基于TCGA数据库的胃腺癌铜死亡相关lncRNA预后模型构建

目的基于癌症基因组图谱（TCGA）数据库建立胃腺癌的铜死亡相关长链非编码RNA（lncRNA）预后模型。方法从TCGA数据库中获取胃腺癌的转录组数据和临床数据,检索相关文献获取铜死亡相关基因,应用Pearson相关分析确定胃腺癌铜死亡相关lncRNA。对目标lncRNA进行单因素Cox和套索算法回归分析,筛选出预后相关lncRNA,然后对其进行多因素Cox回归分析,根据预后模型公式计算风险评分,将患者分成高、低风险组进行生存差异分析。通过Kaplan-Meier曲线、主成分分析、ROC曲线、列线图评价预后模型的预测效能。对高、低风险组进行肿瘤微环境（TME）、肿瘤突变负荷（TMB）、微卫星状态、免疫逃逸和药物敏感性分析。结果10个lncRNA被纳入构建预后模型,通过预后模型对样本进行生存分析发现,高风险组患者生存状况较差。主成分分析、ROC曲线证实该预后模型具有更高的灵敏度和准确度。单因素和多因素Cox回归分析显示年龄、临床分期和风险评分是预后的独立因子,以上述独立预后因子构建的列线图具有良好的区分度和一致性。进一步研究发现高风险组患者表现出更高的免疫浸润、低TMB、高度微卫星不稳定,并且高TMB和低风险的患者具有更好的预后。低风险组患者对更多的药物敏感,并且从免疫治疗中获益更多。结论铜死亡相关ln-cRNA构建的预后模型可预测胃腺癌患者的预后,同时可反映患者TME及免疫治疗获益情况,从而为胃腺癌患者的药物选择提供参考依据。     

基于 TCGA 数据库确定低级别胶质瘤免疫 相关lncRNA并构建预后模型

目的 筛选低级别胶质瘤(LGG)预后相关的免疫lncRNA,构建免疫相关lncRNA 预后风险模型。方法 从 公共数据库 TCGA 下载 LGG转录组数据及相应的临床信息,用 R 语言以共表达法获取免疫相关lncRNA,单因素和多 因素 Cox回归分析筛选得到有预后价值的免疫相关lncRNA,并以其构建风险模型。根据风险值将患者划分为高风险 组和低风险组,采用 Kaplan-Meier法进行生存分析并绘制生存曲线图,使用 ROC曲线对风险模型的准确性进行评估。 同时采用单因素和多因素 Cox回归法分析风险评分和其它临床因素与 LGG患者生存预后的关系。通过 Cibersort软件 计算22种免疫浸润细胞在高、低风险分组中的相对比例。最后对风险模型中4个lncRNA 与主要的免疫检查点分子进 行相关性分析。结果 通过免疫基因-lncRNA 共表达网络筛选出79个免疫相关lncRNA,利用单因素 Cox回归筛选出 8个有预后价值的免疫相关lncRNA,基于 多 因 素 Cox回 归 分 析 最 终 确 定 4 个 关 键lncRNA(RFPL1S、AC145098.1、 AC090559.1、TGFB2-AS1),并构建风险模型。根据中位风险值将患者分为高风险组和低风险组,生存分析显示两组生 存时间存在显著差异(P<0.01),预后风险模型曲线 AUC值为0.788。多因素 Cox回归分析显示患者年龄、肿瘤级别和 风险分数均是预后不良的独立危险因素。Cibersort法分析结果显示高风险组 LGG 患者肿瘤中有较多的单核细胞和 M2型巨噬细胞浸润。相关性分析显示模型中的4个lncRNA 与 PD1、PD-L1、CD47及 CTLA4之间存在较强的相关性 (均P<0.05)。结论 通过生物信息分析技术成功构建基于lncRNA 表达水平的 LGG患者预后模型,所确定的4个关键lncRNA 有望成为判断 LGG患者预后的指标和潜在治疗靶点。     

