床信息,结合铁死亡数据库确定铁死亡相关基因。Kaplan-Meier方法分析铁死亡相关基因在高、低表达状态下患者的总体生存率,利用LASSO、单因素和多因素回归分析筛选并构建免疫相关风险预测模型。根据风险评分将患者分为高、低风险组,利用ROC曲线评估模型准确度,并采用基因表达综合数据库(GEO)中的GSE84976和GSE22138作为验证集。结果通过多种算法构建了含有4个核心基因的预测模型(AIFM2、ITGA6、CD44、ALOX12),基于模型标志物计算的风险评分可以准确识别UVM高、低风险患者,并具有预测患者总体生存的能力(P<0.01,1 a AUC=0.84、3 a AUC=0.89、5 a AUC=0.91),验证集GSE84976外部验证结果:P<0.01,1 a AUC=NA,3 a AUC=0.78,5 a AUC=0.91;验证集GSE22138外部验证结果:P<0.01,1 a AUC=0.75,3 a AUC=0.79,5 a AUC=0.82,结果显示,该预测模型可作为UVM独立预后因素,预测生存及转移情况。结论构建的新型铁死亡相关的UVM预测模型(AIFM2、ITGA6、CD44、ALOX12),能够准确预测UVM患者预后及转移情况,可为UVM患者的个性化诊疗提供新的靶点。
