7-lncRNA风险评估模型在胰腺癌预后判断中的价值

目的 :筛选胰腺癌预后相关长链非编码RNA(lncRNA),构建预后风险评估模型。方法 :下载TCGA数据库中胰腺癌数据,使用R语言分析差异表达的lncRNA分子。通过单因素Cox回归和Lasso回归分析胰腺癌预后相关lncRNA分子,采用多因素Cox回归构建预后风险评估模型,并应用Kaplan-Meier(K-M)生存分析、受试者操作特征(ROC)曲线进行效能评价。结果:以|log_2Fold Change|2,错误发现率(FDR)0.05为筛选标准,发现179个lncRNA分子在胰腺癌中呈差异表达,对其中高表达的117个lncRNA进行单因素Cox回归与Lasso回归分析,得到7个与预后相关的lncRNA。通过多因素Cox回归建立预后风险评分模型,风险评分=1.4231×AL161431.1+1.3457×ANLN+1.4731×FAM83A+1.4721×LAMA3+1.2198×LY6D+×1.1515×MYEOV+1.1825×TINAG。K-M分析显示高风险组的总生存时间较短,训练集、验证集和总体数据集ROC曲线显示3年生存率的曲线下面积分别为0.859、0.878和0.886。结论:通过生物信息学分析,成功构建了包括AL161431.1、ANLN、FAM83A、LAMA3、LY6D、MYEOV和TINAG的胰腺癌7-lncRNA预后模型,能够对患者生存状态进行有效预测。     

三阴性乳腺癌5基因预后风险评估体系

目的：构建适用于三阴性乳腺癌患者的预后评估体系。方法：从TCGA数据库下载三阴性乳腺癌患者的转录组及临床数据。通过R语言包对肿瘤组和正常组中的差异基因进行分析。采用单因素和多因素COX比例风险回归模型对差异基因进行分析，构建预后风险评分体系。ROC曲线用于评估预后风险评分体系的效果。运用GSEA对高风险组和低分险组的差异通路进行分析。结果：共得到三阴性乳腺癌组与癌旁组织中差异表达的m RNA 2249个。通过单因素COX比例风险回归模型得到9个与三阴性乳腺癌患者预后密切相关的基因。结合多因素COX比例风险回归模型得到风险评分，形成一个5基因的风险评估体系（风险评分=0.7305×SLC6A9+0.4763×TSTA3+0.6993×SDS+0.4001×SPTBN2+0.4820×SRPK3）。风险评分是三阴性乳腺癌患者独立的预后指标（HR=10.620,95%CI(2.922～38.595),P<0.001）。ROC结果显示5基因预后风险评估体系具有良好的评估效果（5年AUC=0.807）。GSEA发现多条糖代谢通路在高风险组中被激活。结论：我们构建的5基因预后风险评估体系是三...     

基于不同数据库来源数据的胃癌长链非编码RNA预后预测模型构建

背景与目的：长链非编码RNA（lncRNA）对于胃癌患者的预后判断有着非常显著的影响。本研究旨在通过生物信息学的方法,构建并验证能够准确评估胃癌患者预后的lncRNA预后预测模型。 方法：通过癌症基因组图谱（TCGA）数据库、基因型-组织表达数据库（GTEx）获取数据作为用于构建预后模型（建模组）,通过基因表达汇编数据库（GEO）获取数据用于验证（验证组）。采用R软件中的edgeR包筛选差异表达lncRNA;通过单因素和多因素Cox回归来构建预后模型并计算风险值;按照风险值的大小将患者分为高、低风险组,分析风险值与临床病理参数及预后的关系。用验证组样本对建模组的结果进行验证。 结果：共筛选出288个差异表达lncRNA,其中28个与胃癌预后有关（均P<0.05）。10种lncRNA生物标记物（MEG3、DNAJC9-AS1、ACTA2-AS1、C15orf54、LINC01210、OVAAL、POU6F2-AS2、ERICH3-AS1、LINC00326及LINC01526）被鉴定并用于构建预后模型。高风险组的总体生存率以及无病生存率均低于低风险组（均P<0.01）,ROC曲线证实该预测模型有一定的准确性（AUC=0.700）。单因素及多因素Cox回归分析显示风险值为独立的预后因子（均P<0.001）。风险值与胃癌T分期（P=0.031）、肿瘤分化程度（P=0.044）存在明显关系。在独立的验证组中,高风险组的总体生存率以及无病生存率同样明显低于低风险组,且示风险值依旧为独立的预后因子（均P<0.05）。 结论：所构建的10-lncRNA模型对于胃癌患者的预后生存判断有一定的价值,且筛选出的差异表达lncRNA为胃癌分子机制的深入研究提供了依据。     