基于铜死亡相关长链非编码RNA构建膀胱癌患者预后风险评估模型

目的:基于铜死亡相关长链非编码RNA(lncRNA)构建膀胱癌患者预后风险评估模型。方法:下载癌症基因组图谱数据库中的膀胱癌患者RNA序列数据和临床数据，采用Pearson相关性分析、单因素Cox回归、Lasso回归和多因素Cox回归分析筛选与铜死亡及膀胱癌患者预后相关的lncRNA，并构建铜死亡相关的lncRNA膀胱癌患者预后风险评分方程。根据风险评分方程计算的中位数将患者分为高风险组和低风险组，比较两组免疫细胞丰度差异。应用Kaplan-Meier生存曲线评估风险评分方程的准确性；应用受试者操作特征曲线(ROC曲线)评估风险评分方程预测患者1、3、5年存活率的价值；采用单因素和多因素Cox回归筛选与膀胱癌患者预后相关的影响因素，构建膀胱癌患者预后风险评估列线图，并通过校准曲线评估列线图预测的准确性。结果:膀胱癌患者预后风险评分方程由9个铜死亡相关的lncRNA构建。免疫浸润分析结果显示，高风险组M0巨噬细胞、M1巨噬细胞、M2巨噬细胞、静息肥大细胞及中性粒细胞丰度明显高于低风险组，而低风险组CD8⁺T细胞、辅助性T细胞、调节性T细胞及浆细胞丰度明显高于高风险组...     

m6A修饰相关lncRNA与宫颈癌的预后不良及免疫治疗的相关性分析

  目的   本研究旨在通过挖掘宫颈癌TCGA数据库,分析N6-甲基腺嘌呤（N6-methyladenosine, m6A）修饰相关长链非编码RNA（lncRNA）与宫颈癌预后不良及免疫治疗的相关性,从而有效地评估宫颈癌患者的预后和宫颈癌免疫治疗的可行性。   方法   基于TCGA数据库宫颈癌样本,利用生物信息学的方法鉴定与宫颈癌预后相关的m6A修饰相关lncRNA,并以此构建宫颈癌的预后风险模型。   结果   从304例患者样本中筛选出343个m6A修饰相关lncRNA,通过单因素Cox回归分析得到26个m6A修饰相关lncRNA与宫颈癌患者预后相关,并利用Lasso回归分析得到7个m6A修饰相关lncRNA（DLEU1、AC099850.4、DDN-AS1、EP300-AS1、AC131159.1、AL441992.2、AL021707.6）用以构建预后风险模型。Kaplan-Meier曲线显示低风险组的OS高于高风险组（P<0.001）;ROC曲线下面积（AUC）表明本风险模型准确性高、可信度强;多因素Cox分析显示风险评分是评估宫颈癌患者预后的独立因素。TIDE评分预测高风险组接受免疫治疗后获益更大。免疫检查点PD1与DDN-AS1等m6A修饰相关lncRNA表达相关,且在高风险组中表达更高（P<0.05）。   结论   基于上述7个m6A修饰相关lncRNA构建的预后风险模型能够有效预测宫颈癌患者的预后,并能评估以PD1为靶点的免疫治疗疗效。     

