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。     

m7G相关基因是影响肝细胞性肝癌预后的潜在生物标志物

目的 探讨m⁷G相关基因能否作为肝细胞性肝癌预后的生物标志物。方法 采用癌症基因组图谱(The Cancer Genome Atlas, TCGA)数据库筛选肝细胞性肝癌组织和癌旁组织中有表达差异的m⁷G相关基因组,m⁷G相关基因和临床数据中的生存时间及生存状态按照样本ID号匹配合并后筛选预后基因组,将两组的交集基因纳入lasso回归,对筛选出来的基因进行风险评分,基于风险评分的中位数值将所有肝细胞性肝癌患者分为高、低两个风险组,并对高分险组和低风险组进行单因素和多因素的Cox回归分析,评价风险评分在预后中的差异。结果 经lasso回归筛选出4个模型基因(AGO2、NCBP1、NCBP2、WDR4),高风险组的生存率显著低于低风险组(P=0.027),ROC曲线显示风险模型对患者1,2,3年生存预测的曲线下面积(AUC)分别为0.683,0.604,0.602。肿瘤分期、T分期、M分期和风险评分是肝细胞性肝癌预后的相关因素(P<0.05),其中风险评分是影响肝细胞性肝癌患者生存率的独立预后因素(P=0.044,HR...     

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...     

骨肉瘤铜死亡相关LncRNA预后模型构建与验证

目的：Cuproptosis是一种新发现的程序性细胞死亡形式，被认为在肿瘤治疗中起重要作用。长链非编码RNA(long non-coding RNA, lncRNA)参与调节细胞多种生理与病理活动。本研究旨在探讨铜死亡相关LncRNA在骨肉瘤中的预后意义。方法：从公共数据库UCSC Xena和GTEx数据库下载骨肉瘤样本与正常样本的基因表达谱以及相应的临床数据，从已发表的文献中获取铜死亡基因，采用共表达网络、最小绝对收缩和选择算法（LASSO）和Cox回归模型构建骨肉瘤铜死亡相关lncRNA预后模型并进行内部验证。采用受试者工作特征（ROC）曲线和列线图来评估模型的预测能力。单样本基因集富集分析（ssGSEA）探讨不同风险组与骨肉瘤免疫细胞与功能的相关性。结果：对收集到的19个铜死亡基因进行共表达分析，得到181个铜死亡相关lncRNA，差异分析及单因素Cox分析筛选出10个铜死亡预后相关的LncRNA。随后通过Lasso及多因素Cox回归筛选得到了3个铜死亡相关lncRNA(AC124798.1、AC090152.1、AC090559.1)构建预后模型。根据风险评分中位值将患者分为高...     

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.     

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。     

基于生物信息学分析和实验验证筛选影响肝癌患者预后的铁死亡调控基因

目的：通过生物信息学技术分析影响肝癌患者生存预后的铁死亡调控基因（ferroptosis-related genes, FRGs）,并在细胞和组织层面进行验证。方法：从TCGA数据库下载肝癌基因表达矩阵和临床数据集,并从ferrdb数据库获取与铁死亡相关的基因。使用LASSO回归分析,构建风险比例模型,并通过受试者工作特征曲线（receiver operating characteristic, ROC）回顾患者1、2、3年生存率,使用单因素和多因素COX回归分析筛选肝癌的独立预后因素。并对得到的基因进行基因本体（Gene ontology,GO）和京都基因与基因组百科全书（Kyoto Encyclopedia of Genes and Genomes,KEGG）富集分析。最终进行免疫细胞和免疫功能相关评分。在人类蛋白质图谱数据库下载肝癌预后相关的FRGs的正常肝组织和肝癌组织的免疫组化的结果图。并在正常肝细胞L02和肝癌细胞HepG2,临床获取的6名肝癌患者手术切除的肝癌组织和癌旁组织,通过qPCR分析比较TOP20基因的表达量。结果：通过分析共得到了42个影响肝癌患者预后的相关差异...     

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...     

基于铁死亡基因的乳腺癌预后模型构建

目的 通过癌症基因组图谱(TCGA)数据库挖掘与乳腺癌预后相关的铁死亡基因,构建乳腺癌预后模型.方法 下载TCGA数据库中转录组与临床数据,获取与预后相关的在乳腺癌组织与癌旁正常组织中存在差异表达的铁死亡基因,利用最小绝对收缩和选择算子(LASSO)回归法构建风险评分模型.将TCGA数据库中获取的患者信息作为模型测试集...     