基于TCGA数据库胆管癌自噬-临床预后模型的构建和评估

目的 探讨自噬相关基因（autophagy-related genes,ATGs）在临床预后方面的价值,并构建自噬基因的预后风险模型,评估胆管癌（cholangiocarcinoma,CCA）患者的生存及预后状况。方法 在癌症基因组图谱数据库（TCGA）中下载CCA的转录组数据和临床数据,从人类自噬数据库（HADb）中提取自噬相关基因,筛选出CCA样本中差异表达的自噬相关基因（DEATGs）;GO富集分析与KEGG通路分析进一步阐明DEATGs在CCA中的作用;通过Cox回归分析构建自噬预后风险评分模型,并运用生存分析、风险曲线、ROC曲线及独立预后分析验证预后模型的准确性。结果 CCA组织样本和非肿瘤组织样本一共筛选出49 个DEATGs（上调的基因48 个,下调的基因1 个）;通过单因素Cox回归分析及多因素Cox回归分析筛选出5个最有预后价值的基因（RHEB、PPP1R15A、ATG101、BNIP3、NRG1）,并基于这5个基因构建自噬预后风险评分模型,模型公式为：风险值=NRG1表达量×1.1207+BNIP3表达量×1.4002+ATG101表达量×1.3457-PPP1R15A表达量×1.1613-RHEB表达量×1.3279。生存分析表明低风险组的生存率要显著高于高风险组,风险曲线表明患者风险值与生存时间及生存状态显著相关,ROC曲线提示自噬预后模型具有良好的准确性,是一个独立的预后因素（HR 1.427,95%CI 1.161～1.756,P＜0.001）。结论 5个自噬基因（RHEB、PPP1R15A、ATG101、BNIP3、NRG1）构建的自噬相关预后风险模型,可以有效预测CCA患者的预后情况。     

膀胱癌预后的mRNA分子标记和预测模型开发

目的:通过TCGA数据库挖掘膀胱癌预后相关的mRNA分子标记,和构建膀胱癌患者预后的预测模型。方法:从TCGA数据库中下载膀胱癌患者的mRNA表达谱数据,进行预处理和分组后,先在训练数据中通过单因素Cox回归分析和基于似然的生存分析等方法鉴定与膀胱癌预后生存率显著相关的mRNA分子,然后通过多变量Cox回归分析建立基于mRNA分子表达谱的膀胱癌预后风险评分模型,最后通过ROC分析确定患者分类风险水平的最佳分界点,并通过Kaplan-Meier估计法和log-rank检验在验证数据集和全部数据集中分别验证预后风险评分模型。结果:开发了首个基于mRNA分子标记的膀胱癌预后风险评分模型,发现将基于7个mRNA分子标记的膀胱癌风险评分模型应用于训练集或验证数据时,高风险评分患者与低风险评分患者的生存曲线均存在显著差异,进一步的功能研究这发现这7个mRNA分子在肿瘤发生、进展和预后中可能发挥着重要作用。结论:7个mRNA分子标记包括ZNF432、TNFRSF14、POLR3G、ZNF574、LIPT1、AGER和ZRSR2,基于这7个mRNA表达谱构建的风险评分模型可作为新型生物标记用于膀胱癌患者预后生存期预测。     

