低级别胶质瘤自噬相关基因预后分类器的构建及验证

目的 本研究旨在构建自噬相关基因(ARGs)的风险分类器，从而预测低级别胶质瘤(LGG)患者的生存率。方法 从UCSC Xena, CGGA, GlioVis和GTEx公共数据库中获取LGG患者和正常脑组织数据，结合人类自噬数据库筛选出232个ARGs。通过差异分析得到差异ARGs。在训练集中，利用单因素Cox回归分析和LASSO回归分析，构建ARGs的预后分类器。通过绘制受试者工作特征(ROC)曲线确定最佳Cut-off值。Kaplan-Meier生存曲线和ROC曲线下面积(AUC)用于评估分类器性能，并在内部数据集和外部数据集中验证。Cox回归分析用于评估分类器的独立预后价值。最后，结合常见临床参数和风险分类用于构建列线图模型，并利用ROC曲线，一致性指数和校准曲线评估该模型的预测能力。结果 本研究构建了由6个ARGs(BAG1、 PTK6、 EEF2、 PEA15、 ITGA6和MAP1LC3C)的预后风险分类器，其可将LGG患者分为具有明显生存差异的高、低风险组在多个数据集(均P<0.05)。5年AUC值显示该分类器在训练集，内部验证集和TCGA总集中分别为0.837, ...