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。     

免疫相关LncRNA与乳腺癌预后关系分析及预后风险模型建立

目的 探讨免疫相关LncRNA的表达与乳腺癌预后的关系,构建乳腺癌免疫相关LncRNA预后风险模型。 方法 从TCGA公共数据库下载乳腺癌的转录组数据和临床病理信息,利用Perl软件提取乳腺癌数据表达矩阵,采用R语言使用共表达法提取免疫相关LncRNA,单因素和多因素Cox回归分析筛选预后相关LncRNA,根据最佳AIC值确定免疫预后相关LncRNA构建预后风险模型,根据风险值将患者分为低分险组和高风险组,采用Kaplan-Meier分析法进行生存分析并绘制两组患者生存曲线,使用ROC曲线对预后风险模型准确性进行评估,同时单因素和多因素Cox回归分析评估预后风险模型与肿瘤预后相关性。 结果 从TCGA数据中共下载1 041例乳腺癌样本,提取到14 142个LncRNA表达谱,通过共表达法获得免疫相关LncRNA 644个,对免疫相关LncRNA进行单因素Cox回归分析筛选出14个LncRNA,对14个LncRNA进行多因素Cox回归分析,根据最佳AIC值筛选出6个LncRNA用于构建预后风险模型,根据风险值将患者分为低分险组和高风险组,生存分析显示两组患者差异有统计学意义,同时预后风险模型曲线下AUC值为0.703,模型具有较好的准确性。多因素Cox回归分析结果显示,年龄和患者风险评分为乳腺癌的独立危险因素。 结论 免疫相关LncRNA预后风险模型为乳腺癌的独立预后影响因子,可以有效预测乳腺癌患者的生存预后,可作为乳腺癌独立的预后生物标志物。     

染色质调节因子相关的lncRNA肾透明细胞癌预后模型的构建和验证

目的 构建染色质调节因子（CR）相关长链非编码RNA（lncRNA）的肾透明细胞癌（ccRCC）预后模型,提高ccRCC的预后管理。 方法 从TCGA数据库下载ccRCC的转录组数据和临床数据,并通过“caret”R包将ccRCC样本以7∶3的比例分为训练集（166例）和验证集（71例）。基于“DESeq2”R包筛选出差异表达的CR及相关的lncRNA。构建CR与lncRNA的共表达网络,并筛选出相关系数|rs|＞0.3且P＜0.05的差异lncRNA。利用单因素Cox、Lasso和多因素逐步Cox回归分析,构建CR相关的lncRNA预后模型。计算训练集和验证集样本的风险评分,根据风险评分的中位数将ccRCC患者分为高、低风险组。K-M曲线和受试者操作特征（ROC）曲线评价模型,单因素和多因素Cox回归分析评估风险评分的独立预测性能。“DynNom”和“shiny”R包开发在线预测工具。单样本基因集富集分析探索风险评分与免疫微环境及免疫检查点的关系。 结果 本研究最终纳入237个肿瘤样本和72个癌旁正常组织样本,鉴定了1 025个CR相关的lncRNA,最终筛选得到7个CR相关lncRNA（DUXAP8、AC026462.3、LINC01460、AL592494.1、AL353804.2、AC012462.1、AC009518.1）构建预后模型,并将其开发成在线工具（https://xzlmodelshiny.shinyapps.io/DynNomapp/）。高危组患者的生存率低于低危组（P＜0.05）,ROC曲线表明模型预测效能较好,单因素分析和多因素分析中风险评分的HR值分别为4.058（95%CI：2.530~6.508,P＜0.001）和3.096（95%CI：1.887~5.080,P＜0.001）。高风险组MDSC和Tregs细胞等免疫抑制细胞的浸润比例高于低风险组,趋化因子、免疫检查点及副炎症等通路的富集水平高于低风险组（P＜0.05）。此外,风险评分与免疫检查点TNFRSF25和TNFSF14呈正相关（r＞0.3,P＜0.05）。 结论 本研究构建的CR相关的lncRNA风险模型可独立有效地预测ccRCC患者的预后。     

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...     

