基于TCGA数据库和GEO数据库分析SERPINE1在胃癌中的表达和预后影响

目的 分析SERPINE1在胃癌组织中的表达及其临床意义。方法 通过检索肿瘤免疫评估资源(TIMER)数据库,了解SERPINE1在33种癌症组织中的表达情况。通过检索癌症基因组图谱(TCGA)数据库,下载375例胃癌组织和32例癌旁组织的RNA-Sep数据和临床信息,通过检索基因综合表达(GEO)数据库GSE54129数据集下载了111例胃癌组织和21例癌旁组织的基因表达谱芯片,分别将TCGA和GSE54129数据集中的SERPINE1进行癌组织和癌旁组织的表达差异分析,COX分析TCGA数据集中临床基线资料和SERPINE1 mRNA表达水平对胃癌患者预后的影响。绘制Kaplan-Meier生存曲线和受试者工作特征曲线(ROC)分析SERPINE1 mRNA表达与预后的关系。通过基因富集分析(GSEA)挖掘并预测SERPINE1参与的通路。结果 TIMER数据库分析表明,SERPINE1在8种癌组织中明显高表达(P<0.05)。TCGA数据集、GSE54129数据集分析表明,在胃癌组织中SERPINE1表达高于癌旁组织(P<0.001)。多因素COX分析表明,病理Sta...     

基于长链非编码RNA数据构建肺腺癌预后风险评估模型

目的 肺腺癌(lung adenocarcinoma,LUAD)预后相关长链非编码RNA(long non-coding RNA,lncRNA)标志物的筛选及预后风险模型的构建.方法 下载癌症基因组图谱(the cancer genome atlas,TCGA)数据库中LUAD患者的lncRNA表达数据和相关临床数据,随后将肿瘤样本和正常样本的lncRNA表达数据进行差异分析,并将差异lncRNA与临床信息合并,进行单因素和多因素Cox回归分析,筛选出与LUAD预后相关的lncRNA,构建预后风险模型.并运用Kaplan-Meier生存分析和受试者工作特征(receiver operating characteristic,ROC)曲线评估模型的预后价值.结果 肿瘤样本与正常样本相比,差异表达的lncRNA有727个,其中277个上调,450个下调.单因素和多因素Cox回归分析,筛选出的8个lncRNA作为预测LUAD预后的生物标志物,以上特征的预后价值良好且与其他临床因素无关.结论 筛选出的8个lncRNA可以作为预测LUAD患者生存的独立预后生物标志物.     

RAD54L在肝细胞癌中的表达及临床意义

目的 探讨RAD54L基因在肝细胞癌(HCC)中的诊断及预后价值.方法 基于癌症基因组图谱(TCGA)的HCC数据,分析RAD54L对HCC的诊断价值以及与临床特征的关系.采用生存分析、单因素Cox回归、多因素Cox回归分析RAD54L在HCC患者中的预后价值.利用TIMER数据库分析RAD54L与免疫浸润细胞丰度的关...     

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...     

