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...     

WGCNA联合LASSO-COX方法筛选甲状腺癌预后关键基因及其临床价值分析

目的 筛选甲状腺癌（thyroid cancer，THCA）的关键预后基因并构建预后预测模型。方法 从癌症基因组图谱（The Cancer Genome Atlas，TCGA）数据库中获取THCA和正常样本的基因表达谱，采用Limma算法筛选THCA组织与正常组织间差异表达基因（differentially expressed genes，DEGs），再进行权重基因共表达网络分析（weighted gene co-expression network analysis，WGCNA）和套索联合COX回归分析（least absolute shrinkage and selection operator regression COX analysis，LASSO-COX）获得与其预后相关基因，然后根据关键基因构建预后预测模型，基于风险评分进行生存分析和受试者工作特征（receiver operating characteristic，ROC）曲线分析，最后基于基因表达谱和风险评分进行基因集富集分析（gene set enrichment analysis，GSEA）以评估相关途径和分子机制。结果 本研究筛选出5个THCA预后关键基因，即LINC02550、STEAP2、ATP2C2、PLEKHG4B和SALL4。通过这5个基因构建的预后评估模型表明，风险评分越高，预后越差。ROC曲线分析结果表明该模型对患者生存率具有优良的预测性能，结合THCA患者的主要临床特性建立的列线图具有良好的预测性能。GSEA分析发现mTOR信号通路、Hedgehog信号通路、细胞自噬调节、转化生长因子-β信号通路富集在高风险评分组。结论 基于筛选出的5个关键基因构建的预后预测模型有助于预测THCA患者的预后，这5个基因是潜在的靶向治疗基因。     

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。     

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。     

结合生物信息学分析建立前列腺癌预后风险预测模型

目的 基于公共数据库构建前列腺癌的预后风险预测模型。方法 下载TCGA数据库中前列腺癌相关数据及GEO数据库的GSE104131数据集，对GSE104131测序数据进行加权基因共表达网络分析，得到关联前列腺癌(PCa)组织最高的关键模块，并与TCGA测序数据取交集，获得交集基因表达矩阵，进而对其表达量进行差异比较，最后对差异基因进行单因素和多因素cox回归分析，构建前列腺癌的预后风险预测模型，并对模型进行验证。结果 加权基因共表达网络分析(WGCNA)分析获得棕色模块为关键模块，差异表达基因共有200个，单因素cox回归分析获得16个与总生存率高度相关的潜在基因，多因素cox回归分析获得4个与PCa患者预后相关的基因，且构建了一个四基因风险预测模型。结论 本研究构建的模型对前列腺癌高低风险人群有较好的生存预测能力，为PCa预后风险的研究提供了基础，可为PCa的治疗提供新的方向。     

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。     

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...     

基于单样本基因富集分析分型构建肺腺癌的风险预测模型

目的研究基于单样本基因富集分析（ssGSEA）分型构建肺腺癌的风险预测模型的价值。方法从癌症基因组图谱（TCGA）数据库及基因表达数据库（GEO）中分别获取515例及116例肺腺癌患者的数据。基于TCGA数据库进行ssGSEA分析及聚类分析,将样本分为高免疫评分组和低免疫评分组,并进行免疫相关分析、富集分析及差异分析,进一步获得免疫相关的差异表达基因。将TCGA数据集患者以7∶3随机分为训练集和内部验证集。基于TCGA训练集的免疫相关差异表达基因数据,通过单因素Cox风险回归、套索算法（Lasso）回归以及多元逐步Cox风险回归分析降维,构建肺腺癌患者预后的预测模型,获得相应的风险分数（Riskscore）,并用TCGA内部验证集及GEO外部验证集进行验证。将Riskscore与临床特征进行独立预后因素分析,建立列线图。ROC曲线与校正曲线分析分别用来评估模型的效能及拟合度。结果根据患者样本的ssGSEA免疫评分、聚类分析及差异分析的结果,患者被分为高免疫评分组和低免疫评分组以及获得1447个差异表达基因。再通过单因素Cox风险回归、Lasso回归以及多元逐步Cox风险回归分析降维,获得剩余8个预后相关免疫差异表达基因的最优集合和每例患者的Risks-core。该风险预测模型在训练集、内部验证集及外部验证集的AUC分别为0.703、0.713、0.750。根据独立预后分析结果,肺腺癌的分期及预测模型的Riskscore是肺腺癌患者的两个独立预后因子并联合绘制列线图。列线图1、3、5年总生存期的AUC分别为0.789、0.763、0.746。校正曲线分析也显示该模型的拟合度较好。结论基于ssGSEA分型构建并验证的肺腺癌患者预后风险预测模型,具有较高的预后风险预测效能,可为临床医师判断肺腺癌患者总生存期提供辅助工具。     