肾透明细胞癌中基于坏死性凋亡相关基因构建的预后预测模型

目的:通过生物信息学的方法寻找肾透明细胞癌与坏死性凋亡有关的风险基因,并构建由基因组成的预后预测模型。方法:下载肿瘤基因组图谱(TCGA)中肾透明细胞癌数据集,分析癌与癌旁组织差异表达基因,鉴定出21个坏死性凋亡相关基因。对TCGA数据集进行最小绝对收缩和选择算法(LASSO)、Cox单因素及多因素回归分析,构建风险模型。通过Kaplan-Meier(K-M)生存曲线、ROC曲线检验、评估模型预测的准确性,E-MTAB-1980作为外部数据集进行验证。结果:通过筛选构建一个基于6基因风险评分模型,风险评分=-0.107 5×IFNAR1+0.316 1×SHARPIN+0.423 5×RBCK1+0.535 3×TNFRSF1A-0.282 9×TICAM1-0.211 8×TKFC。根据TCGA训练队列的结果,低危亚组的总生存期优于高危亚组(P<0.001)。外部验证集评估模型5年AUC值为0.770。并且风险预测模型可作为独立预后因素评价患者预后。结论:基于坏死性凋亡相关基因构建的风险评分模型是一种很有临床前景的预测指标,可用于区分肾透明细胞癌患者的预后。     

膀胱尿路上皮癌自噬相关LncRNA预后风险模型的建立与分析

目的:本研究探讨自噬相关长非编码RNA(LncRNA)在膀胱尿路上皮癌(bladder urothelial carcinoma,BLCA)中的预后作用,并建立BLCA自噬相关LncRNA预后风险模型。方法:从TCGA数据库下载BLCA转录组数据和临床资料,从HADb数据库下载自噬基因列表,以Person相关性分析筛选BLCA自噬相关LncRNA,采用单因素Cox回归分析筛选具有预后意义的LncRNA,纳入多因素Cox回归分析和Kaplan-Meier法筛选具有独立预后的自噬相关LncRNA,并绘制生存曲线,同时在此基础上建立预后风险模型。计算患者的风险评分并将其分为低风险组和高风险组,比较两组患者的生存差异,采用ROC曲线评价模型的特异性和灵敏度,Cox回归分析风险评分与BLCA临床病理特征及预后的关系。结果:共筛选BLCA自噬相关LncRNA 377个(相关系数|r|0.5,P0.001),通过单因素和多因素Cox回归分析筛选出7个具有独立预后意义的自噬相关LncRNA建立预后风险模型,高风险组患者生存期显著低于低风险组患者,差异有统计学意义(P0.01),预测模型ROC曲线下面积AUC为0.704,预后模型的风险评分是BLCA的独立预测因子,风险评分与肿瘤分级、病理分期、淋巴结转移显著相关(P0.05)。结论:基于自噬相关LncRNA建立的预后风险模型对BLCA具有预后判断价值,有助于指导BLCA患者个体化治疗。     

基于TCGA数据库筛选膀胱尿路上皮癌预后分子标签

目的通过对癌症基因组图片(TCGA)数据库中转录组数据进行分析,筛选与膀胱尿路上皮癌相关的预后分子标签。方法提取TCGA数据库中膀胱尿路上皮癌患者的临床数据以及膀胱尿路上皮癌和癌旁组织中的转录组数据,采用LASSO-Cox回归分析筛选膀胱尿路上皮癌预后相关的mRNA,并构建膀胱尿路上皮癌的预后分子标签。结果首先筛选出膀胱尿路上皮癌和膀胱正常组织中差异表达基因8738个,经过单因素Cox分析得到2824个与膀胱尿路上皮癌预后相关的基因(P<0.05),选取P<0.0001的mRNA 225个,进一步采用LASSO-Cox回归分析筛选出11个与膀胱尿路上皮癌预后相关的基因,分别为TPSTI.ANXAl、LINC01138、AMIG02.,H00KI、AC005730.2、KANK4.,PEX5L、AL353572.1、CATSPER4、AL645939.1,最后联合这11个基因构建出膀胱尿路上皮癌的预后分子标签。利用分子标签基因构建的模型能将膀胱尿路上皮癌划分为高表达组和低表达组,绘制分子标签生存曲线及受试者工作特征(R0C)曲线,结果显示:分子标签表达水平与膀胱尿路上皮癌患者的预后有显著性关联,分子标签值越高,患者预后越差。结论通过对TCGA数据库的分析,发现TPSTI、ANXAI JLINC01138、AMI-G02、H0OK1、AC005730.2、KANK4、PEX5L、AL353572.1、CATSPER4、AL645939.1和AL645939.1对膀胱尿路上皮癌的预后有影响,且构建的分子标签表达水平与膀胱尿路上皮癌的预后有显著性关联。     

