基于TCGA数据库分析泛凋亡相关基因构建肺腺癌预后模型的预测价值及其对肿瘤免疫微环境的影响

摘 要：［目的］ 探讨泛凋亡（PANoptosis）对肺腺癌（lung adenocarcinoma，LUAD）患者预后及免疫微环境的预测价值。［方法］ 从TCGA数据库下载LUAD样本与正常样本的基因表达谱及临床数据，从已发表的文献中获取PANoptosis相关基因并分析其在肿瘤组和对照组间的差异表达基因。通过单变量Cox分析和LASSO-Cox回归分析构建生存预后模型，将患者按风险评分划为高、低风险组。通过Kaplan-Meier生存曲线和受试者工作特征（receiver operating characteristic，ROC）曲线下面积（area under the curve，AUC）评价模型的预测性能，再对模型风险评分进行独立预后分析。GO和KEGG富集分析探索生物功能和潜在的信号通路。采用TIMER数据库ESTIMATE算法综合分析PANoptosis相关基因与免疫微环境相关性。通过qRT-PCR验证PANoptosis预后相关基因在LUAD组织和正常肺组织间的差异表达。［结果］ 共有15个PANoptosis相关基因在LUAD组和正常组间存在差异性表达，从中筛选出4个PANoptosis预后相关基因（RIPK3、NLRP3、FADD、MLKL）。在LASSO-Cox回归模型中，高风险组的生存率低于低风险组（P<0.001）。单变量和多变量Cox分析显示该评分模型是LUAD的独立预后因素（HR=2.179，95%CI：1.347～3.524，P=0.001），而GO和KEGG分析显示差异表达基因主要富集于与免疫相关的通路。高低风险组之间免疫微环境、免疫细胞差异和免疫检查点基因表达差异显著。此外，qRT-PCR实验也证实PANoptosis相关基因FADD（P=0.007）和NLRP3（P<0.001）在LUAD组和正常组之间表达存在差异。［结论］ 本研究构建的PANoptosis相关基因的生存预后模型可以预测LUAD患者的预后及免疫微环境。     

肝细胞癌中免疫相关基因的预后作用

目的 探讨肝细胞癌（HCC）患者免疫相关基因特征的潜在预后生物标志物。方法 从TCGA数据库下载原始肝细胞癌数据,执行单样本基因集富集分析计算每个样本的免疫活性。利用“GSVA”包和“hclust”包将HCC样本分成高和低免疫细胞浸润组。ESTIMATE算法对每个HCC样本中的肿瘤微环境进行评分。“limma”包和维恩图确定有效的免疫相关基因。单因素Cox、LASSO回归和多因素Cox回归分析探索关键基因。“rms”包建立列线图并绘制校准曲线。结果 与高免疫细胞浸润组相比,低免疫细胞浸润组中样本的肿瘤纯度更高,免疫评分、ESTIMATE评分和基质评分较低。高免疫细胞浸润组免疫成分更丰富,TIGIT、PD-L1、PD-1、LAG3、TIM-3、CTLA4和HLA家族的表达水平更高。多因素Cox回归分析显示4个免疫相关基因（S100A9、HMOX1、IL18RAP和FCER1G）被用来构建预后模型。与其他临床特征相比,该预后模型的风险评分被确认为独立的预后因素。结论  本研究确定了肝细胞癌免疫相关核心基因,可用于肝细胞癌的靶向治疗和免疫治疗。     

基于铁死亡相关基因骨肉瘤预后模型的构建与验证

目的 基于铁死亡相关基因（FRG）构建骨肉瘤（OS）预后模型,探讨FRG在OS中的表达及与患者预后的关系。方法 通过生物信息学方法从UCSC Xena数据库中获取88例OS患者的转录组测序数据和其中85例患者的临床资料,与基因型-组织表达（GTEx）数据库中获取的396例正常骨组织样本合并,从FerrDb数据库中获取FRG,从合并后的数据中进行差异分析并提取差异表达的FRG。采用基因本体（GO）和京都基因与基因组百科全书（KEGG）富集分析探索OS中FRG的生物学功能。采用单因素Cox与Lasso回归模型筛选预后相关基因并构建预后预测模型。采用受试者工作特征（ROC）曲线分析预后模型的预测价值。采用单因素及多因素Cox回归模型分析OS患者预后的独立影响因素。采用实时荧光定量聚合酶链反应（qPCR）检测预后相关FRG在人成骨细胞hFOB1.19与OS细胞系U2OS、MG63中的表达情况。结果 共获得57个差异表达的FRG。GO与KEGG富集分析发现这些差异基因主要富集在缺氧反应、线粒体外膜、铁离子结合等生物学反应和线粒体自噬、化学致癌-活性氧以及铁死亡等途径。应用单因素Cox及Lasso...     