长链非编码RNA在宫颈癌中的表达及预后价值*

的 研究长链非编码RNA（lncRNA）在宫颈癌中的表达水平,鉴定在宫颈癌组织中异常表达的lncRNA,初步分析其功能,并评估其预后价值。方法 宫颈癌组织和癌旁组织的转录组数据下载自癌症基因组图谱（TCGA）,结合Genecode数据库中lncRNA注释信息,获取lncRNA的表达数据。通过limma软件包鉴定在宫颈癌组织和癌旁组织中差异表达的lncRNA;同时对存在差异表达的lncRNA进行生存分析和功能预测。结果 在宫颈癌组织和癌旁组织中差异表达的lncRNA有554个,其中在宫颈癌组织中表达下调245个,上调309个（校正后P?<0.05,倍数变化绝对值>2）。生存分析鉴定出11个与宫颈癌患者总体生存率相关的差异表达lncRNA（P?<0.01）。京都基因与基因组百科全书（KEGG）代谢途径富集分析显示这些lncRNA参与到环磷酸鸟苷酸-环磷酸鸟苷酸依赖的蛋白激酶（cGMP-PKG）信号通路、钙信号通路和细胞间隙连接等肿瘤发生、发展相关代谢途径。结论 通过对宫颈癌lncRNA数据的分析,鉴定11个具有预后意义的lncRNA,这些lncRNA有可能为宫颈癌治疗提供新的靶点和预后监测标志物。     

基于数据库分析CCR基因对肾透明细胞癌预后的预测价值

目的 利用信息库资料探讨趋化因子受体家族对肾透明细胞癌(ccRCC)预后的预测价值。方法 下载并分析癌症基因组图谱(TCGA)的基因表达数据,筛选CC趋化因子受体(CCR)亚基因家族在正常组织与ccRCC组织中的差异表达基因。采用COX回归分析构建预后模型并进行相关功能学分析。结果 从TCGA数据库下载包括539例ccRCC组织和72例正常组织的基因转录组数据,筛选出11个差异表达的CCR家族基因。通过多因素Cox回归分析得到2个(CCR3与CCR10)与ccRCC预后相关的CCR基因,并以此构建预后模型。根据模型风险评分的中位值将训练集样本分为高风险组(n=184)与低风险组(n=197)。Kaplan-Meier生存分析结果显示,低风险组总生存率高于高风险组,差异有统计学意义(P<0.001)。结论 本研究构建的CCR基因预后模型可较好地评估ccRCC患者的预后并指导其个体化治疗。     

基于生物信息学方法构建肝癌患者预后相关内源竞争RNA调控网络

目的：基于生物信息学方法探索肝细胞癌相关的差异表达基因（DEGs），并构建预后相关内源竞争RNA(competing endogenous RNA,ceRNA)调控网络。方法：利用数据集GSE89377，筛选肝细胞癌不同发展时期的肿瘤组织与正常组织间的差异表达基因；通过GEPIA,HPA数据库探究DEGs的mRNA和蛋白在肝细胞癌中的表达，及对患者预后的影响；随后通过Cox回归分析，筛选可独立预测患者预后的关键基因；进一步通过GO和KEGG富集分析探索关键基因相关信号通路。最后，通过miRmap、miRWalk和Targetscan数据库预测关键基因的上游微小RNA (microRNA,miRNA)，并筛选预后相关miRNAs；通过Starbase和Lncbase预测重要miRNAs的LncRNAs，并筛选预后相关LncRNAs。以此构建影响肝癌患者预后的差异基因-miRNA-LncRNAs的ceRAN调控网络。结果：韦恩分析及表达分析发现，4个DEGs在肝癌组织及正常组织间差异表达，即AKR1B10、LAGLS4、MUC13、IGFALS；其中，AKR1B10高表达可独立预测肝癌患者...     