基于长链非编码RNA数据构建肺腺癌预后风险评估模型

目的 肺腺癌(lung adenocarcinoma,LUAD)预后相关长链非编码RNA(long non-coding RNA,lncRNA)标志物的筛选及预后风险模型的构建.方法 下载癌症基因组图谱(the cancer genome atlas,TCGA)数据库中LUAD患者的lncRNA表达数据和相关临床数据,随后将肿瘤样本和正常样本的lncRNA表达数据进行差异分析,并将差异lncRNA与临床信息合并,进行单因素和多因素Cox回归分析,筛选出与LUAD预后相关的lncRNA,构建预后风险模型.并运用Kaplan-Meier生存分析和受试者工作特征(receiver operating characteristic,ROC)曲线评估模型的预后价值.结果 肿瘤样本与正常样本相比,差异表达的lncRNA有727个,其中277个上调,450个下调.单因素和多因素Cox回归分析,筛选出的8个lncRNA作为预测LUAD预后的生物标志物,以上特征的预后价值良好且与其他临床因素无关.结论 筛选出的8个lncRNA可以作为预测LUAD患者生存的独立预后生物标志物.     

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...     

基于铜死亡相关长链非编码RNA构建膀胱癌患者预后风险评估模型

目的:基于铜死亡相关长链非编码RNA(lncRNA)构建膀胱癌患者预后风险评估模型。方法:下载癌症基因组图谱数据库中的膀胱癌患者RNA序列数据和临床数据，采用Pearson相关性分析、单因素Cox回归、Lasso回归和多因素Cox回归分析筛选与铜死亡及膀胱癌患者预后相关的lncRNA，并构建铜死亡相关的lncRNA膀胱癌患者预后风险评分方程。根据风险评分方程计算的中位数将患者分为高风险组和低风险组，比较两组免疫细胞丰度差异。应用Kaplan-Meier生存曲线评估风险评分方程的准确性；应用受试者操作特征曲线(ROC曲线)评估风险评分方程预测患者1、3、5年存活率的价值；采用单因素和多因素Cox回归筛选与膀胱癌患者预后相关的影响因素，构建膀胱癌患者预后风险评估列线图，并通过校准曲线评估列线图预测的准确性。结果:膀胱癌患者预后风险评分方程由9个铜死亡相关的lncRNA构建。免疫浸润分析结果显示，高风险组M0巨噬细胞、M1巨噬细胞、M2巨噬细胞、静息肥大细胞及中性粒细胞丰度明显高于低风险组，而低风险组CD8⁺T细胞、辅助性T细胞、调节性T细胞及浆细胞丰度明显高于高风险组...     

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。     

基于3个微血管侵犯相关lncRNA的肝细胞癌预后模型的构建

目的：构建与肝细胞癌（HCC）微血管侵犯（MVI）相关的长链非编码RNA(lncRNA)预后风险模型，筛选关键MVImRNA。方法：基于TCGA-LIHC数据库获得转录组数据，提取MVI-mRNA，通过相关性分析和单因素Cox分析获得预后相关的MVI-lncRNA，多因素Cox分析筛选变量构建相关风险模型。采用Kaplan-Meier分析、单因素和多因素Cox分析、受试者工作特征（ROC）曲线及主成分分析（PCA）对风险模型进行评估。按照高、低风险分组对34个HCC-MVI-mRNA进行差异分析，并进行GO、KEGG富集分析。采用RNA-seq和RT-qPCR验证HCC患者癌组织和癌旁组织中MVI-mRNA。结果：共鉴定了9种预后相关的MVI-lncRNA，通过3个MVI高度相关lncRNA:AC129492.1、NRAV、AC099850.3构建了具有预后价值的MVI-lncRNA风险模型。高风险组总生存期（OS）短于低风险组（P<0.05）。ROC结果表明风险评分（AUC=0.819,95%CI:1.576～2.250）比临床因素更准确地预测患者的生存。按高、低风险分组对MV...     