乳腺癌铜死亡相关lncRNA预后风险模型的构建

[目的]基于铜死亡相关lncRNA构建乳腺癌预后风险模型并探索其潜在的生物学意义。[方法]从TCGA数据库下载乳腺癌数据，利用R软件获取铜死亡相关lncRNA。用Cox回归及Lasso回归分析筛选铜死亡预后相关lncRNA，建立预后风险模型。运用Kaplan-Meier分析和ROC曲线对模型进行评估，并将此模型与临床病理特征进行整合，Cox回归分析寻找独立预后因素，建立列线图。对高低风险组之间差异基因进行基因本体（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、免疫功能分析，并探讨两组间TMB和突变基因的表达。[结果]单因素Cox回归分析显示19个铜死亡预后相关lncRNA,Lasso回归分析筛选出14个lncRNA，多因素Cox回归分析确定8个lncRNA (AL590434.1、AC105398.1、AL137847.1、AC004982.1、AC107993.1、MECOM-AS1、U73166.1、HECW2-AS1)用于构建预后风险模型。风险评分=（-1.4549...     

膀胱癌miRNAs风险预后模型建立与应用

目的:通过筛选与膀胱癌生存预后相关的非编码小分子核糖核酸(microRNAs,miRNAs),构建风险预后模型评价患者预后。方法:从人类癌症基因图谱（The Cancer Genome Atlas,TCGA）数据库下载膀胱癌miRNAs与mRNAs数据及对应的临床相关信息,筛选差异的miRNAs和mRNAs。对差异的miRNAs进行Kaplan-Meier（K-M）生存分析和单因素Cox回归分析评价筛选得到与预后相关的miRNAs。采用多因素Cox回归进一步分析获得风险模型目标miRNAs,建立最佳风险预后模型,评价模型效能。通过在线数据库和差异mRNAs数据对结合的miRNA靶基因进行筛选,然后进行KEGG和GO富集分析,预测miRNAs靶基因功能。结果:筛选得到膀胱癌差异miRNAs有473个,差异mRNAs有7 106个。运用K-M生存分析及单因素Cox回归筛选得到24个与膀胱癌患者生存预后相关的miRNAs,进一步通过多因素Cox回归得到11个与风险预后模型紧密相关的miRNAs,成功构建miRNAs风险预后模型。模型风险评分=（-0.4×Exphsa-miR-145-5p）+（-0.928×Exphsa-miR-99a-5p）+（-0.295×Exphsa-miR-7705）+（-0.566×Exphsa-miR-590-3p）+（0.201×Exphsa-miR-337-3p）+（0.576×Exphsa-miR-125b-2-3p）+（0.345×Exphsa-miR-652-3p）+（-0.718×Exphsa-miR-143-5p）+（0.286×Exphsa-miR-3065-3p）+（0.282×Exphsa-let-7c-3p）+（0.145×Exphsa-miR-216a-5p）。模型的受试者工作特征曲线(receiver operating characteristic curve,ROC)曲线下面积（the area under the ROC curve,AUC）为0.781,提示风险预后模型具有较好的预测效能。K-M生存分析提示模型评分越高的患者5年生存率越低。GO和KEGG富集分析显示,模型miRNAs能够调控多种泌尿系统活性信号和相关通路,介导膀胱癌疾病进展。结论:成功构建膀胱癌miRNAs风险预后评估模型,为临床膀胱癌患者生存预测提供了一定的价值。     