胃癌抗氧化相关lncRNAs预后风险评分模型的构建及生信分析

目的 ：探讨抗氧化相关长链非编码RNAs(lncRNAs)预后风险评分模型对胃癌患者预后的判断价值以及与免疫微环境的关系。方法：通过TCGA数据库下载胃癌转录组数据和临床信息。通过lnc RNAs和抗氧化基因的共表达分析得到抗氧化相关lncRNAs。使用单因素cox回归分析和lasso回归分析筛选并构建风险评分。采用Log-Rank检验比较两组间的生存差异。应用受试者工作特征（ROC）曲线评估预后风险模型对患者预后判断的特异性及敏感度。结合风险评分和临床参数构建列线图。TIMER2.0在线评估每个样本的免疫细胞浸润情况。TIDE网站在线分析每个样本对免疫治疗敏感性。结果：通过单因素cox回归分析和lasso回归分析构建了一个包括12个lncRNAs的风险评分。风险评分是患者预后的独立影响因素[HR=5.406(3.131～9.335),P<0.001]。风险评分与多种抑制性免疫细胞浸润呈正相关（M2型巨噬细胞、肿瘤相关成纤维细胞）。同时发现,高风险组存多种免疫检查点基因的异常表达,TIDE评分更高,提示高风险组对免疫治疗更敏感。结论：基于抗氧化相关lncRNAs风险评分和临床参数...     

一种新的预测乳腺癌患者预后的基底膜相关基因风险模型的构建和评估

目的:利用基底膜相关基因(BMRG)构建一个新的预后风险模型，以探索乳腺癌与基底膜之间的关系。方法:从癌症基因组图谱(TCGA)和基因表达综合数据库(GEO)中收集转录组和临床数据，将TCGA数据库作为训练集，GEO数据库作为验证集，应用单因素Cox回归、最小绝对收缩和选择算子(LASSO)和多因素Cox回归分析建立BMRG预后模型。通过Kaplan-Meier方法和受试者操作特征(ROC)曲线进一步验证和评估风险模型。然后结合风险模型和临床特征构建列线图来预测乳腺癌的总生存率。通过基因集富集分析(GSEA)研究其可能参与的生物学途径。同时使用Wilcoxon秩和检验评估高风险组和低风险组患者对药物的敏感性差异。结果:共鉴定了193个差异表达基因，并构建了基于8个BMRG的风险模型，包括 COL6A2、 CTSA、 EVA1B、 ITGAX、 MMP-1、 ROBO3、 SDC1和 UNC5A。Kaplan-Meier生存曲线和ROC曲线分析表明，该模型可以很好地预测乳腺癌的预后，曲线下面积为0.779，表明准确度也很高。此外，列线图也显示出了良好的预测一致性和临床净收益。单因素和多因素Cox回归分析验证了BMRG模型是乳腺癌的独立危险因素。GSEA显示高风险组主要富集在细胞外基质受体相互作用通路。此外，高风险患者对紫杉类化疗药物和靶向治疗药物的敏感性更高，而低风险患者对吉西他滨和雷帕霉素的敏感性更高。 结论:基于8种BMRG构建的风险模型可作为乳腺癌的有效预后指标，可以提高临床医师对患者治疗反应的预测。     

