基于TCGA数据库的胰腺癌临床预后风险模型的构建与药物筛选

目的：基于基于癌症基因组图谱(The Cancer Genome Atlas,TCGA)数据库构建胰腺癌预后风险模型和筛选候选药物。方法：通过TCGA数据库下载胰腺癌转录组和临床数据，通过R软件进行加权基因共表达网络分析(weighted correlation network analysis,WGCNA)、预后风险模型的构建、差异分析、Kaplan-Meier法生存分析、风险分析和临床相关性分析。通过受试者工作特征曲线(receiver operating characteristic curve，ROC曲线)的曲线下面积(area under curve，AUC)和多因素cox回归分析判断模型准确性和独立性，最后运用CMAP平台进行胰腺癌药物的筛选。结果：下载得到胰腺癌转录组数据182例和临床数据185例，数据合并交集后纳入病例样本177例。WGCNA分析筛选模块基因为“MEgreen（P=0.04<0.05）”；通过单因素cox回归分析得到28个预后相关免疫基因和70个预后相关的lncRNA，进一步用Lasso回归和多因素cox回归分析进行预后风险模型构建。模型评价显示该模型可区分高低风险组的患者，高风险的患者较低风险预后较差（P<0.05）。训练组和验证组ROC曲线下面积（AUC）显示该模型具有一定的准确性。多因素cox回归分析显示风险得分可作为胰腺癌独立预后因子（P<0.05）。临床相关性分析显示年龄、性别、Grade、Stage、M和N期等临床性状在高低风险组之间无明显差异（P>0.05），T期在高低风险组之间具有明显差异（P=0.0215<0.05）。利用CMAP平台筛选出前5抑制胰腺癌高风险基因表达的药物中，HDAC抑制剂2种，FLT3抑制剂、种VEGFR抑制剂与细菌细胞壁合成抑制剂各1种。结论：根据TCGA患者生存数据和表达谱，结合基因库获得胰腺癌预后相关免疫基因和lncRNA构建的预后风险模型能作为胰腺癌预后判断的新指标。