基于乳酸代谢基因的肺腺癌预后模型的建立和评价

目的 探讨肺腺癌（LUAD）组织中乳酸代谢相关基因以及基于乳酸代谢基因构建LUAD预后评分模型,阐明其预测LUAD预后的能力。 方法 采用癌症基因图谱（TCGA）数据库筛选LUAD相关乳酸代谢基因。采用单因素和多因素Cox回归及LASSO回归分析获得关键基因并构建LUAD的乳酸代谢评分模型,采用Kaplan-Meier生存分析和受试者工作特征（ROC）曲线对模型的预测能力进行验证,TIMER法评估该模型与患者临床特征和免疫细胞浸润丰度之间的关系。 结果 成功筛选出16个乳酸代谢基因并构建评分模型;生存分析,低风险组患者的总生存时间（OS）明显高于高风险组（P< 0.01）,且有较高的预测预后能力,ROC曲线下面积（AUC）均高于0.7;多因素Cox回归分析,23个乳酸代谢基因是LUAD患者的独立的预后基因;乳酸评分与B淋巴细胞（r=－0.326,P<0.001）、CD4 T淋巴细胞（r=－0.196,P<0.001）、CD8 T淋巴细胞（r=－0.094,P=0.036）、巨噬细胞（r=－0.198,P<0.001）和树突状细胞（r=－0.119,P=0.008）百分率呈负相关关系。 结论 乳酸代谢评分模型可以很好评估LUAD 预后与肿瘤微环境（TIMER）的状态,可作为LUAD预后预测的生物标志物。     

基于数据库构建乳腺癌焦亡相关基因的预后风险模型

目的 探究焦亡相关差异表达基因(DEGs)在乳腺癌中预后价值并构建预后风险模型。 方法 从癌症基因组图谱(TCGA)和肿瘤基因表达数据库(GEO)官网下载乳腺癌的基因测序、临床数据,筛选焦亡相关DEGs。将乳腺癌患者进行聚类分析。在TCGA队列中以最小绝对收缩和选择算子(LASSO)方法建立模型。利用Kaplan-Meier生存曲线、受试者工作特征曲线(ROC)、单因素及多因素Cox回归独立预后因素分析等评价该模型。GEO队列为验证集。通过GO、KEGG、ssGSEA分析风险DEGs的富集情况。 结果 筛选出焦亡相关DEGs,聚类分析可见C2组总生存期(OS)延长,差异有统计学意义(P=0.020)。该模型K-M生存分析显示,高风险组OS缩短(TCGA队列中P<0.001,GEO队列中P=0.018)。ROC曲线下面积(AUC)表明该模型具有一定预测能力。单因素、多因素Cox回归分析表明,年龄、M、N分期和风险评分为OS的独立预测因子。GO、 KEGG富集与ssGSEA分析证实了风险相关DEGs与免疫炎症因子和通路有关。 结论 本研究构建了由9个焦亡相关基因组成的乳腺癌预后风险模型,为乳腺癌患者的风险预后评估提供了参考。     

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。     

基于离子通道相关基因的膀胱癌患者预后风险评估模型构建

目的:基于离子通道相关基因（ICRG）构建膀胱癌患者预后风险评估模型。方法:首先从已有研究中获得ICRG。患者临床信息和信使RNA表达均从癌症基因组图谱数据库膀胱癌数据集下载。接着，采用Cox回归分析和最小绝对收缩与选择算子回归分析筛选预后相关基因并通过免疫组织化学及定量逆转录量聚合酶链反应结果验证相关基因的表达。然后，构建预测膀胱癌患者预后的风险评分方程并根据风险评分的中位数将患者分为高风险组和低风险组，比较两组免疫细胞浸润丰度差异。应用Kaplan-Meier生存曲线及应用受试者操作特征曲线（ROC曲线）评估风险评分方程的准确性以及临床应用价值。最后，通过单因素和多因素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的列线图。结果:通过比较膀胱癌组织与健康膀胱组织中ICRG的表达水平，发现共有73个ICRG差异表达，其中11个与膀胱癌患者的预后相关。Kaplan-Meier生存曲线结果提示，基于这11个基因构建的风险评分与患者预后呈负相关；随时间变化的ROC曲线结果显示，风险评分预测患者1、3、5年预后的曲线下面积分别为0.634、0.665、0.712。分层分析发现...     