铜死亡相关性lncRNA在甲状腺癌中的表达模式以及预后价值

目的 探索与铜死亡相关的lncRNA在甲状腺癌(thyroid carcinoma, THCA)中的表达模式及预后价值。方法 基于TCGA数据集，通过共表达获得相关的lncRNA。将THCA患者随机分成训练集和验证集，基于Cox和LASSO回归分析确定预后关键基因，采用验证集和整个列队对独立预后基因进行验证，同时通过实时荧光定量聚合酶链式反应(qPCR)验证关键基因在THCA中的表达情况。最后对风险模型进行富集分析、肿瘤微环境分析、免疫相关性分析以及药物敏感性分析。结果 12个铜死亡基因通过共表达获得1 270个相关的lncRNA。在16个与铜死亡预后相关的基因中，TMEM220-AS1、LINC01711和AC003086.1被确定为关键基因。风险评分在训练集和整个列队中均展示出良好的预测性能，并且qPCR结果与生信结果一致。高低风险组的患者在生物学功能、免疫细胞浸润程度以及免疫检查点均存在明显的不同。此外，风险评分与THCA的药物敏感性显著相关。结论 本研究证明了铜死亡相关性lncRNA在THCA中存在显著差异表达，并且3个关键的lncRNA在预测THCA的预后和生存方面具有一定价...     

肺腺癌失巢凋亡相关lncRNA预后模型的建立与验证

目的：构建基于失巢凋亡相关长链非编码RNA(lncRNA)的肺腺癌(LUAD)预后模型,探究LUAD潜在的治疗靶点。方法：从癌症基因组图谱(TCGA)数据库下载LUAD转录组和临床数据,从GeneCards网站获取失巢凋亡相关基因,利用共表达分析、差异分析筛选差异基因。通过Cox回归分析及Lasso回归分析构建预后模型,并进一步检验其有效性。对样本进行基因集富集分析(GSEA)及免疫相关性分析。结果：基于800个差异表达基因构建了一个由8个失巢凋亡相关lncRNA组成的预后模型,生存分析结果显示,高风险组总生存期比低风险组低(P<0.05);Cox回归分析和ROC曲线验证了该模型的准确性;GSEA分析表明,低风险组多富集于免疫相关信号通路;免疫相关性分析结果显示,该预后模型与多种免疫细胞、免疫功能和免疫检查点有关。结论：基于8个失巢凋亡相关lncRNA构建的LUAD预后模型有良好的预测效能,并为LUAD的治疗提供了参考。     

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。     

m6A修饰相关lncRNA与宫颈癌的预后不良及免疫治疗的相关性分析

  目的   本研究旨在通过挖掘宫颈癌TCGA数据库,分析N6-甲基腺嘌呤（N6-methyladenosine, m6A）修饰相关长链非编码RNA（lncRNA）与宫颈癌预后不良及免疫治疗的相关性,从而有效地评估宫颈癌患者的预后和宫颈癌免疫治疗的可行性。   方法   基于TCGA数据库宫颈癌样本,利用生物信息学的方法鉴定与宫颈癌预后相关的m6A修饰相关lncRNA,并以此构建宫颈癌的预后风险模型。   结果   从304例患者样本中筛选出343个m6A修饰相关lncRNA,通过单因素Cox回归分析得到26个m6A修饰相关lncRNA与宫颈癌患者预后相关,并利用Lasso回归分析得到7个m6A修饰相关lncRNA（DLEU1、AC099850.4、DDN-AS1、EP300-AS1、AC131159.1、AL441992.2、AL021707.6）用以构建预后风险模型。Kaplan-Meier曲线显示低风险组的OS高于高风险组（P<0.001）;ROC曲线下面积（AUC）表明本风险模型准确性高、可信度强;多因素Cox分析显示风险评分是评估宫颈癌患者预后的独立因素。TIDE评分预测高风险组接受免疫治疗后获益更大。免疫检查点PD1与DDN-AS1等m6A修饰相关lncRNA表达相关,且在高风险组中表达更高（P<0.05）。   结论   基于上述7个m6A修饰相关lncRNA构建的预后风险模型能够有效预测宫颈癌患者的预后,并能评估以PD1为靶点的免疫治疗疗效。     

肝细胞癌铜死亡相关lncRNA预后模型的构建及评估

目的 探究铜死亡相关长链非编码RNA(long non-coding RNA,lncRNA)在肝细胞癌(hepatocellular carcinoma,HCC)患者中的预后价值及其在治疗中的潜在价值。方法 从肿瘤基因组图谱(The Cancer Genome Atlas,TCGA)数据库中收集肝细胞癌的转录组数据及对应患者的临床资料。筛选癌组织与正常肝组织差异表达的铜死亡相关基因,并进行基因本体(Gene Ontology,GO)富集分析和京都基因与基因组数据库(Kyoto Encyclopedia of Genes and Genomes,KEGG)通路分析。筛选与肝细胞癌预后相关的铜死亡lncRNA,对肝细胞癌患者进行分组并比较总体生存率。采用最小绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)Cox回归分析建立预后风险模型。建立用于预测肝细胞癌患者总体生存率的列线图。结果 获得由5个铜死亡相关lncRNA组成的预后模型,包括:RPS6K6、SNRPEP2、PRELID2、GOT2和RTL8A。风险评...     

