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。     

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...     

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。     

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。     

基于单细胞组学预测肝内胆管癌根治性切除患者预后的研究

目的基于单细胞组学分析肝内胆管癌(ICC)根治性切除术后患者的生存获益。方法本研究为回顾性病例系列研究。整合基因表达综合数据库中4个数据集的ICC单细胞测序结果, 共获得46例患者根治性切除样本, 探索ICC微环境的特征。同时分析附有生存数据的EMBI数据库共100例ICC组织芯片数据, 通过ssGSEA算法计算芯片数据每个样本中各个上皮细胞亚群的浸润丰度, 探索与患者较差预后相关的关键上皮细胞亚群, 并研究该亚群关键标志(marker)基因的临床价值。通过单因素与多因素 Cox 比例风险模型筛选预后相关marker基因, 使用目标基因构建 Cox比例风险模型并绘制列线图, 使用Kaplan-Meier 生存分析验证评分与患者预后的关系, 通过受试者工作特征(ROC)曲线、校准曲线及决策曲线(DCA)对模型预测效能进行评估。结果上皮细胞亚群几乎仅在肿瘤组织中浸润。表达MT2A的上皮细胞亚群与患者更差的预后相关且浸润丰度很高, 以该亚群浸润为特征的患者被定义为抗氧化型。经单因素与多因素Cox比例风险模型筛选该亚群的marker基因, 其中filp1l、nakbia、peg10、serpi...     

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。     

胃癌lncRNA预后风险评估模型的构建

目的:基于TCGA数据库构建胃癌lncRNA预后风险评估模型。方法:从TCGA数据库中下载胃癌基因组表达数据及临床信息,通过R语言“DESeq2”包分析得到差异表达的lncRNA。采用单因素Cox回归和多因素Cox回归分析构建预后风险评估模型,采用ROC曲线进行效能评估。结果:首先以logFC>1或logFC<1,Adjusted-P-Value<0.05为筛选标准,发现58个lncRNA差异表达。单因素Cox回归分析结果显示3个lncRNA(AC097478.1、AC097478.3、AL354719.2)与预后显著相关,多因素Cox回归分析成功构建预后风险评估模型,风险评分=-0.05425×AC097478.1+0.08442×AC097478.3+0.12647×AL354719.2。风险评分高的患者预后较差。模型的5年ROC曲线下面积AUC=0.964(训练集)。结论:通过生物信息学分析,成功构建了基于AC097478.1、AC097478.3、AL354719.2的预后风险评分模型,具有良好的预测效能。     

基于内质网应激基因膀胱癌预后风险模型的构建

目的构建与膀胱癌预后相关基于内质网应激基因的临床基因模型。方法在分子特征数据库(MSigDB)中筛选到9 165个与内质网应激相关的基因集, 运用生物信息学技术对癌症基因图谱(TCGA)数据库中405个膀胱癌样本和25个正常膀胱组织样本的基因表达序列进行差异基因表达分析得到5 689个膀胱癌差异表达基因, 两者取交集得到1 556个基因, 然后进行WGCNA分析、STRING数据库及Cytoscape软件cytoHubba插件进行蛋白互作网络分析、LASSO回归分析、多因素Cox回归分析获取5个关键基因并构建风险模型预测膀胱癌患者的总生存期。后进行Kaplan-Meier生存分析及ROC分析以研究该模型的预测准确性。结果两者取交集后共得到1 556个与内质网应激相关膀胱癌差异表达基因, WGCNA分析得到158个与膀胱癌预后相关的差异表达基因。Cytoscape软件CytoHubba插件计算每个基因的Degree评分, 提取Top50的差异表达基因并进行LASSO回归分析、多因素Cox回归分析得到5个关键基因:KIF2C、TEAD4、DARS2、VEGFA、CTHRC1, 并构建预后风...     

