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。     

结肠癌坏死性凋亡相关LncRNA预后模型的建立与评估

目的 构建并评估结肠癌坏死性凋亡相关长链非编码RNA(LncRNA)预后预测模型。方法 从美国癌症基因组图谱(TCGA)数据库中获取结肠癌患者转录组数据和临床数据，从京都基因和基因组百科全书(KEGG)数据库获取坏死性凋亡相关基因，使用R软件采用共表达分析得到坏死性凋亡相关LncRNA。采用Kaplan-Meier分析、单因素、多因素Cox回归分析筛选可作为结肠癌独立预后因素的坏死性凋亡相关LncRNA并构建预后模型。采用受试者工作特征曲线(ROC)评价该模型的灵敏性和特异性，为进一步验证该模型并拓展其临床应用，将9-LncRNA结合临床性状构建临床列线图并绘制校准曲线。结果 共识别9种坏死性凋亡相关LncRNA,包括AC010973.2、LINC01011、AC027307.2、CD27-AS1、LINC02474、AC044802.2、LBX2-AS1、TNFRSF10A-AS1、B4GALT1-AS1,成功构建了坏死性凋亡相关9-LncRNA预后模型，并将患者分为高风险组和低风险组，Kaplan-Meier分析显示高风险组患者总生存期短于低风险组患者(P<0.001)。绘制...     

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。     

铜死亡相关lncRNA预测三阴性乳腺癌患者预后及与肿瘤免疫微环境的关系

目的明确铜死亡相关长链非编码RNA（lncRNA）在三阴性乳腺癌（TNBC）中的预后价值及与肿瘤免疫微环境的关系。方法收集肿瘤基因组图谱（TCGA）数据库中收录的TNBC患者临床信息和转录组测序数据,利用共表达分析筛选铜死亡相关lncRNA,通过Cox回归分析构建预后模型。基于所构建的预后模型,将TNBC患者分为不同风险分组,利用功能富集、免疫浸润分析,评估不同分组患者的肿瘤免疫微环境状态。结果TCGA中筛选到TNBC铜死亡相关lncRNA111个,Cox回归分析建立由MELTF-AS1、APTR、DHRS4-AS1、LINC02188和URB1-AS1等5个铜死亡相关lncRNA组成的TNBC预后模型。低风险组患者生存时间明显长于高风险组（P＜0.05）。高风险组患者肿瘤组织中免疫抑制性细胞浸润增加。结论基于铜死亡相关lncRNA所建立的预后模型可有效预测TNBC患者预后及评估肿瘤免疫微环境。     

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...     

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。     

基于转录组学膀胱癌临床预后模型的构建

目的：筛选膀胱癌预后相关基因,建立膀胱癌预后评分模型。方法：通过UCSC Xena平台下载癌症基因组图谱（TCGA）数据库、基因型和基因表达量关联数据库（GTEx）中406例膀胱癌患者的临床信息和膀胱癌组织RNA测序数据,以及28名健康对照者正常膀胱组织RNA测序数据。采用加权基因共表达网络分析（WGCNA）、单因素Cox回归分析、LASSO回归分析和多因素Cox回归分析筛选膀胱癌预后相关基因并建立预后模型,结合Kaplan-Meier生存曲线、受试者操作特征曲线（ROC曲线）验证模型的准确性。结果：分析得到膀胱癌相关差异表达基因共2308个。WGCNA拟合得到6个基因模块,筛选出对膀胱癌预后有显著作用的基因829个。运用单因素Cox回归与LASSO回归分析筛选出24个与膀胱癌患者预后相关的基因,多因素Cox回归分析训练集数据得到9个作为独立预测因子的基因,分别是ADCY9、MAFG_DT、EMP1、CAST、PCOLCE2、LTBP1、CSPG4、NXPH4、SLC1A6,以此建立膀胱癌患者预后预测模型。训练集中高风险组和低风险组3年存活率分别为31.814%和59.821%,测试集中高风险组和低风险组3年存活率分别为32.745%和68.932%,模型预测训练集和测试集患者预后的ROC曲线下面积均在0.7以上。结论：本研究建立的模型对膀胱癌高风险和低风险人群的生存情况具有较好的预测能力。     

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。     

利用数据库信息构建乳腺癌免疫关联lncRNAs风险评估模型

目的 筛选乳腺癌中免疫关联长链非编码RNA(lncRNA),并构建乳腺癌预后风险评估模型,探索预后相关因素。 方法 从UCSC Xena(https://xena.ucsc.edu/)、TCGA、immport(https://www.immport.org/home)官网分别下载乳腺癌患者的测序数据、临床信息以及免疫基因集,并将这些数据进行整理和清洗,最终得到乳腺癌免疫关联lncRNA表达矩阵及临床信息。利用单因素Cox和多因素Cox回归分析筛选出与预后相关的免疫关联 lncRNA,用于构建预后风险评分。根据风险评分的中位数,将患者分为高风险组和低风险组,利用Kaplan-Meier(K-M)生存分析、受试者工作特征曲线(ROC)分析及独立预后因素评估对模型进行评价,并将此模型联合其他临床因素构建列线图,对乳腺癌患者进行生存率预测。 结果 最终确定10个免疫关联 lncRNAs 用来构建风险评分模型;高风险组较低风险组预后差;风险评分可作为乳腺癌患者的独立预后因素;列线图的C指数(CI)为0.751,校准图显示预测值与实际观测值一致性较好。 结论 由10个免疫关联lncRNAs 组成的风险评分模型可用于评估乳腺癌患者的预后,由此建立的列线图可进一步预测乳腺癌患者的生存率。     