基于蛋白的宫颈癌相关基因生物信息学分析

目的/意义 运用生物信息学方法挖掘与宫颈癌相关的基因,探讨与HPV E6/E7密切相关差异表达基因的特征及临床意义。方法/过程 以UCSC的TCGA和GTEx中宫颈癌的宫颈组织及临床信息作为训练集。以GEO中与宫颈癌相关的表达谱芯片GSE63514作为验证集。首先,使用R软件limma包筛选肿瘤和正常样本的DEGs,制作与MigDB中E6/E7蛋白相关基因的韦恩图。利用survival包进行生存分析,通过ROC和蛋白表达水平进行验证。其次,通过拷贝数变异和甲基化相关性得到关键基因。最后,构建特异性共表达网络并进行富集分析和免疫浸润分析。结果/结论 与HPV E6/E7蛋白相关的差异表达基因有101个,经筛选有3个基因意义显著,分别是E2F1、MCM4和PCNA。同时,经通路分析后发现特异性共表达网络中的基因显著富集在DNA复制、染色体组织等通路。通过免疫相关性分析发现关键基因与CD4 T细胞、B细胞和中性粒细胞显著相关。DNA复制、染色体组织等为宫颈鳞癌发生发展以及HPV E6/E7编码蛋白显著相关的分子机制和关键基因。     

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。     

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。     

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...     

细胞凋亡相关基因CD44在甲状腺癌组织中的表达及其与肿瘤侵袭和免疫细胞浸润关系的生物信息学分析

目的：通过生物信息学方法探讨细胞凋亡相关基因（ARGs）透明质酸受体蛋白CD44在甲状腺癌（THCA）组织中表达及其与患者临床病理特征和肿瘤浸润淋巴细胞（TILs）的关系,为THCA的诊断和治疗提供新的研究方向。方法：从癌症基因组图谱（TCGA）数据库获得THCA凋亡相关的差异表达基因（DEGs）表达谱,选取表达上调的CD44基因,分析THCA组织和癌旁组织中CD44 mRNA表达水平;采用受试者工作特征（ROC）曲线对THCA组织与癌旁组织进行鉴别;采用基因本体功能注释（GO）、京都基因与基因组百科全书（KEGG）和基因集富集分析（GSEA）对DEGs进行功能及通路富集分析;采用STRING数据库建立蛋白-蛋白互作（PPI）网络,通过Cytoscape软件进行可视化;采用TIMER数据库分析THCA组织中CD44 mRNA表达和TILs浸润丰度之间的相关性;使用R语言分析CD44蛋白表达与免疫检查点的关系。选取110例THCA患者标本,采用免疫组织化学SABC法检测THCA组织及相对应的癌旁组织中CD44蛋白表达情况。结果：TCGA数据库分析,与癌旁组织比较,THCA组织中CD44 ...     

先天性巨结肠肠管lncRNA-mRNA共表达谱芯片初步筛查研究

目的：研究先天性巨结肠（Hirschsprung’s disease,HD）病变段肠管与正常段肠管lncRNA-mRNA表达谱的差异。方法：采用lncRNA-mRNA共表达谱芯片筛查5例HD肠管和5例配对的正常肠管差异表达的lncRNA和mRNA,并以17对样本对其中显著差异的5个lncRNA进行qRT-PCR验证,同时应用生物信息学的方法构建lncRNA-mRNA共表达网络,预测差异lncRNA的靶基因,并对预测的靶基因进行基因本体论（gene ontology,GO）分析和通路（pathway）分析。结果：lncRNA-mRNA共表达谱芯片筛查出HD肠管中存在353个表达上调,474个下调的lncRNA,以及865个上调,461个下调的mRNA。并验证出5个差异表达的lncRNA。lncRNA与mRNA相互关联,通过调控相应的靶mRNA,参与包括细胞增殖、分化和迁移等多种生物学过程,与HD的发病有一定相关性。结论：HD肠管中存在大量差异表达的lncRNA和mRNA。lncRNA和mRNA之间具有广泛的联系,形成共表达网络,lncRNA可能是通过调控相应的靶mRNA参与HD的发病。     

基于生物信息学筛选分析脓毒症预后相关核心基因

目的 基于生物信息学分析影响脓毒症预后的潜在核心基因。方法 利用基因表达数据库(Gene Expression Omnibus,GEO)筛选到脓毒症患者的基因表达数据集GSE54514和GSE65682,通过加权基因共表达网络分析(weighted gene co-expression network analysis,WGCNA)和维恩分析筛选与脓毒症预后相关的关键基因,采用Metascape数据库、RcisTarget包和CIBERSORT算法进行基因功能富集分析、转录因子富集分析及免疫浸润分析。选取数据集GSE5772进行验证,筛选与脓毒症预后相关的核心基因并使用Kaplan-Meier法进行生存分析。结果 对数据集GSE54514、GSE65682分别进行WGCNA分析,筛选出与脓毒症预后相关性最高的“绿色”和“棕色”模块,并对两个模块的基因取交集,维恩分析得到20个关键基因。这些关键基因主要富集在细胞形态调节、单核细胞迁移等通路上。转录因子富集分析显示转录因子ZNF148可能是基因集的主要调控因子之一。进一步通过数据集GSE5772验证,发现基因FGD3、MBP、MSN、RNF130和SETD1B在脓毒症患者中明显低表达(P＜0.05)。免疫浸润分析表明这5个核心基因均与免疫细胞含量密切相关,其中只有FGD3、MSN和RNF130的表达与脓毒症患者的生存率相关(P＜0.05)。结论 基于生物信息学分析筛选到与脓毒症预后相关的5个核心基因,这些基因与免疫细胞密切相关,其中基因FGD3、MSN和RNF130可能是脓毒症预后的重要预测因子。