联合多数据库构建肝细胞癌自噬基因预后模型

目的构建自噬基因表达特征的肝细胞癌(hepatocellular carcinoma,HCC)患者预后的预测模型。方法从癌症基因组图谱(The Cancer Genome Atlas,TCGA)、基因型-组织表达研究项目(The Genotype-Tissue Expression,GTEx)数据库中分别得到所有HCC和正常肝细胞组织的基因转录表达数据,并将每个样本的基因转录表达数据统一转化为log2(FPKM值+1),消除数据库之间测试平台的数据差异。根据人类自噬基因库中获取的人类自噬基因列表筛选出TCGA-GTEx整合后序列中每个样本对应的自噬基因的表达量。采用R语言limma包以错误发现率(FDR)<0.05及差异倍数|logFC|>1为筛选标准,进行自噬基因差异表达分析。采用R语言clusterProfiler包对差异表达自噬基因以P<0.05为筛选标准,进行基因本体论(Gene Ontology,GO)富集分析及京都基因与基因组百科全书(Kyoto Encyclopedia of Genes and Genomes,KEGG)富集分析。根据自噬基因的差异表达量和患者的临床信息,采用R语言survival包进行单因素的Cox回归分析。进一步将单因素的Cox回归分析中有统计学意义(P<0.05)的自噬基因纳入到多因素Cox回归分析中,以每个差异表达的自噬基因表达量和相对应的回归系数coef值为基础,构建HCC的自噬基因预后模型:expmRNA1×βmRNA1+expmRNA2×βmRNA2+…+expmRNAn×βmRNAn(exp:基因表达量;β:多因素Cox回归分析的回归系数coef)。绘制预测模型的受试者工作特征(receiver operating characteristic,ROC)曲线并计算ROC曲线下面积(area under curve,AUC)评估模型预测价值。结果从TCGA-GTEx数据库中共得到HCC样本374例和正常肝组织样本160例的基因转录表达数据及临床信息。从整合后的样本序列中共筛选出205个自噬基因的表达数据,其中SPNS1、DIRAS3、TMEM74、NRG2、NRG1、IRGM、IKBKE、NKX2-3、BIRC5、CDKN2A、TP73为符合筛选标准的差异表达自噬基因。差异表达自噬基因GO主要富集在丝氨酸/苏氨酸蛋白激酶活性的调控、ErbB 2信号通路、蛋白激酶调节活性、激酶调节活性等功能。差异表达自噬基因主要富集在EGFR酪氨酸激酶抑制剂耐药、Hippo信号通路等KEGG通路。整合并删除生存信息缺失的样本后,共418例样本表达纳入到Cox回归分析中。通过单因素、多因素Cox风险回归分析后,筛选出NRG1(HR=1.5565,95%CI:1.1793~2.0543)、IKBKE(HR=1.7502,95%CI:1.2093~2.5330)这两个自噬基因并建立预后预测模型:(0.44247×NRG1的表达量)+(0.55977×IKBKE的表达量)。预测模型的ROC曲线显示7年总体生存的AUC为0.711。结论基于NRG1和IKBKE表达量构建的HCC预后模型,对HCC患者远期生存率有较高的预测价值。     

基于免疫相关基因标签的原发性肝癌预后评分系统的建立

背景与目的:原发性肝癌(HCC)是最常见的预后较差的恶性肿瘤之一,其病因与发病机制尚未完全明了,因此,寻找HCC患者可靠的预后指标与生存生物标志物具有重要的临床价值。本研究通过生物信息学方法筛选HCC预后免疫相关基因,并构建基于免疫相关基因标签的预后风险评分模型,为HCC患者的预后评估及个体化治疗的临床决策提供依据。方法:从TCGA数据库获取HCC患者的临床信息以及RNA-seq数据(377个HCC样本和50个相邻的非癌组织样本)。在Immport数据库中下载免疫相关基因资料,使用R语言的limma包在HCC组织中筛选出差异表达的免疫相关基因。利用单变量和多变量Cox比例风险回归模型鉴定出与HCC患者(377个HCC患者中临床资料完整的344例)总体生存率(OS)密切相关的免疫相关基因,并以此构建基于基因标签的预后风险评分模型,对HCC患者预后风险进行评分。同时从上述模型样本中随机抽取50%的病例(172例)为验证样本行内部验证。用Kaplan-Meier方法分析高风险分与低风险分患者的生存状态,用ROC曲线以及C-index分析评估该风险评分的准确性。最后,分析该风险评分与HCC临床病理特征的关系,并采用单因素和多因素Cox回归分析,确定该风险评分作为独立预后因素的有效性。结果:在HCC的癌和癌旁组织中鉴定出329个差异表达的免疫相关基因,其中24个与HCC的OS有关(均P<0.001)。使用前向和后向选择算法进行了多变量Cox比例风险回归分析确定PSMD14、S100A11、FABP6、RBP2、LCNL1、FCN2、NDRG1、CSPG5和NR6A1为OS的9个高风险基因。按此9基因标签预后风险评分模型划分,模型样本中高风险分HCC患者OS明显差于低风险分HCC患者(P=1.715E-08),内部验证样本中得到验证结果相同(P=2.222E-05)。模型样本风险评分模型的ROC下曲线面积(AUC)在1、3年时分别为0.790和0.733,内部验证样本分别为0.799和0.743,C-index分析结果显示,模型样本以及验证样本的C-index分别为0.715(95% CI=0.683~0.829)和0.756(95% CI=0.668~0.762)。HCC的肿瘤分级,病理分期,T分期和新肿瘤事件的发生与风险评分明显有关(均P<0.05)。单因素和多因素Cox分析显示,风险评分是HCC的独立预后因素(单因素:HR=1.057,95% CI=1.041~1.074,P<0.001;多因素:HR=1.050,95% CI=1.033~1.067,P<0.001)。结论:通过TCGA数据库挖掘,鉴定出9个与HCC患者预后密切相关的免疫相关基因,且构建了基于9基因标签的预后风险评分系统,该系统有助于临床医生判断HCC患者预后和制定个性化的治疗方案。     