基于4个铜死亡基因的风险模型在肾透明细胞癌中的预后价值及免疫治疗药物研究（英文）

目的 肾透明细胞癌（kidney renal clear cell carcinoma,KIRC）是最常见的肾恶性肿瘤之一,死亡率较高。铜死亡是一种新的细胞死亡形式,通过蛋白质脂质化导致蛋白质毒性应激反应和细胞死亡。目前,很少有研究能够充分解释铜死亡相关基因（cuproptosis-related genes,CRGs）在KIRC发生发展中的潜在作用。方法 利用来自The Cancer Genome Atlas(TCGA)数据库中的KIRC患者的RNA测序数据和相应的临床信息筛选差异表达的CRGs。通过单因素、多因素Cox比例回归分析和LASSO Cox回归分析构建预后风险模型。使用来自Gene Expression Omnibus(GEO)数据库的数据验证模型。采用Kaplan-Meier(KM)分析和受试者工作特征（ROC）曲线来预测KIRC患者的预后。利用功能富集分析来探索其内部机制。采用单样本基因集富集分析（single-sample gene set enrichment analysis,ss GSEA）、肿瘤免疫功能障碍和排斥（Tumour Immune Dysfunct...     

甲状腺癌铁死亡预后风险模型的构建及其潜在机制的生物信息学分析

目的：筛选甲状腺癌（TC）差异预后铁死亡基因（PFRGs）,构建TC铁死亡相关基因（FRGs）预后风险模型,并阐述其潜在作用机制。方法：从癌症基因组图谱（TCGA）数据库获取基因表达及临床数据,从铁死亡疾病数据库（FerrDb）和人类基因数据库（GeneCards）中获取FRGs,采用R软件筛选TCPFRGs;从TCGA和GTEx数据库获取TC组织和甲状腺组织中PFRGs mRNA表达数据,从人类蛋白图谱（HPA）数据库获取免疫组织化学结果,验证PFRGs mRNA和蛋白表达的差异;采用时间依赖性受试者工作特征（time-ROC）曲线和Kaplan-Meier曲线评估PFRGs与TC患者生存和预后的关系;采用单因素和多因素Cox回归分析计算PFRGs表达的风险评分,纳入TC患者临床数据,进行独立预后分析,并构建Nomogram图;TCGA数据库中PFRGs与各基因表达的相关性采用Spearman相关分析,计算相关系数并筛选共表达基因;采用生物信息学方法对PFRGs共表达基因进行蛋白-蛋白互作（PPI）网络图、基因本体论（GO）和京都基因与基因组百科全书（KEGG）富集分析。结果：在TC...     

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,Graph...     

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。     

基于生物信息学的脑胶质瘤预后风险长链非编码RNA筛选

目的：应用生物信息学方法筛选脑胶质瘤的预后风险长链非编码RNA（lncRNA）。方法：从开放的癌症基因图谱（TCGA）和基因型组织表达（GTEx）数据平台下载脑胶质瘤样本转录水平数据,采用R语言比较分析脑胶质瘤和正常脑胶质样本差异表达基因,使用Cox分析构建风险模型,通过DAVID基因功能和KEGG通路数据库对差异表达基因进行功能注释和通路富集分析。利用qPCR评价HOXA-AS2的表达量与脑胶质瘤的临床组织特征之间的关系。结果：通过比较分析脑胶质瘤样本和正常脑组织样本基因组表达数据,获得差异表达的lncRNA 424个（211个上调,213个下调）,mRNA 3 827个（1 618个上调,2 209个下调）。构建了包含9个lncRNA的风险模型,参与介导的信号转导通路主要集中于免疫缺陷病毒感染,神经信号转导等相关通路。qPCR方法验证HOXA-AS2在脑胶质瘤中高表达。结论：筛选出HOXA-AS2可能是脑胶质瘤的预后风险lncRNA,为后续脑胶质瘤的机制研究提供参考依据。