识别糖酵解相关LncRNA对头颈鳞状细胞癌的预后价值

目的 探究糖酵解相关的长链非编码RNA(lncRNA)在头颈鳞状细胞癌(SCCHN)发生、发展中的作用.方法 在TCGA数据库和MSigDB数据库中,获取SCCHN患者的正常组织和癌组织的RNA测序信息和糖酵解基因,通过"limma"包筛选出差异的lncRNA和糖酵解基因,并对差异糖酵解基因进行GO和KEGG功能富集分...     

基于TCGA数据库的肝细胞癌自噬相关基因预后风险模型的建立

目的 基于自噬相关基因(ATGs)构建肝细胞癌病人预后风险模型.方法 TCGA数据库下载374例肝细胞癌及50例正常肝组织的转录组数据和临床信息,首先筛选出差异表达基因(DEGs),然后从中筛选出差异表达的ATGs(DEATGs),最终利用单因素Cox回归分析、LASSO回归分析以及多因素Cox回归分析构建预后风险模型...     

m6A修饰相关的长链非编码RNA 对肾透明细胞癌预后和免疫治疗的研究

目的 探究与N6-甲基腺嘌呤(m6A)相关的长链非编码RNA(long non-coding RNA, lncRNA)对肾透明细胞癌(renal clear cell carcinoma, ccRCC)预后和免疫治疗的特征。方法 通过TCGA数据库下载532例ccRCC患者组织和72例正常肾组织的转录组数据和临床特征数据,利用共表达和单因素COX回归分析筛选与预后和m6A相关的lncRNA。基于预后和m6A相关的lncRNA的表达进行聚类分析,分析两种聚类分型与免疫检查点程序性死亡配体1(programmed death-ligand 1, PD-L1)和细胞毒性T淋巴细胞相关抗原-4(cytotoxic T lymphocyte-associated antigen-4, CTLA-4)表达的相关性。构建LASSO COX回归风险预后模型,验证其临床应用价值,利用ESTIMATE方法比较ccRCC肿瘤微环境的差异,免疫表观评分(immunophenoscore,IPS)预测ccRCC对免疫检查点抑制剂(immune checkpoint inhibitor, ICI)的敏感度。结果 通过共表达和单因素COX回归分析筛选出29个与预后和m6A相关的lncRNA,大多数在ccRCC组织中表达上调,而COL18A1-AS1、AC007066.2和AC018752.1则表达下调。通过聚类分析将532例ccRCC组织样本分为cluster1组和cluster2组,cluster2组预后更差,PD-L1和CTLA4表达更高。利用LASSO COX回归算法确定8个与预后和m6A相关的lncRNA,建立ccRCC风险预后模型,该模型在不同临床特征中均有较好的预测价值。依据模型计算风险值将患者分为高风险组和低风险组。高风险组患者预后更差,富含更多免疫细胞成分,对ICI治疗更敏感。结论 m6A相关的lncRNA对ccRCC患者的预后预测和免疫治疗指导具有重要意义。     

胃癌免疫相关长链非编码RNA预测模型的构建

目的·通过生物信息学方法构建胃癌患者免疫相关长链非编码RNA (long non-coding RNA,lncRNA)预测模型并探讨其应用价值。方法·通过癌症基因组图谱(the cancer genome atlas,TCGA)数据库下载413例胃癌样本的转录组测序(RNA sequencing,RNA-seq)数据,其中正常样本32例、肿瘤样本381例。通过ImmPort网站获得免疫相关基因。通过相关性分析获得免疫相关lncRNA (immune-related lncRNA, irlncRNA)。通过limma R软件包获得差异表达irlncRNA(differentially expressed immune-related lncRNA,DEirlncRNA)并绘制热图和火山图。通过构建DEirlncRNA对解决样本批次矫正问题。下载TCGA胃癌患者临床病理特征数据,通过单因素分析获得预后相关的DEirlncRNA对,进而通过LASSO回归分析筛选DEirlncRNA对,最后通过COX比例风险回归分析构建风险预测模型。通过计算曲线下面积(area under curve,AUC...     