利用上皮源性卵巢癌预后的多基因信息建立预测预后模型

目的 通过基因表达谱汇编(GEO)数据库和癌症基因组图谱(TCGA)数据库筛选并建立与上皮源性卵巢癌(EOC)患者预后有关联的多基因模型,并验证其预后价值。 方法 从GEO数据库中下载EOC有关芯片数据(GSE14407),筛选出在EOC组织和正常卵巢上皮组织中差异表达的基因(DEGs),采用单因素和多因素Cox回归模型筛选出与预后有关联的DEGs,建立多基因预后模型和预后指数(PI)公式。对TCGA数据库中EOC患者的mRNA数据及临床信息进行整理,通过PI公式对患者进行评分,并根据评分将患者分为低风险组和高风险组。通过Cox回归风险模型分析临床病理参数(年龄、发病位置、组织分级、肿瘤残余及FIGO分期)和预后指数参数与EOC预后的关系。根据年龄、发病位置、组织分级、肿瘤残余及FIGO分期进行分组,采用Kaplan-Meier(K-M)生存分析验证多基因模型对卵巢癌的预后价值。 结果 共筛选出47个在EOC组织和正常卵巢组织中的DEGs,其中有37个表达下调的DEGs和10个表达上调的DEGs。将上述DEGs进行单因素和多因素Cox回归分析,共筛选出4个DEGs,分别是PACSIN3、KCNT1、LAMP3及KIR3DX1。PI公式:(-0.169×PACSIN3的表达量+0.078×KCNT1的表达量-0.246×LAMP3的表达量-0.147×KIR3DX1的表达量)。Cox回归模型分析证实,年龄、肿瘤残余和预后模型是卵巢癌患者的独立预后因素(P<0.01)。通过K-M生存分析证实,在TCGA数据库的312例EOC患者中,预后评分低风险的患者总体生存期(OS)较高风险患者延长,差异有统计学意义(P<0.05)。在不同的年龄、临床分期、发病位置(单侧和双侧)、肿瘤残余<10 mm的EOC患者亚组中,预后评分低风险的患者OS较高风险患者延长,差异有统计学意义(P<0.05)。 结论 四基因预后模型是EOC患者的独立预后因素,并在总体和根据各临床病理特征分组的EOC患者亚组中得到了验证。     

PLXNA1在肝癌中高表达并影响患者的生存预后及其免疫微环境

目的 筛选在肝细胞癌（HCC）中高表达的免疫相关基因,研究PLXNA1在HCC中的表达差异及其对生物学功能、临床意义和免疫微环境产生的影响。方法 利用TCGA数据库和ImmPort网站分析得到在HCC中高表达的免疫相关基因集。利用单变量COX回归和GEPIA、Kaplan-Meier Plotter网站对其进行分析得到了7个与生存预后相关的基因。通过GEO数据库验证PLXNA1在HCC中的表达情况。基于TCGA数据库,采用Kaplan-Meier、timeROC曲线分析PLXNA1的表达对HCC患者生存预后的影响,通过TIMER网站、CIBERSORT、ssGSEA方法分析PLXNA1的表达与免疫细胞浸润之间的关系。通过IHC实验研究PLXNA1在HCC与癌旁中的表达情况及其对患者生存预后的影响。通过qRT-PCR实验检验其在HCC细胞中的表达情况。利用CCK-8、transwell实验检测si-NC、si-PLXNA1-1、si-PLXNA1-2组中SMMC-7721细胞的增殖、迁移能力。结果 在GSE64041数据集中,PLXNA1在HCC中高表达（P<0.001）。TCGA...     

恶性黑色素瘤泛素化相关基因预后风险模型的构建

目的：基于癌症基因图谱(TCGA)数据库构建预测恶性黑色素瘤患者预后的泛素化相关基因的风险模型,并对模型的预测效能进行验证。方法：从TCGA数据库和基因型-组织表达(GTEx)数据库中下载恶性黑色素瘤样本及正常组织的基因表达信息和临床数据。通过基因集合富集分析(GESA)、单因素及多因素Cox回归分析筛选出与预后相关的差异表达泛素化基因,并以此构建预测恶性黑色素瘤患者预后的风险模型。结果：筛选出9个显著差异表达的泛素化相关基因(KCTD7、KLHL2、NCCRP1、PSME1、RNF114、SKP2、SPSB1、SYVN1、UCHL3)用于模型构建。Kaplan-Meier分析结果提示高风险组的结局较低风险组更差(P<0.001),风险模型在预测1年、3年和5年总体生存率的ROC曲线下面积(AUC)值分别为0.775、0.743和0.785。多因素Cox回归分析表明风险评分是恶性黑色素瘤患者预后的独立预测因子(P<0.001)。结论：本研究发现由这9个泛素化相关基因构建的风险模型可以准确地预测恶性黑色素瘤患者的预后,这些基因有可能作为黑色素瘤新的生物标志物或治疗靶点。     