Identification and validation of a prognostic immune-related lncRNA signature in bladder cancer

BackgroundRecently, researches have implied that immune-related lncRNAs (IR-lncRNAs) have a vital role in tumor occurrence and development. However, the study in bladder cancer (Bca) is still unclear. New biomarkers and reliable prognostic models for Bca are still limited. Here, we investigated the potential application value of immune-related lncRNAs in the prognostic evaluation of Bca patients.MethodsWe obtained clinical information and corresponding sequencing data from the The Cancer Genome Atlas (TCGA) database, and the cohort of Bca patients was divided into training and validation cohorts (ratio 7:3) randomly. An immune-related lncRNA co-expression network was constructed to identify immune-related lncRNAs. The candidate module intimately associated with overall survival (OS) was identified by using weighted gene co-expression network analysis (WGCNA). Univariate, multivariate Cox regression and LASSO analysis were performed to build the immune-related lncRNA signature. A prognostic model was further developed and its prognostic value was evaluated by Kaplan-Meier (KM) analysis. GSEA, KEGG analysis and GO annotation were used for functional annotation in this study.ResultsTotally, we identified 1,249 differentially expressed IR-lncRNAs were and six of which (AC005674.2, AC090948.1, TFAP2A-AS1, AL354919.2, AC011468.1 and AC018809.2) were finally selected in the gene signature. According to survival analysis, patients with high-risk scores were significantly related to poor survival outcomes. Furthermore, we established a novel gene signature demonstrated high prognostic value, and can be utilized as an independent risk factor (validation cohort: P<0.001, HR =3.832; training cohort: P<0.001, HR =2.843). Additionally, we built a nomogram on account of the clinicopathologic characteristics and gene signature to predict the survival probability of 1-, 3- and 5-year in Bca patients. The value of AUC curve of 1-, 3- and 5-year survival probability was 0.724, 0.777 and 0.77, severally. Furthermore, some enrichment pathways were identified by KEGG and GO analysis, and might be useful to display the potential mechanism for Bca.ConclusionsOur results indicated that the signature of six immune-related lncRNAs had an underlying value in the prognosis of Bca patients and might be helpful for the immunotherapy of Bca.     

肝细胞癌免疫相关lncRNA预后风险模型的建立与评估

背景与目的:肝细胞癌(HCC)目前是全球肿瘤死亡的主要原因之一,越来越多的证据表明,长非编码RNA (lncRNA)可以作为肿瘤预后的生物标志物.然而,lncRNA与HCC生存预后的关系仍未阐明.本研究筛选HCC预后免疫相关lncRNA,并构建预后风险模型.方法:从癌症基因组图谱(TCGA)中下载HCC转录组数据和临床...     

Nine-long non-coding ribonucleic acid signature can improve the survival prediction of colorectal cancer