肝癌代谢重编程相关基因富集分析及ATP柠檬酸裂解酶表达的临床意义

目的 筛选参与肝细胞癌（HCC,简称肝癌）肿瘤进展的代谢重编程相关基因,明确HCC组织标本中ATP柠檬酸裂解酶（ACLY）表达情况,并纳入GEO数据,分析其与HCC临床病理指标的相关性及其在HCC生存预后中的作用。方法 下载TCGA数据库中的HCC表达数据,将50对癌组织与癌旁配对组织样本纳入差异表达基因分析,获得全基因表达谱列表;设置差异表达基因纳入标准,获得差异表达基因列表;通过GSEA、GO及KEGG三种富集方法筛选获得共同的HCC代谢重编程相关基因。采用qRT-PCR检测ACLY在临床组织标本中的表达情况。下载GSE14520数据集并将隶属GPL3921平台的221例生存数据完整的基因芯片表达数据和临床数据纳入研究,通过生存分析、Cox回归分析和临床相关性研究明确ACLY与HCC预后的关系。结果 通过基因富集分析筛选获得26个HCC代谢重编程相关基因。临床标本检测显示ACLY在癌组织中的表达显著高于癌旁组织（P＜0.05）。相关性分析表明ACLY表达与TNM分期、CLIP分期和AFP相关（P＜0.05）;生存分析显示ACLY的表达与HCC总体生存率相关（P＜0.05）,并与HCC无复发生存有相关性趋势（P=0.05）。Cox回归分析表明ACLY的表达水平与HCC总体生存和术后无复发生存率相关（P＜0.05）。结论 本研究获得了26个HCC代谢重编程相关基因,其中ACLY的异常表达与HCC分期显著相关;ACLY的表达水平与HCC预后显著相关,是HCC总体生存的独立风险因素。     

胃癌枢纽基因的筛选和预后分析

目的:运用生物信息学方法探讨胃癌的预测指标和治疗靶点,并分析其与预后的关系。方法:从基因表达综合(GEO)数据库下载3个微阵列数据集(GSE13911、GSE33651、GSE79973),运用GEO2R筛选出胃癌样本与正常组织样本间的差异表达基因,通过基因本体论(GO)富集分析和京都基因与基因组百科全书(KEGG)分析对差异基因进行功能和通路注释,同时使用STRING和Cytoscape构建蛋白互作网络(PPI),筛选出枢纽基因,结合Kaplan-Meier plotter数据库对筛选出的枢纽基因进行预后分析。结果:共筛选出135个差异表达基因,其中68个上调,67个下调。GO分析结果表明差异表达基因主要参与信号转导、钙离子结合、细胞外外泌体等生物学过程。KEGG分析显示差异基因主要富集的通路包括PI3K/Akt信号通路、ECM受体相互作用、黏着斑。经PPI分析筛选得出COL1A1、COL1A2、COL4A1、FN1、THBS1、CD44、COL2A1、COL4A2、CXCL8、COL5A1为枢纽基因,生存分析显示除THBS1的上调,其余基因的差异表达均影响胃癌患者的总体生存率。结论:所筛选的枢纽基因的异常表达可能参与胃癌的发生发展过程,与胃癌患者的预后密切相关,可以作为潜在的预测指标和治疗靶点为胃癌的进一步研究提供依据。     

基于生物信息学的CDK1在肺腺癌中的表达及其意义

目的通过生物信息学方法分析细胞周期蛋白依赖性激酶1(CDK1)在肺腺癌中的表达及其临床意义。方法基于癌症基因组图谱计划(TCGA)中肺腺癌患者基因表达数据分析CDK1在肺腺癌组织和正常肺组织差异表达情况,使用UALCAN分析肺腺癌中CDK1基因在不同角度下的表达差异。利用Kaplan-Meier Plotter进行肺腺癌中CDK1基因高低表达组不同情况下的生存分析。基于TCGA中肺腺癌临床数据进行CDK1表达量与总生存期的相关性Cox分析。对临床病例中与CDK1表达相关的基因序列进行基因富集分析。经STRING获取CDK1来自智人的蛋白相互作用网络。获取CDK1相关基因蛋白,通过在线网站GEPIA进行相关分析。结果基于对TCGA基因表达数据分析可知CDK1在肺腺癌中表达高于正常肺组织。通过UALCAN分析发现CDK1高表达与吸烟可能有一定的相关性。生存分析提示当CDK1基因高表达时,肺腺癌患者预后较差。将CDK1的表达量与总生存期进行单因素和多因素Cox回归分析示,CDK1高表达是肺腺癌患者生存期的独立危险因素(P=0.00)。进行基因富集分析可知CDK1高表达与DNA复制、细胞周期、癌症通路、p53信号通路密切相关。结论CDK1可能是一种潜在的肺腺癌预后相关的分子标志物。此外,DNA复制、细胞周期、癌症通路、p53信号通路可能与肺腺癌中的CDK1调节有关。     