基于肿瘤干性相关基因的肾癌预后模型构建

目的 通过挖掘基因表达汇编(GEO)数据库中肾癌干细胞芯片数据,寻找肾癌细胞干性标志物,并联合癌症基因组图谱(TCGA)数据库中的肾癌临床及转录组数据构建一种评估肾癌预后的模型.方法 从GEO数据库GSE48550数据集中下载芯片数据,筛选肾癌干细胞和正常肾小管上皮细胞之间的差异表达基因,通过基因本体(GO)和基因集富集分析进行功能及通路分析,通过蛋白质-蛋白质相互作用(PPI)网络构建确定肾癌干细胞核心基因.从TCGA数据库下载肾癌患者年龄、临床分期、预后情况及相关基因的表达水平,通过单因素及多因素Cox回归分析筛选肾癌预后的独立危险因素,构建预测肾癌患者总生存期的列线图模型.结果 通过分析肾癌干细胞和正常肾小管上皮细胞的芯片数据,发现差异表达基因富集在细胞趋化、细胞外基质形成及受体配体活性等模块,炎症反应通路、P53通路及TNF-α/NF-κB通路在肾癌干细胞中显著激活.单因素及多因素Cox回归分析结果表明,年龄、临床分期为肾癌预后的独立危险因素,趋化因子家族中的C-X3-C基序趋化因子配体1(CX3CL1)是肾癌预后的独立保护因素.通过评估模型区分度,发现基于年龄、临床分期及CX3CL1表达水平的风险模型可准确预测肾癌患者总体生存率,其中C指数为达到0.803.结论 通过GEO和TCGA数据库联合分析筛选肾癌干性相关基因,构建了一种联合患者年龄、临床分期及CX3CL1表达水平的新模型,新模型可用于评估肾癌患者预后.     

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。     

基于HER-2相关基因构建风险模型用于膀胱癌生存预后评估

目的：探讨HER-2相关基因(the human epidermal growth factor receptor-2-related genes, HRGs)与膀胱癌生存预后的相关性，并基于HRGs构建一种膀胱癌患者生存预后的预测模型。方法：从癌症基因组图谱(the cancer genome atlas, TCGA)中下载膀胱肿瘤组织mRNA测序数据和临床数据，通过与分子签名数据库(the molecular signatures database, MSigDB)中HER-2相关的基因联合分析鉴定膀胱癌中的HRGs。利用单因素和多因素Cox回归分析进一步明确与膀胱癌生存相关的HRGs(P<0.05),并构建HRGs风险模型(HRGs risk score model, HRSM),根据风险评分取中位数将膀胱癌患者分成高风险组和低风险组。利用R语言对高风险和低风险组的患者进行生存分析，并对HRGs与临床特征的相关性进行分析。利用多因素Cox回归分析，验证影响膀胱癌患者预后的独立因素。计算HRSM的受试者工作特征曲线(receiver operating characteris...     

基于基因组学数据分析构建肾上腺皮质癌预后模型

目的 通过对基因组学数据进行分析,筛选肾上腺皮质癌(ACC)预后相关独立危险因素,并构建ACC预后相关的列线图模型.方法 从GEO数据库下载GSE10927数据集数据,利用一系列生物信息学方法,对GSE10927数据集进行处理、分析,并筛选差异基因.通过单因素与多因素的Cox回归分析,筛选与ACC患者预后相关的独立危险因素.使用GEPIA在线分析工具及TCGA数据库数据对上述发现的独立危险因素进行验证.最后,通过R软件构建和验证ACC预后相关列线图模型.结果 从GSE10927数据集中获得12个仅在ACC患者中明显差异表达的基因.经过单因素与多因素的Cox回归分析表明,CDK1、PBK、KIAA0101和PRC1可作为ACC患者的预后相关独立危险因素.经过GEPIA在线分析工具及TCGA数据库数据的验证,再次证实CDK1、PBK、KIAA0101和PRC1可作为ACC患者的预后相关独立危险因素.利用上述独立危险因素构建列线图模型,该模型对ACC患者1、3、5年生存率预测性能的AUC值分别为[0.83,95％CI(0.68～0.99)]、[0.89,95％CI(0.82～0.96)]、[0.81,95％CI(0.69～0.92)].结论 CDK1、PBK、KIAA0101和PRC1基因是ACC患者预后相关的独立危险因素,同时有望成为ACC靶向治疗的新靶标.本研究基于基因组学数据分析所构建的列线图模型,可有效预测ACC患者1、3、5年的生存状况.     