BACKGROUNDInvestigating molecular biomarkers that accurately predict prognosis is of considerable clinical significance. Accumulating evidence suggests that long non-coding ribonucleic acids (lncRNAs) are frequently aberrantly expressed in colorectal cancer (CRC).AIMTo elucidate the prognostic function of multiple lncRNAs serving as biomarkers in CRC.METHODSWe performed lncRNA expression profiling using the lncRNA mining approach in large CRC cohorts from The Cancer Genome Atlas (TCGA) database. Receiver operating characteristic analysis was performed to identify the optimal cutoff point at which patients could be classified into the high-risk or low-risk groups. Based on the Cox coefficient of the individual lncRNAs, we identified a nine-lncRNA signature that was associated with the survival of CRC patients in the training set (n = 175). The prognostic value of this nine-lncRNA signature was validated in the testing set (n = 174) and TCGA set (n = 349). The prognostic models, consisting of these nine CRC-specific lncRNAs, performed well for risk stratification in the testing set and TCGA set. Time-dependent receiver operating characteristic analysis indicated that this predictive model had good performance.RESULTSMultivariate Cox regression and stratification analysis demonstrated that this nine-lncRNA signature was independent of other clinical features in predicting overall survival. Functional enrichment analysis of Kyoto Encyclopedia of Genes and Genomes pathways and Gene Ontology terms further indicated that these nine prognostic lncRNAs were closely associated with carcinogenesis-associated pathways and biological functions in CRC.CONCLUSIONA nine-lncRNA expression signature was identified and validated that could improve the prognosis prediction of CRC, thereby providing potential prognostic biomarkers and efficient therapeutic targets for patients with CRC.     

基于生物信息学分析的结肠腺癌预后微小RNA的鉴定与预后预测模型构建

背景与目的 结肠腺癌（COAD）是癌症相关死亡的主要原因之一,准确预测COAD患者预后,评估COAD生存风险因素尤为重要。微小RNA（miRNA）通过靶向下游mRNA广泛参与肿瘤生物学行为调控,已成为具有应用研究前景的标志物。本研究旨在通过生物信息学方法鉴定COAD预后miRNA并构建预后预测模型,为COAD预后判断和制订个体化治疗方案提供参考。方法 从TCGA数据库中下载COAD患者的临床信息以及miRNA-seq数据,获取差异的miRNA。利用单变量和多变量Cox比例风险回归模型获得关键预后miRNA,用多因素Cox回归模型构建风险评分计算公式。利用Kaplan-Meier方法分析高、低风险评分患者的生存状态;ROC曲线评估风险评分的敏感度及特异度,并且从样本中随机抽取50%的病例做内部验证。采用预后风险模型列线图模型确定COAD患者临床病理参数及风险评分。使用Targetscan及miRDB数据库对预后miRNA模型进行靶基因预测以及利用String数据库进行蛋白与蛋白互作网络分析。结果 差异表达分析获得320个miRNA,其中167个上调,153个下调。利用单变量和多变量Cox比例风险回归对差异的miRNA进行分析,发现miR-503-5p、miR-335-3p、miR-185-5p、miR-4436b-5p、miR-125b-2-3p为COAD患者关键预后miRNA。结合风险评分的生存分析结果显示,高风险评分患者预后明显差于低风险评分患者（P=0.005 6）,在随机抽取的内部验证组中也得到验证（P=0.014）。1、3、5年风险评分模型ROC曲线下面积（AUC）分别为0.666、0.724、0.707,内部验证组分别为0.681、0.699、0.703。Cox回归分析显示,建立用于预测COAD患者预后预测列线图的一致系数为0.836。单因素和多因素Cox分析显示,在建模组及内部验证组中风险评分是COAD的独立预后因素（均P<0.01）。miRNA靶基因预测获得87个靶基因。蛋白与蛋白互作网络分析获得10个蛋白质互作的关键基因。结论 所建立COAD预后miRNA模型以及基于年龄、AJCC分期、T分期、放化疗以及风险评分等因素构建的列线图将较准确地预测COAD的风险,对鉴定高或低风险患者、精准预测预后及评估患者生存风险提供理论基础。     

46例青年胃癌诊疗分析

目的探讨青年胃癌的病理及预后特点,提高青年胃癌病人的诊疗水平。方法回顾性分析近10年来在南通大学附属江阴医院行胃癌根治术(D2)的46例青年胃癌病人的临床资料、病理资料及预后情况,用χ2检验比较病人的临床病理特征,用Kaplan-Meier生存分析统计生存率及中位生存时间,用Cox回归多因素分析预后因素。结果不同性别的青年胃癌在肿瘤部位、分型、TNM分期、生存率等方面差异均无统计学意义,Cox回归分析提示组织学类型、TNM分期、肿瘤大小、浸润深度及淋巴结转移与病人预后相关,淋巴结大小、肿瘤部位及性别与预后无关。结论青年胃癌好发于胃窦胃角等远端,以Borrmann III型为主,女性在青年胃癌中比例较高,青年胃癌低分化腺癌比例较高,总体生存率不高。