铜死亡相关性lncRNA在甲状腺癌中的表达模式以及预后价值

目的 探索与铜死亡相关的lncRNA在甲状腺癌(thyroid carcinoma, THCA)中的表达模式及预后价值。方法 基于TCGA数据集，通过共表达获得相关的lncRNA。将THCA患者随机分成训练集和验证集，基于Cox和LASSO回归分析确定预后关键基因，采用验证集和整个列队对独立预后基因进行验证，同时通过实时荧光定量聚合酶链式反应(qPCR)验证关键基因在THCA中的表达情况。最后对风险模型进行富集分析、肿瘤微环境分析、免疫相关性分析以及药物敏感性分析。结果 12个铜死亡基因通过共表达获得1 270个相关的lncRNA。在16个与铜死亡预后相关的基因中，TMEM220-AS1、LINC01711和AC003086.1被确定为关键基因。风险评分在训练集和整个列队中均展示出良好的预测性能，并且qPCR结果与生信结果一致。高低风险组的患者在生物学功能、免疫细胞浸润程度以及免疫检查点均存在明显的不同。此外，风险评分与THCA的药物敏感性显著相关。结论 本研究证明了铜死亡相关性lncRNA在THCA中存在显著差异表达，并且3个关键的lncRNA在预测THCA的预后和生存方面具有一定价...     

免疫相关LncRNA与乳腺癌预后关系分析及预后风险模型建立

目的 探讨免疫相关LncRNA的表达与乳腺癌预后的关系,构建乳腺癌免疫相关LncRNA预后风险模型。 方法 从TCGA公共数据库下载乳腺癌的转录组数据和临床病理信息,利用Perl软件提取乳腺癌数据表达矩阵,采用R语言使用共表达法提取免疫相关LncRNA,单因素和多因素Cox回归分析筛选预后相关LncRNA,根据最佳AIC值确定免疫预后相关LncRNA构建预后风险模型,根据风险值将患者分为低分险组和高风险组,采用Kaplan-Meier分析法进行生存分析并绘制两组患者生存曲线,使用ROC曲线对预后风险模型准确性进行评估,同时单因素和多因素Cox回归分析评估预后风险模型与肿瘤预后相关性。 结果 从TCGA数据中共下载1 041例乳腺癌样本,提取到14 142个LncRNA表达谱,通过共表达法获得免疫相关LncRNA 644个,对免疫相关LncRNA进行单因素Cox回归分析筛选出14个LncRNA,对14个LncRNA进行多因素Cox回归分析,根据最佳AIC值筛选出6个LncRNA用于构建预后风险模型,根据风险值将患者分为低分险组和高风险组,生存分析显示两组患者差异有统计学意义,同时预后风险模型曲线下AUC值为0.703,模型具有较好的准确性。多因素Cox回归分析结果显示,年龄和患者风险评分为乳腺癌的独立危险因素。 结论 免疫相关LncRNA预后风险模型为乳腺癌的独立预后影响因子,可以有效预测乳腺癌患者的生存预后,可作为乳腺癌独立的预后生物标志物。     

染色质调节因子相关的lncRNA肾透明细胞癌预后模型的构建和验证

目的 构建染色质调节因子（CR）相关长链非编码RNA（lncRNA）的肾透明细胞癌（ccRCC）预后模型,提高ccRCC的预后管理。 方法 从TCGA数据库下载ccRCC的转录组数据和临床数据,并通过“caret”R包将ccRCC样本以7∶3的比例分为训练集（166例）和验证集（71例）。基于“DESeq2”R包筛选出差异表达的CR及相关的lncRNA。构建CR与lncRNA的共表达网络,并筛选出相关系数|rs|＞0.3且P＜0.05的差异lncRNA。利用单因素Cox、Lasso和多因素逐步Cox回归分析,构建CR相关的lncRNA预后模型。计算训练集和验证集样本的风险评分,根据风险评分的中位数将ccRCC患者分为高、低风险组。K-M曲线和受试者操作特征（ROC）曲线评价模型,单因素和多因素Cox回归分析评估风险评分的独立预测性能。“DynNom”和“shiny”R包开发在线预测工具。单样本基因集富集分析探索风险评分与免疫微环境及免疫检查点的关系。 结果 本研究最终纳入237个肿瘤样本和72个癌旁正常组织样本,鉴定了1 025个CR相关的lncRNA,最终筛选得到7个CR相关lncRNA（DUXAP8、AC026462.3、LINC01460、AL592494.1、AL353804.2、AC012462.1、AC009518.1）构建预后模型,并将其开发成在线工具（https://xzlmodelshiny.shinyapps.io/DynNomapp/）。高危组患者的生存率低于低危组（P＜0.05）,ROC曲线表明模型预测效能较好,单因素分析和多因素分析中风险评分的HR值分别为4.058（95%CI：2.530~6.508,P＜0.001）和3.096（95%CI：1.887~5.080,P＜0.001）。高风险组MDSC和Tregs细胞等免疫抑制细胞的浸润比例高于低风险组,趋化因子、免疫检查点及副炎症等通路的富集水平高于低风险组（P＜0.05）。此外,风险评分与免疫检查点TNFRSF25和TNFSF14呈正相关（r＞0.3,P＜0.05）。 结论 本研究构建的CR相关的lncRNA风险模型可独立有效地预测ccRCC患者的预后。     