结合生物信息学分析建立前列腺癌预后风险预测模型

目的 基于公共数据库构建前列腺癌的预后风险预测模型。方法 下载TCGA数据库中前列腺癌相关数据及GEO数据库的GSE104131数据集，对GSE104131测序数据进行加权基因共表达网络分析，得到关联前列腺癌(PCa)组织最高的关键模块，并与TCGA测序数据取交集，获得交集基因表达矩阵，进而对其表达量进行差异比较，最后对差异基因进行单因素和多因素cox回归分析，构建前列腺癌的预后风险预测模型，并对模型进行验证。结果 加权基因共表达网络分析(WGCNA)分析获得棕色模块为关键模块，差异表达基因共有200个，单因素cox回归分析获得16个与总生存率高度相关的潜在基因，多因素cox回归分析获得4个与PCa患者预后相关的基因，且构建了一个四基因风险预测模型。结论 本研究构建的模型对前列腺癌高低风险人群有较好的生存预测能力，为PCa预后风险的研究提供了基础，可为PCa的治疗提供新的方向。     

基于长链非编码RNA的生物信息学分析构建膀胱癌预后模型并确定预后生物标志物

目的:构建基于长链非编码RNA(long non-coding RNA,lncRNA)的膀胱癌预后模型,并寻找预后生物标志物。方法:从癌症基因组图谱(The Cancer Genome Atlas,TCGA)数据库下载膀胱癌转录组及临床数据,Perl软件和R软件用于数据处理和分析。首先筛选差异表达lncRNA,继而对筛选结果进行单因素Cox回归分析以初步筛选与预后相关的lncRNA,再进一步用Lasso回归分析筛选影响预后的关键lncRNA,并运用多因素Cox回归分析构建预后模型。根据风险评分的中位数将患者分为高风险组和低风险组,运用Kaplan-Meier(K-M)生存分析、受试者接受特征(receiver operating characteristic,ROC)曲线和C指数对模型进行评价。此外,运用多因素Cox回归分析计算预后模型中各lncRNA的危险比和95%置信区间,并对差异有统计学意义的lncRNA进行K-M生存分析以确定预后生物标志物。结果:单因素Cox回归分析显示,在691个差异表达的lncRNA中, 35个可能与预后相关,其中23个经Lasso回归分析确认为影响预后的关键lncRNA。此外,K-M生存分析结果显示低风险组的总生存时间较高风险组长[(2.85±2.72)年vs. (1.58±1.51)年, P<0.001], ROC曲线显示3年生存率和5年生存率的曲线下面积分别为0.813和0.778,C指数为0.73。多因素Cox回归表明,23个关键lncRNA中有11个lncRNA差异有统计学意义,进一步的K-M生存分析表明,其中有3个lncRNA可能具有独立的预后价值,包括lncRNA AL589765.1(P = 0.004), AC023824.1(P = 0.022)和PKN2-AS1(P = 0.016)。结论:通过生物信息学分析,成功构建了基于23个lncRNA表达水平的膀胱癌预后模型,预测准确性中等,并确定了一个保护性预后生物标志物AL589765.1,以及两个不利的预后生物标志物AC023824.1和PKN2-AS1。     