TTN突变相关基因特征对肝细胞肝癌预后的预测价值

目的:寻找新的有效生物标志物用于肝细胞肝癌(hepatocellular carcinoma,HCC)的早期诊断和预后预测。方法:从癌症基因组图谱(The Cancer Genome Atlas,TCGA)下载HCC样本的转录组和临床数据,利用TCGA队列的mRNA丰度数据和TTN突变信息,根据野生型TTN和突变型TTN HCC患者之间的基因表达差异,表征特定的TTN突变相关特征。生存分析筛选与HCC患者预后相关的基因,单因素Cox回归构建预后风险模型。通过GO注释、途径富集分析、京都基因和基因组百科全书(Kyoto Encyclopedia of Genes and Genomes,KEGG)和基因集富集分析(gene set enrichment analysis,GSEA)确定与HCC患者预后相关的差异表达基因(differentially expressed genes,DEGs)的功能。结果:通过单变量Cox回归和Kaplan-Meier生存分析确定的5个基因,腹前同源盒1(ventral anterior homeobox 1,VAX1)、基质金属蛋白酶3(matrix metalloproteinase 3,MMP3)、CXC型趋化因子5（CXC-type chemokine 5,CXCL5)、转酮醇酶样蛋白1(transketolase-like protein 1,TKTL1)和电压门控钾通道Kv1.3(voltage-gated potassium channel Kv1.3,KCNA3)构成了HCC患者总生存(overall survival,OS)预后基因特征。结论:5个TTN突变相关基因,包括VAX1、MMP3、CXCL5、TKTL1和KCNA3,可作为HCC患者生存和预后的潜在生物标志物和治疗靶点。     

基于自噬相关基因识别和建立胰腺导管腺癌预后模型的研究

目的:寻找胰腺导管腺癌（pancreatic duct adenocarcinoma,PDAC）理想的预后生物标志物及预测预后的危险因素。方法:从癌症基因组图谱（TCGA）数据库下载了ARGs的表达谱和PDAC患者的临床数据。通过Wilcoxon秩和检验鉴定出具有明显差异的自噬相关基因（SD-ARGs）。借助单因素Cox回归和多因素Cox回归来建立ARGs的预后模型。利用卡普兰-米耶（K-M）曲线和观察者特性（ROC）曲线评估模型,进行了GO和KEGG富集分析,以探索潜在的信号通路和分子机制。此外,本研究进一步揭示了ARGs与临床特征之间的关系。结果:筛选出12种SD-ARGs。利用多元Cox回归确定了3个SD-ARGs作为构建模型以计算风险评分和预测患者预后的基础,而计算出的风险评分可能作为PDAC的独立预后因素。K-M曲线、ROC曲线在一定程度上证实了构建的模型预测PDAC患者的总生存期（OS）的有效性。结论:本研究借助筛选的SD-ARGs构建了预测PDAC患者的预后模型。该模型还需经过进一步验证,其可能作为预测PDAC患者OS的可靠工具。     

基于LASSO回归筛选影响肺腺癌患者预后的糖酵解相关基因

  目的  确定用于评估肺腺癌（lung adenocarcinoma,LUAD）患者糖酵解相关基因的风险评分模型。  方法  使用公共数据库癌症基因组图谱（The Cancer Genome Atlas,TCGA）中LUAD患者转录组数据,通过基因富集分析（gene set enrichment analysis,GSEA）、差异表达基因（differentially expressed genes,DEGs）分析和最小绝对收缩选择算子（least absolute shrinkage and selection operator,LASSO）回归分析构建风险预测模型。通过Kaplan-Meier分析、受试者工作特征（receiver operating characteristic,ROC）曲线、单因素及多因素Cox回归分析验证模型预测性能。使用CIBERSORT算法计算高、低风险两组免疫细胞浸润差异。构建用于临床预测患者预后的列线图。  结果  识别出3个糖酵解相关基因集,筛选出6个糖酵解相关基因构建风险评分模型。高风险组总生存率显著低于低风险组,验证性结果显示该模型有良好的预测性能。高、低风险两组的免疫细胞浸润情况存在显著差异。列线图的构建开发了一种可以预测LUAD患者生存率的定量方法。  结论  基于糖酵解相关基因构建的风险评分模型为早期LUAD患者预测预后提供了新型生物标志物。      