基于TGGA数据库构建肺腺癌自噬相关基因预后风险模型

目的 基于TCGA数据库,结合人类自噬数据库构建预测肺腺癌患者预后的风险模型,探讨自噬相关基因预后风险模型对肺腺癌患者预后的预测性能及与免疫微环境的相关性。方法 从癌症基因组图谱数据库下载肺腺癌患者临床信息和转录组数据,结合人类自噬数据库筛选出232个自噬相关基因。通过Cox回归分析筛选出4个独立与预后相关的自噬基因,并采用风险评分构建肺腺癌预后预测模型,用ROC曲线评价预测模型性能。使用ESTIMATE和CIBERSORT在线网站(https://cibersort.stanford.edu/)探索风险评分与肿瘤免疫微环境之间的关系。结果 肺腺癌中有30个差异表达的自噬相关基因,其中4个自噬基因(BIRC5、ERO1A、ITGB4、NLRC4)具有预测患者预后的功能。依据风险评分进行分组,Kaplan-Meier分析表明高风险组生存率低于低风险组(P <0.000 1)。ROC曲线表明风险评分模型判断肺腺癌预后的准确性(AUC=0.757)。ESTIMATE和CIBERSORT分析提示风险评分模型与肿瘤微环境中的多个免疫细胞亚群浸润相关。结论 自噬相关基因预后风险模型较临床数据...     

骨肉瘤铜死亡相关LncRNA预后模型构建与验证

目的：Cuproptosis是一种新发现的程序性细胞死亡形式，被认为在肿瘤治疗中起重要作用。长链非编码RNA(long non-coding RNA, lncRNA)参与调节细胞多种生理与病理活动。本研究旨在探讨铜死亡相关LncRNA在骨肉瘤中的预后意义。方法：从公共数据库UCSC Xena和GTEx数据库下载骨肉瘤样本与正常样本的基因表达谱以及相应的临床数据，从已发表的文献中获取铜死亡基因，采用共表达网络、最小绝对收缩和选择算法（LASSO）和Cox回归模型构建骨肉瘤铜死亡相关lncRNA预后模型并进行内部验证。采用受试者工作特征（ROC）曲线和列线图来评估模型的预测能力。单样本基因集富集分析（ssGSEA）探讨不同风险组与骨肉瘤免疫细胞与功能的相关性。结果：对收集到的19个铜死亡基因进行共表达分析，得到181个铜死亡相关lncRNA，差异分析及单因素Cox分析筛选出10个铜死亡预后相关的LncRNA。随后通过Lasso及多因素Cox回归筛选得到了3个铜死亡相关lncRNA(AC124798.1、AC090152.1、AC090559.1)构建预后模型。根据风险评分中位值将患者分为高...     