基于数据库构建乳腺癌焦亡相关基因的预后风险模型

目的 探究焦亡相关差异表达基因(DEGs)在乳腺癌中预后价值并构建预后风险模型。 方法 从癌症基因组图谱(TCGA)和肿瘤基因表达数据库(GEO)官网下载乳腺癌的基因测序、临床数据,筛选焦亡相关DEGs。将乳腺癌患者进行聚类分析。在TCGA队列中以最小绝对收缩和选择算子(LASSO)方法建立模型。利用Kaplan-Meier生存曲线、受试者工作特征曲线(ROC)、单因素及多因素Cox回归独立预后因素分析等评价该模型。GEO队列为验证集。通过GO、KEGG、ssGSEA分析风险DEGs的富集情况。 结果 筛选出焦亡相关DEGs,聚类分析可见C2组总生存期(OS)延长,差异有统计学意义(P=0.020)。该模型K-M生存分析显示,高风险组OS缩短(TCGA队列中P<0.001,GEO队列中P=0.018)。ROC曲线下面积(AUC)表明该模型具有一定预测能力。单因素、多因素Cox回归分析表明,年龄、M、N分期和风险评分为OS的独立预测因子。GO、 KEGG富集与ssGSEA分析证实了风险相关DEGs与免疫炎症因子和通路有关。 结论 本研究构建了由9个焦亡相关基因组成的乳腺癌预后风险模型,为乳腺癌患者的风险预后评估提供了参考。     

基于脂质代谢基因构建胃癌预后预测模型

目的 基于胃癌脂质代谢相关基因建立预后风险模型，评价预后风险模型与免疫浸润的关系，为胃癌预后预测提供数据支持。方法 从癌症基因组图谱(TCGA)和GEO数据库中筛选与胃癌预后相关的脂质代谢基因。使用LASSO回归和多因素Cox回归分析构建预后风险模型。使用Kaplan-Meier分析和ROC曲线分析验证预后风险模型的预测效能。xCell分析用于识别高低风险组的免疫状态。构建整合风险模型和临床特征的诺模图。qRT-PCR验证OSBPL1A和MOGAT1在胃癌组织中的表达水平。结果 筛选得到胃癌脂质代谢相关预后基因OSBPL1A和MOGAT1并构建预后风险模型，根据风险评分中位数将胃癌患者分为高风险组与低风险组。低风险组患者的总体生存率显著优于高风险组患者(TCGA-STAD和GSE62254,P均<0.05)。时间依赖性ROC分析表明构建的风险模型1年、3年和5年总生存率的AUC值分别为0.65、0.68、0.70和0.55、0.60、0.60(TCGA-STAD和GSE62254)。xCell分析结果显示与高风险组相比，低风险组的免疫细胞表达量显著增高(P<0.05)。整合...     

DNAJC7高表达对肝细胞癌患者预后的影响

目的 探讨DNAJC7在肝细胞癌(HCC)中的表达水平及其对患者预后的影响。方法 从癌症基因组图谱(TCGA)获取HCC患者的基因表达数据及临床资料。采用Kaplan-Meier生存曲线、单因素分析、多因素Cox回归分析探究DNAJC7与HCC患者预后之间的关系,绘制受试者工作特征(ROC)曲线。通过GO和KEGG基因富集分析了解DNAJC7在HCC生物学进展中可能参与的信号通路。结果 DNAJC7在HCC组织中表达上调。Kaplan-Meier生存曲线表明DNAJC7高表达与HCC患者预后相关。单因素和多因素分析表明DNAJC7可作为HCC患者预后独立风险因素。GO和KEGG分析发现DNAJC7看能通过细胞黏附、RNA剪接、钙黏蛋白结合等相关信号通路参与HCC恶性进展。结论 DNAJC7高表达与HCC患者的不良预后相关,可成为HCC的预后标志物和治疗靶点。     