基于TCGA数据库分析肝细胞肝癌组织中HMMR表达与患者临床特征及预后的相关性

目的:研究透明质酸介导的运动受体（hyaluronan-mediated motility receptor,HMMR）的表达与肝细胞肝癌（hepatocellular carcinoma,HCC）的发生发展以及预后的关系。方法:在本研究中,我们通过从癌症基因组图谱(the cancer genome atlas,TCGA)数据库中下载HCC有关的数据进行生物信息学分析,探讨HMMR表达在HCC发生、发展和预后中的价值。根据HMMR mRNA表达的中位值将患者分为两组(HMMR高表达组和HMMR低表达组),应用Kruskal-Wallis检验和Logistic回归分析HMMR表达与患者临床特征之间的关系,利用Kaplan-Meier和Cox分析观察HMMR表达对HCC患者生存的影响,并进行PPI蛋白互作网络、GO富集和KEGG通路分析。最后通过实时荧光定量PCR(quantitative real-time PCR,qRT-PCR)验证HMMR mRNA在HCC组织样本中的表达。结果:HCC组织中HMMR的高表达与组织学分级(G3 vs G1,OR=2.675)、癌组织阶段(Ⅲ vs Ⅰ,OR=2.509）、T分期(T4 vs T1,OR=3.568)相关(P均<0.05)。Kaplan-Meier生存分析显示,HMMR高表达的HCC预后比HMMR低表达的患者差(P=6.858E-05)。Cox分析显示HMMR高表达是总体生存（overall survival,OS）的危险因素（HR:1.166,95%CI:1.027~1.324,P=0.018）。PPI蛋白互作、GO富集和KEGG通路分析鉴定了与HMMR存在相互作用的10个基因,分别为:FAM83D、CD44、TPX2、PLK4、AURKA、PLK1、NEK2、CDK1、BUB1及DLGAP5,它们主要富集在有丝分裂细胞周期相变的调控、细胞周期过程、ECM-受体相互作用、FoxO信号通路、EB病毒感染等。qRT-PCR结果显示,HMMR mRNA在HCC癌组织中高表达（P＜0.05）。结论:HMMR mRNA的高表达与HCC的发生发展密切相关,是HCC预后不良的独立危险因素。     

基于生物信息学分析METTL7B在胶质瘤组织中的表达及其临床意义

目的：探讨甲基转移酶样蛋白7B(METTL7B)在胶质瘤组织中的表达及其与患者临床病理特征和预后的相关性。方法：基于CGGA数据库胶质瘤数据和GTEx数据库正常脑组织数据,分析METTL7B基因在胶质瘤与正常脑组织中的表达差异,并用GEPIA数据库数据和免疫组织化学染色法进行验证。用Kaplan-Meier生存分析、单因素Cox分析、多因素Cox分析及ROC曲线分析等评估METTL7B在胶质瘤患者预后中的价值,用CGGA数据库数据分析METTL7B表达与胶质瘤患者临床病理特征的相关性,用CIBERSORT及TIMER数据库进行肿瘤免疫细胞浸润分析,进行KEGG通路富集分析及GO功能富集分析,通过基因共表达分析确定与METTL7B相关的基因。结果：METTL7B在胶质瘤组织中明显上调（均P<0.05）,METTL7B表达是胶质瘤患者独立的不良预后因素。METTL7B高表达与高龄（>41岁）、肿瘤分级增加、肿瘤复发或继发性肿瘤、IDH野生型、1p19q非共缺失以及肿瘤的恶性病理学有关联（均P<0.01）;METTL7B表达与B细胞、CD4+T细胞、CD8+T细胞、单核细胞...     

基于细胞焦亡的结肠癌预后预测模式

目的：采用生物信息学方法探索结肠癌组织中与焦亡相关的基因,并探讨其与预后的关系,为结肠癌患者提供新的治疗靶点。方法：分别从TCGA数据库、GEO数据库中下载结肠癌患者的基因表达、转录数据及临床数据。利用R软件提取出TCGA转录数据中细胞焦亡基因的表达量,并找到差异表达基因,构建差异表达基因的蛋白互作网络。采用单因素分析、聚类分析将基因进行分型,比较两种亚型之间生存差异,得到预后相关基因。然后通过Lasso回归分析、交叉验证及优化,得到基因系数（Coef系数）,构建一种结肠癌预后的预测模型。根据该预测模型计算出TCGA样本的中位风险得分,将样本分为高、低风险组。以GEO样本作为验证组,分别对TCGA、GEO样本进行生存分析（Kaplan-Meier分析）、绘制ROC曲线、绘制风险曲线、PCA和t-SNE分析。结合模型中的风险评分,分别采用单因素及多因素分析来寻找结肠癌患者的独立预后因素。对高、低风险组进行GO和KEGG分析。最后行ssGSEA分析,对每个样本进行免疫细胞及免疫相关功能打分,得到高、低风险组之间免疫细胞及免疫细胞相关功能的差异。结果：共鉴定了52个焦亡基因在结肠癌及正常结肠...     