基于双硫死亡相关lncRNA的宫颈癌预后模型构建及验证

目的:构建预测宫颈癌生存期的双硫死亡相关长链非编码RNA(lncRNA)预后模型。方法:从TCGA数据库下载307个宫颈癌RNA测序数据及临床信息,随机分为训练集和测试集。使用共表达分析和回归分析得到双硫死亡相关lncRNA并构建预后模型。根据风险评分中位数将患者分为高风险组和低风险组。使用Kaplan-Meier生存分析、Cox回归分析、受试者工作特征(ROC)曲线、主成分分析、列线图和校准曲线评估模型的预测效能。结果:共得到3个双硫死亡相关lncRNA并构建预后模型。Kaplan-Meier生存分析结果显示高风险组的总生存期短于低风险组。风险曲线显示高危患者的死亡率高于低危患者。Cox回归分析显示风险评分是独立预后因子。该模型预测患者1年、3年、5年存活率的ROC曲线下面积(AUC)分别为0.780、0.701、0.716。列线图和校准曲线表明预后模型接近于理想模型。结论:本研究构建了宫颈癌的双硫死亡相关lncRNA预后模型,该模型预测效能良好。     

肝细胞癌铜死亡相关lncRNA预后模型的构建及评估

目的 探究铜死亡相关长链非编码RNA(long non-coding RNA,lncRNA)在肝细胞癌(hepatocellular carcinoma,HCC)患者中的预后价值及其在治疗中的潜在价值。方法 从肿瘤基因组图谱(The Cancer Genome Atlas,TCGA)数据库中收集肝细胞癌的转录组数据及对应患者的临床资料。筛选癌组织与正常肝组织差异表达的铜死亡相关基因,并进行基因本体(Gene Ontology,GO)富集分析和京都基因与基因组数据库(Kyoto Encyclopedia of Genes and Genomes,KEGG)通路分析。筛选与肝细胞癌预后相关的铜死亡lncRNA,对肝细胞癌患者进行分组并比较总体生存率。采用最小绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)Cox回归分析建立预后风险模型。建立用于预测肝细胞癌患者总体生存率的列线图。结果 获得由5个铜死亡相关lncRNA组成的预后模型,包括:RPS6K6、SNRPEP2、PRELID2、GOT2和RTL8A。风险评...     

m6A修饰相关的长链非编码RNA 对肾透明细胞癌预后和免疫治疗的研究

目的 探究与N6-甲基腺嘌呤(m6A)相关的长链非编码RNA(long non-coding RNA, lncRNA)对肾透明细胞癌(renal clear cell carcinoma, ccRCC)预后和免疫治疗的特征。方法 通过TCGA数据库下载532例ccRCC患者组织和72例正常肾组织的转录组数据和临床特征数据,利用共表达和单因素COX回归分析筛选与预后和m6A相关的lncRNA。基于预后和m6A相关的lncRNA的表达进行聚类分析,分析两种聚类分型与免疫检查点程序性死亡配体1(programmed death-ligand 1, PD-L1)和细胞毒性T淋巴细胞相关抗原-4(cytotoxic T lymphocyte-associated antigen-4, CTLA-4)表达的相关性。构建LASSO COX回归风险预后模型,验证其临床应用价值,利用ESTIMATE方法比较ccRCC肿瘤微环境的差异,免疫表观评分(immunophenoscore,IPS)预测ccRCC对免疫检查点抑制剂(immune checkpoint inhibitor, ICI)的敏感度。结果 通过共表达和单因素COX回归分析筛选出29个与预后和m6A相关的lncRNA,大多数在ccRCC组织中表达上调,而COL18A1-AS1、AC007066.2和AC018752.1则表达下调。通过聚类分析将532例ccRCC组织样本分为cluster1组和cluster2组,cluster2组预后更差,PD-L1和CTLA4表达更高。利用LASSO COX回归算法确定8个与预后和m6A相关的lncRNA,建立ccRCC风险预后模型,该模型在不同临床特征中均有较好的预测价值。依据模型计算风险值将患者分为高风险组和低风险组。高风险组患者预后更差,富含更多免疫细胞成分,对ICI治疗更敏感。结论 m6A相关的lncRNA对ccRCC患者的预后预测和免疫治疗指导具有重要意义。     