胃癌miRNAs预后风险评分模型的构建与应用

目的 筛选与胃癌预后存在关联性的微小RNAs(miRNAs)生物标志物,构建风险评分模型用于患者预后评估。 方法 基于人类癌症和肿瘤基因图谱(TCGA)数据库下载胃癌miRNAs表达谱数据及样本相关临床信息,通过“DESeq2”软件包对miRNAs表达谱进行差异分析。采用单因素Cox回归分析和Kaplan-Meier生存分析筛选与预后存在关联性的miRNAs,并将预后miRNAs纳入多因素Cox回归分析用于预后风险评分模型的构建。通过“timeROC”软件包绘制受试者工作特征曲线(ROC),对模型效能进行评价。最后通过在线数据库对miRNAs可能结合的信使RNAs(mRNAs)进行预测,并通过基因本体(GO)、京都基因与基因组百科全书(KEGG)预测其功能。 结果 以log₂ | Fold Change |>1,P<0.05为标准,筛选得到248个胃癌组织中差异表达的miRNAs。通过单因素Cox回归分析及Kaplan-Meier生存分析筛选到6个与患者总体生存率有关联性的差异表达的miRNAs,随后使用多因素Cox回归分析成功构建胃癌miRNAs预后风险评分模型,风险评分=0.048 35×miR-181b-1 +0.112 06×miR-548d-1+0.068 00×miR-675+0.075 87×miR-708+1.175 21×miR-4640+0.089 89×miR-4709。Kaplan-Meier生存曲线结果显示,风险评分高的患者预后较差(P<0.001);模型5年总体生存率ROC曲线下面积(AUC)为0.776,证明该模型能够有效预测胃癌患者预后风险。GO和KEGG功能分析结果显示,模型miRNAs分子参与多个肿瘤相关代谢通路。 结论 成功构建了miRNAs预后风险评分模型,且该模型对胃癌患者生存状态具有良好的预测效能。     

KIF18A在肺腺癌中的诊断和预测价值

目的研究KIF18A在肺腺癌中的诊断和预测价值。方法通过对癌症基因组图谱(TCGA)数据库和郑州大学第一附属医院临床标本的分析,探讨KIF18A表达在预测肺腺癌患者预后中的作用。采用Kaplan-Meier分析研究KIF18A的表达水平与肺腺癌患者的生存时间之间的关系。采用多变量Cox回归模型研究KIF18A的表达水平能否独立判断肺腺癌患者的预后。结果通过对TCGA数据库的分析和临床组织标本的检验显示,KIF18A在肺腺癌中的表达量比在正常肺组织中高。Log-rank生存分析显示,KIF18A表达量高的患者总体存活率较低。KIF18A的高表达与患者的性别、临床分期、肿瘤分期和远处转移相关。多变量Cox回归模型分析显示,KIF18A的表达水平是肺腺癌患者总体生存状态的独立预测因子。结论 KIF18A在人肺腺癌中高表达,并且其表达水平是肺腺癌患者总体生存状态的独立预测因子。     

利用生物信息学鉴定影响卵巢癌预后的TGF-β信号通路相关基因

目的 探讨转化生长因子(TGF-β)信号通路相关基因在卵巢癌中的预后价值。方法 下载癌症基因组图谱(TCGA)和基因表达集锦(GEO)数据库中的卵巢癌患者转录组测序数据，利用TGF-β信号通路相关基因的表达将卵巢癌患者分组。通过差异表达分析和单因素Cox回归分析鉴定影响卵巢癌预后的TGF-β信号通路相关基因。计算预后基因评分，比较高、低评分组中卵巢癌患者的生存情况，利用多因素Cox回归分析卵巢癌的独立预后因素。结果 一致性聚类分析结果表明，根据TGF-β信号通路相关基因可将卵巢癌患者分为两组，两组患者的免疫微环境有差异。差异表达分析和单因素Cox回归分析结果表明GMPR、PIEZO1、EMP1、CXCL13、GADD45B、SORCS2、FOSL2、PODN、LYNX1和SLC38A5是卵巢癌的预后基因，且预后评分是卵巢癌的独立预后因素。结论 TGF-β信号通路相关基因可将卵巢癌患者划分为不同的免疫亚型，并可作为卵巢癌的预后标志物。