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。     

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。     

基于生物信息学分析构建肺腺癌蛋白质预后模型

目的: 通过生物信息学分析构建肺腺癌蛋白质预后模型。方法: 从癌症蛋白质组图谱和肿瘤基因组图谱数据库分别获取肺腺癌的蛋白质数据和相应的临床数据,通过单因素 Cox 回归分析和逐步回归分析筛选与肺腺癌预后相关的蛋白质,建立预后风险模型;使用多因素 Cox 回归对其进行预后风险评分分析,计算曲线下面积(AUC)评价模型的稳健性和准确性。结果: 筛选出3个与生存显著相关的蛋白质用于预后模型的构建;预后模型风险评分与预后显著相关(P＜0.001),可作为评估患者预后的独立风险因子;预后模型AUC=0.710,说明模型具有稳定的特异性和灵敏度。结论: 该预后模型能准确预测肺腺癌患者的总体生存率,有助于临床早期识别预后不良的肺腺癌患者并对其进行早期干预治疗,对提高肺腺癌的生存率具有重要意义。此外,筛选出3个促进肺腺癌进展的风险蛋白有望成为肺腺癌治疗的新靶点。     

基于铁死亡基因的乳腺癌预后模型构建

目的 通过癌症基因组图谱(TCGA)数据库挖掘与乳腺癌预后相关的铁死亡基因,构建乳腺癌预后模型.方法 下载TCGA数据库中转录组与临床数据,获取与预后相关的在乳腺癌组织与癌旁正常组织中存在差异表达的铁死亡基因,利用最小绝对收缩和选择算子(LASSO)回归法构建风险评分模型.将TCGA数据库中获取的患者信息作为模型测试集...     

Novel Long Non-coding RNA Markers for Prognostic Prediction of Patients with Bladder Cancer

Objective To explore novel long non-coding RNA (lncRNA) molecular markers related to bladder cancer prognosis and to construct a prognostic prediction model for bladder cancer patients.Methods LncRNA expression data of patients with bladder cancer were downloaded from TCGA database. Univariate Cox regression and likelihood-based survival analysis were used to discover prognosis related lncRNAs. Functional studies of prognosis related lncRNAs were conducted by co-expression analysis and pathway enrichment analysis. Multivariate Cox regression analysis was used to establish risk score model, and Receiver Operating Characteristic analysis was used to determine the optimal cut-off point of the model. The risk score model was validated through Kaplan Meier estimation method and log-rank test.Results Seven prognosis related lncRNAs (OCIAD1-AS1, RP11-111J6.2, AC079354.3, RP11-553A21.3, RP11-598F7.3, CYP4F35P and RP11-113K21.4) which can predict survival of bladder cancer patient were discovered. Co-expression analysis and pathway analysis of these novel lncRNA signature and their target genes further revealed that these lncRNAs play important roles in the occurrence and development of bladder cancer. Additionally, a seven-lncRNA signature based risk score model for prognostic prediction of bladder cancer patients was established and validated. Notably, we identified the potential significance of two tumor-related antisense lncRNAs (OCIAD1-AS1 and RP11-553A21.3) in the prognosis of bladder cancer.Conclusion Our results suggest that these lncRNA markers may serve as potential prognosis predictors for bladder cancer and deserve further functional verification studies.     

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。     

进展期胃癌根治术患者预后危险因素分析

目的:探讨影响进展期胃癌患者根治术预后的相关危险因素。方法:回顾性分析675例进展期胃癌患者行根治术后的临床资料,采用Kaplan-Meier单因素分析法和Cox比例风险模型多因素方法分析。结果:全组术后1、3、5年累积复发率分别为27.7%、67.9%和84.4%,中位复发时间为31.7个月。其中局部复发占29.1%,腹膜复发占52.6%,血源性复发占18.3%。1、3、5年总体生存率分别为88.2%、54.5%和36.7%。单因素分析显示肿瘤Borrmann分型、浸润深度、淋巴结转移、组织学类型、TNM分期、切缘情况及是否接受辅助放化疗是影响患者预后的因素(P<0.05)。多因素分析表明组织学类型、TNM分期、切缘情况是影响进展期胃癌根治性切除术后预后的独立危险因素(P<0.05)。结论:组织学类型、TNM分期、切缘情况是进展期胃癌根治性切除术后影响生存的独立危险因素;D2根治性切除进展期胃癌结合辅助性放化疗可进一步改善患者预后。