肺腺癌中免疫相关lncRNA的筛查表达与预后分析

目的筛查肺腺癌免疫相关lncRNA,并分析其在肺腺癌中的表达及对患者预后的影响。方法自美国TCGA数据库筛选肺腺癌患者的转录数据和临床资料;使用美国Cytoscape软件3.5.0构建免疫-lncRNA共表达网络获得免疫相关的lncRNA;采用单变量Cox回归分析分配风险评分,筛选预后相关的lncRNA,GraphPad Prism 8软件进行Kaplan-Meier生存分析,多变量Cox回归分析预测患者生存的独立预后因素;使用R3.6.1软件和limma包进行主成分分析;基因组富集分析各组的功能注释。结果数据库挖掘获得14 142个lncRNA和331个免疫相关基因,关联分析共筛选出1133个免疫相关的lncRNA;单因素COX回归分析发现15个免疫相关lncRNA与肺腺癌预后相关,多因素Cox回归分析发现其中6个免疫相关的lncRNA(AL161431.1、AC079949.2、LINC00707、AC010980.2、AC068338.3、AC123595.1)是肺腺癌患者生存的独立预后因素,而风险分数是与总生存期相关的独立预后因素;6个免疫相关的lncRNA中低风险组总体生存期较高风险组显著延长(P<0.000 1);主成分分析显示,高、低风险组的风险值有显著差异;基因富集分析结果显示高、低风险组在免疫应答通路中均有富集。结论成功筛选出6个免疫相关的lncRNA,且其可预测肺腺癌患者的预后。     

铜代谢相关基因模型的构建及其对急性髓系白血病预后的意义

目的探讨铜代谢相关基因在急性髓系白血病（AML）预后预测中的意义。方法从癌症基因组图谱和儿童肿瘤数据库中下载AML患者的RNA序列和临床病理学数据,通过单因素Cox回归分析和LASSO回归算法筛选对AML预后有影响的铜代谢相关基因并构建风险评分模型,分析差异基因表达情况。根据风险评分将AML患者分为高危组和低危组。绘制Kaplan-Meier生存曲线和ROC曲线,分析风险评分模型的预后意义。绘制基于风险评分的列线图,并验证其预测效能。采用免疫浸润分析研究与风险评分相关的肿瘤微环境特征。结果共筛查到16个与AML预后相关的铜代谢相关的基因。年龄、白血病FAB分型、遗传学危险度分级等因素与高风险评分有关。ROC曲线显示,构建的风险评分模型预AML患者1、3、5年总生存率的AUC分别为0.899、0.890和0.951。Kaplan-Meier生存曲线显示,高危组的总生存期远短于低危组（P＜0.01)。高风险评分与浸润免疫细胞（M2型巨噬细胞、调节性CD4+T细胞和自然杀伤细胞）有关。结论基于铜代谢相关基因构建的风险评分模型可有效预测AML患者总生存率。风险评分与患者年龄、白血病FAB分型和遗传学危险度分级有关。     

基于TCGA数据构建乳腺癌上皮间质转化相关lncRNA的预后模型

目的：通过生物信息学分析,探讨上皮间质转化（EMT）相关的长链非编码RNA(lncRNA)在乳腺癌中的预后作用。方法：从TCGA数据库下载乳腺癌的转录组数据及临床信息,在MSigDB数据库下载EMT相关基因的数据集,然后利用差异分析、共表达分析、Cox回归分析、Lasso回归分析、生存分析等生物信息学方法,构建乳腺癌中EMT相关lncRNA的风险特征,并进一步检验其预测效能。结果：乳腺癌肿瘤组和正常组有311个差异表达的EMT相关基因（P<0.05）,与这些基因存在共表达关系的lncRNA有315个（皮尔逊相关系数r=0.7,P<0.001）,其中,与预后可能相关的lncRNA有16个（P<0.05）。进一步行Lasso回归分析及多因素Cox回归分析,最终得到基于9个lncRNA表达水平的风险评分公式,根据风险评分的中位数将患者分为高、低风险组,生存分析结果显示,相比于低风险组,高风险组患者的总生存期更低(P<0.001)。ROC曲线结果表明,风险评分预后模型对乳腺癌的3、5、10年生存期具有较好的预测效能,Cox回归分析结果进一步表明该模型可以作为一个独立的预...     