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。     

综合分析TCGA与GEO甲基化数据鉴定胆管癌预后相关基因SOX9和FZD10

目的 鉴定胆管癌（cholangiocarcinoma,CCA）甲基化与表达谱综合生物标志物,预测CCA患者预后。方法 从癌症基因组图谱（The Cancer Genome Atlas,TCGA）下载33例CCA样本和8例正常样本基因组甲基化数据及临床信息表达谱数据,同时从基因表达综合数据库（Gene Expression Omnibus,GEO）下载甲基化数据进行验证。鉴定差异甲基化基因（DMGs）与差异表达基因（DEGs）的交集基因,采用Cox比例风险回归模型鉴定甲基化生物标志物,并使用ROC曲线来评估该模型的性能。在验证组中对该模型进行验证,通过GO功能注释,探讨DNA甲基化标志物的生物学功能。结果 通过对TCGA甲基化数据分析,共鉴定出600个差异甲基化基因和6 876个差异表达基因,并从中筛选出与生存相关的2个甲基化基因（SOX9和FZD10）,最终将SOX9和FZD10组合基因构建预后预测模型,作为CCA预后的生物标志物。ROC曲线下面积（AUC）为0.90。SOX9和FZD10组合生物标志物能够将CCA患者区分为高风险组和低风险组,低风险组患者总生存期明显高于高风险组（2.07年 vs 0.92年）。多因素Cox回归分析表明,SOX9和FZD10组合生物标志物是CCA患者预后的独立预测因子。基因本体（GO）功能分析表明,SOX9和FZD10参与转录因子、转录调控、肿瘤蛋白多糖调节和干细胞的调控。结论 本研究经过多组学分析,在TCGA数据中筛选出SOX9和FZD10基因组合的甲基化预后标志物,可以将CCA患者分为高风险组与低风险组,并且该组合基因是CCA独立的预后预测因子。     

PARP1表达在预测结直肠癌总体生存中的作用

目的 探讨PARP1的表达水平与结直肠癌预后的关系。方法 从基因表达综合数据库（GEO）和癌症基因图谱（TCGA）数据库下载PARP1基因的RNA-Seq数据,使用R软件绘制散点图并分析PARP1在结直肠癌和癌旁组织中的表达水平,将PARP1分为高、低表达组并进行生存分析、亚组生存分析和GSEA基因富集分析,筛选与PARP1相关的基因并进行GO、KEGG富集分析,鉴定与PARP1共表达的基因。结果 在GSE184093、GSE100179、GSE44076、GSE110225和TCGA数据集中,PARP1在肿瘤样本中的mRNA表达显著高于其在非肿瘤样本中的表达（P<0.05）;以6.93作为阈值,分为PARP1高、低表达组,PARP1高表达组患者的总体生存期（OS）、无病生存期（DFS）、疾病特异性生存期（DSS）和无进展生存期（PFS）较PARP1低表达组显著缩短（P<0.05）。在结直肠癌和癌旁组织中共筛出差异表达基因2629个,其中有765个基因与PARP1显著相关,GO分析显示PARP1相关基因与DNA聚合酶结合、组蛋白激酶活性、血小板衍生生长因子结合、卡哈尔体蛋白定位、端粒蛋白定位等有关;KEGG分析显示PARP1相关基因与DNA复制、细胞周期、错配修复等通路有关。结论 PARP1在结肠癌中表达上调,并与结直肠癌患者不良预后有关。     

铜死亡相关基因在肝细胞癌中的表达及其临床意义

背景与目的：肝细胞癌（HCC）是一种全球常见的恶性肿瘤，具有高复发率和高病死率。铜死亡是一种新型的程序性细胞死亡，涉及肿瘤细胞的增殖和生长、血管生成和转移。因此，本研究探讨铜死亡相关基因（CRGs）在HCC中的表达与预后的关系，并建立预后相关的列线图模型以及分析CRGs与HCC免疫细胞浸润的关系。方法：使用R语言“limma”包对TCGA数据库下载的HCC组织与正常组织的数据中CRGs进行差异表达分析；“clusterProfiler”包进行GO和KEGG分析；单因素Cox回归分析筛选与预后相关的CRGs,LassoCox回归分析构建HCC中CRGs相关预后评分模型；“ggsurvplot”包以总生存（OS）为结局绘制Kaplan-Meier生存曲线；“survival ROC”包绘制ROC曲线评估预后评分的准确性；“regplot”和“rms”包绘制列线图和校准曲线；利用TIMER数据库分析CRGs的表达与6种免疫细胞丰度之间的关系。结果：与正常组织相比，HCC组织19个CRGs中的16个有差异表达（上调：PDHB、PDHA1、MTF1、LIPT1、LIPT2、LIAS、GLS、DL...