基于生物信息学筛选子宫内膜癌预后相关的lncRNAs分子标签

目的：寻找与子宫内膜癌预后相关的lncRNAs分子标签,为预测子宫内膜癌患者的预后及个体化治疗提供有效指导。方法：下载TCGA数据库中的523例子宫内膜癌患者样本,随机分为训练集（n =262）和测试集（n =261）。在训练集中,采用单因素Cox回归结合LASSO回归分析筛选与子宫内膜癌预后相关的lncRNAs分子标签,构建lncRNAs风险评分模型,预测子宫内膜癌预后,并在测试集中验证其预测的有效性。最后,采用基因集富集分析（GSEA）研究lncRNAs风险评分模型预测的高、低风险组之间生物学通路富集的差异。结果：基于LASSO Cox回归分析,一共筛选出13个与子宫内膜癌预后显著相关的差异lncRNAs（P ＜0.001）,并以它们作为分子标签构建lncRNAs风险评分模型,将子宫内膜癌患者划分为高风险组和低分险组;生存曲线分析表明,低风险组患者的总生存期在训练集（P ＜0.001）和测试集（P ＜0.001）中均显著优于高风险组。多因素Cox回归分析显示,这13个lncRNAs在训练集（HR =1.08,95%CI：1.06～1.10,P ＜0.001）和测试集（HR =1.54,95%CI：1.34～1.78,P ＜0.001）中均为影响子宫内膜癌预后的独立危险因素。进一步构建lncRNAs分子标签联合临床指标模型并绘制ROC曲线发现,lncRNAs分子标签联合临床指标的模型可进一步提高预测效能。GSEA富集分析表明,细胞周期调控相关的基因集在高风险组中有显著富集,免疫和代谢相关通路则更多地在低风险组富集。结论：本研究确定了与子宫内膜癌预后相关的lncRNAs,基于13 个lncRNAs构建的风险评估模型可作为预测子宫内膜癌预后标志物的分子标签。     

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...     

肝癌索拉非尼敏感性预测模型的构建及临床意义

目的：基于生物信息学方法构建并验证肝细胞癌(以下简称肝癌)对索拉非尼敏感性相关基因的预后风险模型,探究该模型对肝癌患者预后和对索拉非尼敏感性的预测能力。 方法：本研究对GSE109211数据集、TCGA-LIHC队列、ICGC-LIRI队列进行差异基因分析,通过交集筛选出肝癌索拉非尼敏感性相关基因。利用单因素Cox分析和LASSO回归构建预后风险模型并进行验证。通过GDSC数据库分析索拉非尼的IC50值并探索其与风险评分的关系。 结果：筛选出365个与索拉非尼敏感性相关的基因,富集分析显示存在与药物代谢相关的信号通路。单因素Cox回归分析出221个与预后相关的基因,通过LASSO回归构建了一个包含7个关键基因的预后风险模型,与低风险组相比,高风险组具有较短的生存时间。多因素Cox回归分析显示风险评分是独立的预后因素。通过对比高、低风险组患者的索拉非尼IC50值,发现高风险组的索拉非尼IC50值较低,提示高风险组对索拉非尼的治疗可能更敏感。 结论：基于索拉非尼敏感性相关基因构建的预后风险模型对肝癌患者预后具有良好的预测价值,并为评估肝癌患者的索拉非尼敏感性提供理论依据。     

自噬相关基因同膀胱癌预后的关系研究

目的 分析自噬相关基因在膀胱癌中表达模式并基于自噬相关基因构建膀胱癌预后模型。方法 基于癌症基因组图谱数据库中膀胱癌患者基因表达谱数据和临床相关信息,分析自噬相关基因在膀胱癌中的表达模式;利用单因素、多因素Cox回归模型,筛选同膀胱癌预后相关的自噬相关差异表达基因,建立预后风险模型;利用不同来源的数据集（GSE48075）评估建立的预后风险模型。结果 共筛选出38个膀胱癌组织中差异表达的自噬相关基因,MYC、SPHK1、NAMPT、 P4HB、 SPNS1、 DIRAS3、 TP63、 APOL1、 ITGA3等自噬相关基因表达同膀胱癌预后相关,利用MYC、SPHK1、NAMPT等自噬相关基因成功构建了膀胱癌预后风险模型,风险模型验证结果表明该模型对膀胱癌预后有较好的预测效果,表现为预后模型低风险组预后良好,高风险组预后较差。结论 膀胱癌风险预后模型可较好地预测膀胱癌患者生存情况。     