头颈部鳞状细胞癌临床预后模型中SERPINE1及SLC20A1的作用

目的构建一个TGF-β基因相关通路的风险评分模型,探讨该模型对头颈部鳞状细胞癌(HNSC)患者预后的预测价值。方法从美国癌症基因组图谱(TCGA)数据库中下载TCGA-HNSC队列作为训练组,GEO数据库中下载GSE41613作为测试组,筛选出训练组中肿瘤组织与正常组织间的差异表达基因,随后采用单因素和多因素Cox回归分析确定影响HNSC患者生存的TGF-β通路相关基因(TRGs),并构建预后风险模型。通过风险生存曲线、受试者工作特征(ROC)曲线及生存状态图对模型进行评价,并对风险评分进行独立预后分析。整合风险评分及其他临床预测指标绘制列线图以评估患者预后。利用R软件对训练组中高、低风险组患者进行基因突变频率分析及免疫微环境特征分析。结果从训练组中初步筛选出6个差异表达的TRGs,通过Cox回归分析筛选出2个与预后相关的基因:纤溶酶原激活物抑制因子-1(SERPINE1)及磷酸盐转运蛋白-1(SLC20A1)。在训练组和测试组中高低风险组生存差异均有统计学意义(均P<0.05),ROC曲线显示该风险评分可靠,可作为独立预后因子。高风险组和低风险组HNSC具有完全不同的集群特征、基因突变频率及免疫细胞浸润。结论基于SERPINE1和SLC20A1构建的模型可较好地预测HNSC患者的预后,高风险组的HNSC在生物学表型、基因突变频率及肿瘤免疫浸润等方面均与低风险组有差异。     

基于细胞焦亡与炎症反应相关基因构建肝细胞癌预后风险评估模型及验证

目的基于细胞焦亡与炎症反应相关基因构建肝细胞癌预后风险评估模型,并进一步探索该模型对肿瘤免疫微环境状态的预测效能,为制定个性化的治疗方案提供方向。方法从癌症基因组图谱（TCGA）数据库（365例）和国际癌症基因组联盟（ICGC）数据库（231例）下载有关肝细胞癌样本的细胞焦亡和炎症反应基因的mRNA数据,通过LassoCox回归分析构建肝细胞癌预后风险评估模型,计算细胞焦亡与炎症反应评分（PIRS）。采用R语言进行生存预后分析及临床病理特征分析;单样本基因集富集分析（GSEA）以及肿瘤免疫功能障碍与逃逸预测肿瘤免疫微环境状态;GSEA分析PIRS相关的信号通路及生物学功能。结果TCGA数据库中64个基因与肝细胞癌患者的总生存期有关（P＜0.05）,筛选出15个基因构建肝细胞癌预后风险评估模型。Kaplan-Meier生存分析显示,高风险组的总生存期较低风险组短（P＜0.01）。TCGA数据库中PIRS的AUC在1、2和3年时分别为0.871、0.846和0.831,ICGC数据库中AUC分别为0.844、0.733和0.751。PIRS是肝细胞癌患者预后的独立预测指标（HR=2.802,95%CI：2.286~3.433,P＜0.01）。高风险组中免疫杀伤细胞含量、细胞毒反应和干扰素活性均低于低风险组（均P＜0.01）,但巨噬细胞含量、免疫功能障碍评分和T细胞驱逐评分均高于低风险组（均P＜0.01）。高风险组中富集了细胞周期、血管内皮生长因子和转化生长因子β等相关信号通路。结论PIRS与肝细胞癌患者预后有关,高风险组处于免疫抑制状态,肝细胞癌预后风险评估模型能准确预测患者预后。     