基于生物信息学分析筛选和鉴定肝细胞癌预后相关的代谢基因

目的:寻找与肝癌发病机制和预后相关的潜在代谢基因并构建预测肝细胞癌(hepatocellular carcino-ma,HCC)患者预后模型.方法:通过GSEA数据库获得所有与代谢途径相关的基因,从TCGA数据库下载肝癌和正常组织的基因表达数据.将二者的基因相映射,分析这些代谢差异表基因(DEGs)在肝癌标本中的表达情...     

肝癌中铜死亡相关基因的表达及其预后价值

目的探讨铜死亡相关基因与肝癌生存预后的关系。方法通过收集TCGA数据库中肝癌患者的临床信息和相应的RNA-seq数据,分析10个铜死亡相关基因在肝癌组织和正常组织中的差异表达。进一步使用一致性聚类以确定新的肝癌亚型,比较两个亚型之间总体生存率和临床特征的差异。单因素Cox回归分析筛选与预后相关的铜死亡基因,并利用LASSO回归分析构建风险模型。结果与正常组织相比,肝癌组织中FDX1表现下调,其余9个基因表现上调。聚类分析示,Cluster1的预后较差。基于单因素Cox回归分析和LASSO回归分析筛选出5个预后相关基因(LIPT1、DLAT、MTF1、GLS、CDKN2A)并构建风险模型。与其他临床特征相比,该预后模型的风险评分被确认为独立的预后因素。结论通过生物信息学分析构建了5个铜死亡相关基因的肝癌预后模型,有可能作为肿瘤诊断分子标志物和潜在的治疗靶点。     

基于免疫相关基因构建肝细胞癌患者的预后模型及效果分析

目的:构建基于免疫相关基因的预测肝细胞癌(hepatocellular carcinoma,HCC)患者预后的预后模型.方法:所有的组织样本均从癌症基因组图谱(The Cancer Genome Atlas,TCGA)项目下载.我们在R软件中对50例正常肝脏组织和373例HCC组织的所有免疫相关基因进行了差异表达分析....     

基于TCGA数据库代谢相关基因构建乳腺癌预后模型

目的 基于TCGA数据库构建乳腺癌代谢相关预后模型,揭示代谢与乳腺癌预后之间的关系.方法 代谢相关基因从KEGG数据库中获取,limma包用于去筛选TCGA数据库中1109例乳腺癌样本和113例正常对照的代谢相关差异基因,随机抽取70％样本作为训练集,剩余30％样本作为验证集,单因素Cox回归用于筛选预后相关基因,基于...     

基于TCGA数据库的胶质母细胞瘤LncRNA风险预测模型的建立

 目的 利用TCGA数据库建立胶质母细胞瘤患者预后的LncRNA风险评分模型。方法 下载TCGA数据库中胶质母细胞瘤及正常神经组织的基因表达谱数据、临床相关数据，筛选差异表达LncRNA，采用单因素和多因素Cox风险回归模型筛选和建立LncRNA预后模型。 结果 从TCGA数据库中得到169份胶质母细胞瘤组织和5份正常神经组织的基因表达谱，使用R语言edgeR包进行差异基因分析（logFC≥2或≤-2，FDR<0.05）得到差异基因7 978个，其中差异LncRNA 1 643个。单因素Cox分析及多因素Cox回归分析得到基于4个LncRNA的多因素预后风险模型：风险评分=0.59×NDUFB2-AS1－0.41×ZEB1-AS1＋0.31×AL139385.1＋0.21×AGAP2-AS1。模型的ROC曲线下面积AUC=0.864。患者风险评分结果提示高评分患者预后较低评分患者差。结论 NDUFB2-AS1、ZEB1-AS1、AL139385.1和AGAP2-AS1的风险预测模型可有效预测胶质母细胞瘤患者的预后，有望用于指导临床治疗。