基于m7G相关lncRNA识别胃癌的预后及免疫特征

目的 探讨N7-甲基鸟苷(m⁷G)修饰相关长链非编码RNA (lncRNA)与胃癌的预后及免疫特征间的关系。方法 通过癌症基因组图谱(TCGA)数据库获取胃癌和癌旁组织的转录组数据和临床数据。采用皮尔森相关分析识别m⁷G相关的lncRNA。通过单因素Cox回归、最小绝对收缩和运算符选择(LASSO)回归算法和多因素Cox回归构建m7G相关lncRNA的风险预测模型，并通过Kaplan-Meier生存曲线和受试者操作特征(ROC)曲线验证。构建列线图用于预测胃癌患者的预后。通过基因本体(GO)、京都基因和基因组数据库(KEGG)和免疫功能分析m⁷G高、低风险组生物功能的差异。通过肿瘤免疫逃逸(TIE)、免疫治疗药物敏感性和肿瘤突变负荷(TMB)评估免疫治疗反应。结果 由6个m⁷G相关lncRNA (AC090425.3,AC004817.3,AC023590.1,C3orf36,AC012055.1,LINC01854)构建的预后模型被证明具有良好的预测能力。GO和KEGG富集分析表明，肌肉相关生物学...     

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...     

基于长链非编码RNA的生物信息学分析构建膀胱癌预后模型并确定预后生物标志物

目的:构建基于长链非编码RNA(long non-coding RNA,lncRNA)的膀胱癌预后模型,并寻找预后生物标志物。方法:从癌症基因组图谱(The Cancer Genome Atlas,TCGA)数据库下载膀胱癌转录组及临床数据,Perl软件和R软件用于数据处理和分析。首先筛选差异表达lncRNA,继而对筛选结果进行单因素Cox回归分析以初步筛选与预后相关的lncRNA,再进一步用Lasso回归分析筛选影响预后的关键lncRNA,并运用多因素Cox回归分析构建预后模型。根据风险评分的中位数将患者分为高风险组和低风险组,运用Kaplan-Meier(K-M)生存分析、受试者接受特征(receiver operating characteristic,ROC)曲线和C指数对模型进行评价。此外,运用多因素Cox回归分析计算预后模型中各lncRNA的危险比和95%置信区间,并对差异有统计学意义的lncRNA进行K-M生存分析以确定预后生物标志物。结果:单因素Cox回归分析显示,在691个差异表达的lncRNA中, 35个可能与预后相关,其中23个经Lasso回归分析确认为影响预后的关键lncRNA。此外,K-M生存分析结果显示低风险组的总生存时间较高风险组长[(2.85±2.72)年vs. (1.58±1.51)年, P<0.001], ROC曲线显示3年生存率和5年生存率的曲线下面积分别为0.813和0.778,C指数为0.73。多因素Cox回归表明,23个关键lncRNA中有11个lncRNA差异有统计学意义,进一步的K-M生存分析表明,其中有3个lncRNA可能具有独立的预后价值,包括lncRNA AL589765.1(P = 0.004), AC023824.1(P = 0.022)和PKN2-AS1(P = 0.016)。结论:通过生物信息学分析,成功构建了基于23个lncRNA表达水平的膀胱癌预后模型,预测准确性中等,并确定了一个保护性预后生物标志物AL589765.1,以及两个不利的预后生物标志物AC023824.1和PKN2-AS1。     

基于脂质代谢基因构建胃癌预后预测模型

目的 基于胃癌脂质代谢相关基因建立预后风险模型，评价预后风险模型与免疫浸润的关系，为胃癌预后预测提供数据支持。方法 从癌症基因组图谱(TCGA)和GEO数据库中筛选与胃癌预后相关的脂质代谢基因。使用LASSO回归和多因素Cox回归分析构建预后风险模型。使用Kaplan-Meier分析和ROC曲线分析验证预后风险模型的预测效能。xCell分析用于识别高低风险组的免疫状态。构建整合风险模型和临床特征的诺模图。qRT-PCR验证OSBPL1A和MOGAT1在胃癌组织中的表达水平。结果 筛选得到胃癌脂质代谢相关预后基因OSBPL1A和MOGAT1并构建预后风险模型，根据风险评分中位数将胃癌患者分为高风险组与低风险组。低风险组患者的总体生存率显著优于高风险组患者(TCGA-STAD和GSE62254,P均<0.05)。时间依赖性ROC分析表明构建的风险模型1年、3年和5年总生存率的AUC值分别为0.65、0.68、0.70和0.55、0.60、0.60(TCGA-STAD和GSE62254)。xCell分析结果显示与高风险组相比，低风险组的免疫细胞表达量显著增高(P<0.05)。整合...