基于氧化应激因子构建结肠癌的预后风险标志物及其临床意义

目的 探讨结肠癌中氧化应激相关的特征基因并筛选预后标志物。方法 结合氧化应激相关基因与结肠癌的转录组数据,利用Cox回归分析筛选预后标志物并构建预后模型。通过生存分析和受试者操作特征曲线分析模型的有效性。根据风险评分中位数区分高、低风险组。利用Cox分析验证风险评分的独立性,随后构建列线图。最后,分析高、低风险组的预后差异、免疫微环境差异以及免疫治疗反应程度。结果 最终筛选出9个氧化应激相关基因（CPT2、FARS2、RYR2、MSRA、PPARGC1a、LEP、AGT、EPO、STK25）,并以此构建预后模型。生存分析和受试者操作特征曲线结果表明,该模型能很好地预测结肠癌风险（P <0.05,曲线下面积> 0.6）,且风险评分可作为独立预后因子（P <0.001）。此外,高风险组中TP53突变频率更高（P <0.000 1）。同时,低风险组患者免疫表型评分高于高风险组（P <0.05）,肿瘤免疫功能障碍和排斥评分低于高风险组（P <0.05）。诺莫图预测的结肠癌患者1、3年总生存期与实际总生存期非常接近。结结论 氧化应激相关的9个基因是结肠癌预后标...     

基于肺腺癌组织中可变剪接数据构建剪接因子-可变剪接调控网络的生物信息学分析

目的 利用生物信息学方法筛选与肺腺癌（LUAD）患者生存相关的可变剪接（AS）事件,构建剪接因子（SF）-AS调控网络,为LUAD患者的预后评价提供新思路。 方法 由癌症基因组图谱（TCGA）数据库中下载LUAD患者转录组数据和临床数据。从SF表达和RNA靶点（SpliceAid2）数据库中下载LUAD患者AS数据。对LUAD患者生存相关AS事件进行单因素Cox回归分析。采用LASSO回归分析和多因素Cox回归分析构建LUAD患者预后风险模型,基于该模型计算每种AS事件的风险评分,采用 Kaplan-Meier（K-M）生存分析和受试者工作特征曲线（ROC）评价模型的可靠性。通过Cox 回归分析风险模型、临床参数与LUAD患者独立预后的关系。采用Pearson检验对SF和与预后相关的AS事件进行相关性分析,并通过Cytoscape软件构建SF-AS互作网络。 结果 筛选获取与生存相关的AS事件43 948个,共7种类型,主要以外显子活跃（ES）事件和可变终止子（AT）事件为主。构建AS事件预后风险模型,基于该模型风险评分将LUAD患者分为高风险组和低风险组,K-M生存分析,高风险组LUAD患者总生存（OS）率较低风险组低（P<0.05）。ROC曲线分析,LUAD患者预后风险模型预测性良好,曲线下面积（AUC）为0.824。SF-AS调控网络,12个与预后相关SFs正向或负向调节AS事件,可预测LUAD患者的不良预后。 结论 筛选了与LUAD患者预后相关的AS事件和上游的调控因子SF,构建了SF-AS网络,为进一步研究AS事件与LUAD患者预后的相关性提供理论依据。     

基于TCGA数据库预测结肠癌预后基因及其临床应用价值

目的 利用生物分析学方法对癌症基因组图谱(TCGA)数据库的结肠癌数据进行挖掘分析,筛选预后基因,识别结肠癌患者死亡的高低风险,并预测其预后.方法 访问TCGA并下载结肠癌患者RNA表达数据和临床信息.通过单因素Cox和多因素Cox回归分析,构建比例风险回归模型并形成风险评分公式.根据风险评分中位值将患者分为高风险组和...