基于肺腺癌组织中可变剪接数据构建剪接因子-可变剪接调控网络的生物信息学分析

目的 利用生物信息学方法筛选与肺腺癌（LUAD）患者生存相关的可变剪接（AS）事件,构建剪接因子（SF）-AS调控网络,为LUAD患者的预后评价提供新思路。 方法 由癌症基因组图谱（TCGA）数据库中下载LUAD患者转录组数据和临床数据。从SF表达和RNA靶点（SpliceAid2）数据库中下载LUAD患者AS数据。对LUAD患者生存相关AS事件进行单因素Cox回归分析。采用LASSO回归分析和多因素Cox回归分析构建LUAD患者预后风险模型,基于该模型计算每种AS事件的风险评分,采用 Kaplan-Meier（K-M）生存分析和受试者工作特征曲线（ROC）评价模型的可靠性。通过Cox 回归分析风险模型、临床参数与LUAD患者独立预后的关系。采用Pearson检验对SF和与预后相关的AS事件进行相关性分析,并通过Cytoscape软件构建SF-AS互作网络。 结果 筛选获取与生存相关的AS事件43 948个,共7种类型,主要以外显子活跃（ES）事件和可变终止子（AT）事件为主。构建AS事件预后风险模型,基于该模型风险评分将LUAD患者分为高风险组和低风险组,K-M生存分析,高风险组LUAD患者总生存（OS）率较低风险组低（P<0.05）。ROC曲线分析,LUAD患者预后风险模型预测性良好,曲线下面积（AUC）为0.824。SF-AS调控网络,12个与预后相关SFs正向或负向调节AS事件,可预测LUAD患者的不良预后。 结论 筛选了与LUAD患者预后相关的AS事件和上游的调控因子SF,构建了SF-AS网络,为进一步研究AS事件与LUAD患者预后的相关性提供理论依据。     

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。     

基于生物信息学的子宫内膜癌预后模型构建

目的 筛选与子宫内膜癌（endometrial carcinoma,EC）预后相关的差异基因并构建预后模型。方法 从癌症基因图谱（The Cancer Genome Atlas,TCGA）数据库和基因表达谱数据库（Gene Expression Omnibus,GEO）的数据集GSE63678中下载EC和正常对照样本的基因表达数据,筛选出共有差异基因。采用LASSO回归分析筛选出具有预后意义的基因,并构建预后特征。从TCGA数据库中获取具有完整信息的EC患者,按1∶1的比例随机分为训练组和验证组。对训练组患者基于预后特征构建生存曲线;采用基因本体论（gene ontology,GO）分析和京都基因与基因组百科全书（Kyoto Encyclopedia of Genes and Genomes,KEGG）对预后特征进行功能注释和通路富集分析;结合预后特征及临床危险因素构建列线图,采用校准曲线和C指数评估列线图性能。最后使用验证组加以验证。结果 从TCGA和GEO数据库分别筛选出4800个和257个差异基因,其中共表达的上调基因73个,下调基因52个;LASSO回归分析筛选出6个预后基因,分别为ORMDL2、BNC2、TTK、MAMLD1、KCTD7、DCLK2;生存曲线结果表明高风险组患者的总生存率显著低于低风险组（P<0.01）;GO分析和KEGG结果显示预后特征与细胞周期相关。列线图在训练组与验证组中均显示出良好的预测能力。结论 本研究构建一种基于预后特征的预测模型,可准确预测EC患者的预后,为临床诊疗提供新的理论支持。     

胃癌miRNAs预后风险评分模型的构建与应用

目的 筛选与胃癌预后存在关联性的微小RNAs(miRNAs)生物标志物,构建风险评分模型用于患者预后评估。 方法 基于人类癌症和肿瘤基因图谱(TCGA)数据库下载胃癌miRNAs表达谱数据及样本相关临床信息,通过“DESeq2”软件包对miRNAs表达谱进行差异分析。采用单因素Cox回归分析和Kaplan-Meier生存分析筛选与预后存在关联性的miRNAs,并将预后miRNAs纳入多因素Cox回归分析用于预后风险评分模型的构建。通过“timeROC”软件包绘制受试者工作特征曲线(ROC),对模型效能进行评价。最后通过在线数据库对miRNAs可能结合的信使RNAs(mRNAs)进行预测,并通过基因本体(GO)、京都基因与基因组百科全书(KEGG)预测其功能。 结果 以log₂ | Fold Change |>1,P<0.05为标准,筛选得到248个胃癌组织中差异表达的miRNAs。通过单因素Cox回归分析及Kaplan-Meier生存分析筛选到6个与患者总体生存率有关联性的差异表达的miRNAs,随后使用多因素Cox回归分析成功构建胃癌miRNAs预后风险评分模型,风险评分=0.048 35×miR-181b-1 +0.112 06×miR-548d-1+0.068 00×miR-675+0.075 87×miR-708+1.175 21×miR-4640+0.089 89×miR-4709。Kaplan-Meier生存曲线结果显示,风险评分高的患者预后较差(P<0.001);模型5年总体生存率ROC曲线下面积(AUC)为0.776,证明该模型能够有效预测胃癌患者预后风险。GO和KEGG功能分析结果显示,模型miRNAs分子参与多个肿瘤相关代谢通路。 结论 成功构建了miRNAs预后风险评分模型,且该模型对胃癌患者生存状态具有良好的预测效能。     

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。