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...     

嘌呤代谢相关基因预测肺腺癌预后模型的构建及验证

目的 探讨嘌呤代谢相关基因预测肺腺癌预后模型的临床应用价值。 方法 嘌呤代谢相关基因数据来源于人类基因数据库,肺腺癌 mRNA 转录组数据和临床数据来源于癌症基因组图谱数据库,并使用 Perl 及 R 软件筛选出与肺腺癌预后有关的表达差异的嘌呤代谢相关基因,并进行京都基因与基因组百科全书和基因本体论富集分析,用 Cox 回归分析及套索回归分析建立预后模型,通过 Kaplan-Meier 生存曲线比较高、低风险组的预后差异,通过 ROC 曲线验证该预后模型预测 1、3、5 年总生存期（OS）的可靠性,使用 Cox 回归分析临床因素与肺腺癌患者预后的关系。最后使用基因表达数据库中的 GSE26939 数据集进行外部验证。 结果 本研究最终筛选出了 5 个与肺腺癌预后相关的嘌呤代谢相关基因（CD19、CYP17A1、KHDRBS2、INHA、PLK1）,并建立了相关预后风险评分模型。Kaplan-Meier 生存曲线显示,低风险组患者 OS 高于高风险组（P＜0.01）。生存状态图及建模基因表达热图显示,高风险组患者比低风险组患者的预后差。1、3、5 年 OS 的 AUC 分别为 0.76、0.74、0.77,提示该模型有较好的预测效能。多因素 Cox 回归分析显示肿瘤分期和风险评分均是肺腺癌患者预后的独立危险因素（均 P＜0.05）。外部验证集的 Kaplan-Meier 生存曲线显示,低风险组患者 OS 高于高风险组（P＜0.01）。生存状态图及建模基因表达热图显示,高风险组患者具有更差的预后。1、3、5 年 OS 的 AUC 分别为 0.96、0.82、0.84,提示模型有较好的预测效能。 结论 嘌呤代谢相关基因可能通过促进肺腺癌细胞的增殖来影响肺腺癌患者的预后,本文建立的预后模型可为临床研究提供潜在依据。     

铜代谢相关基因模型的构建及其对急性髓系白血病预后的意义

目的探讨铜代谢相关基因在急性髓系白血病（AML）预后预测中的意义。方法从癌症基因组图谱和儿童肿瘤数据库中下载AML患者的RNA序列和临床病理学数据,通过单因素Cox回归分析和LASSO回归算法筛选对AML预后有影响的铜代谢相关基因并构建风险评分模型,分析差异基因表达情况。根据风险评分将AML患者分为高危组和低危组。绘制Kaplan-Meier生存曲线和ROC曲线,分析风险评分模型的预后意义。绘制基于风险评分的列线图,并验证其预测效能。采用免疫浸润分析研究与风险评分相关的肿瘤微环境特征。结果共筛查到16个与AML预后相关的铜代谢相关的基因。年龄、白血病FAB分型、遗传学危险度分级等因素与高风险评分有关。ROC曲线显示,构建的风险评分模型预AML患者1、3、5年总生存率的AUC分别为0.899、0.890和0.951。Kaplan-Meier生存曲线显示,高危组的总生存期远短于低危组（P＜0.01)。高风险评分与浸润免疫细胞（M2型巨噬细胞、调节性CD4+T细胞和自然杀伤细胞）有关。结论基于铜代谢相关基因构建的风险评分模型可有效预测AML患者总生存率。风险评分与患者年龄、白血病FAB分型和遗传学危险度分级有关。     

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...     

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...     

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。     

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...     

m7G相关lncRNAs是影响结肠癌患者预后和肿瘤微环境的潜在生物标志物

目的 探讨m7G-lncRNAs能否作为结肠癌患者预后及肿瘤微环境的生物标志物。方法 TCGA数据库筛选m7G-lncRNAs（|Pearson R|>0.4,P<0.001）,多因素Cox分析构建m7G-lncRNAs风险模型。使用ROC和C-index曲线对风险模型进行验证。构建诺莫图和诺莫图的校准曲线用于预测结肠癌患者的预后。点柱图和K-M生存曲线评估风险打分对患者临床分期和预后的影响。CIBERSORT和ESTIMATE探究高低风险组患者肿瘤微环境和免疫细胞浸润程度的联系,同时分析风险打分对结肠癌患者微卫星不稳定性,干细胞指数和免疫检查点表达的影响。使用相互作用基因搜索工具（STRING）构建蛋白质-蛋白质相互作用网络,挖掘m7G-lncRNAs调控的关键靶点。最后,使用蛋白印迹实验在4对结肠癌组织与癌旁正常组织中验证这些关键靶点的表达。结果 从TCGA数据库鉴别出1722个m7G-lncRNAs。多因素Cox分析筛选出12个lncRNAs用于构建风险模型,其中AC003101.2、AC005014.2、AC008760.1、AC092944.1、AL1161729.4、AL301422.4、AP001619.1、AP003355.1和ZEB1-AS1为高风险lncRNAs,AC025171.4、AC073957.3及TNFRSF10A-AS1为低风险lncRNAs。ROC曲线显示风险模型对患者1年、3年、5年生存预测的AUC值分别为0.727、0.747、0.794。诺莫图预测患者预后的AUC值为0.794,校准曲线显示诺莫图对患者生存的预测与患者实际的生存基本一致。高风险组患者的T分期（T1~T2 vs T3~T4：P=0.034）、N分期（N0 vs N2：P=7.8e-08; N1 vs N2：P=0.00081）以及M分期（M0 vs M1：P=0.007）均高于低风险组患者。低风险组患者常伴随高微卫星不稳定状态（MSS vs MSI-H：P=0.034）。肿瘤干性指数与风险得分呈负相关（r=-0.19;P=7.3e-05）。高风险组患者基质细胞打分（P=0.0028）以及总打分（P=0.007）明显高于低风险组患者较高,激活的肥大细胞（r=-0.11;P=0.045）和静息CD4+T细胞（r=-0.14;P=0.01）的表达也较低。多数免疫检查点在高风险患者中高表达（P<0.05）。蛋白印迹实验表明m7G-lncRNAs调控的关键靶点ATXN2 （P=0.006）and G3BP1（P=0.007）在4对结肠癌组织中表达均高于配对的癌旁正常组织。结论 12个m7G-lncRNAs构建的风险模型对结肠癌具有重要的预后价值,同时也能反映结肠癌患者肿瘤微环境及免疫治疗的疗效。     

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。     

基于细胞焦亡与炎症反应相关基因构建肝细胞癌预后风险评估模型及验证

目的基于细胞焦亡与炎症反应相关基因构建肝细胞癌预后风险评估模型,并进一步探索该模型对肿瘤免疫微环境状态的预测效能,为制定个性化的治疗方案提供方向。方法从癌症基因组图谱（TCGA）数据库（365例）和国际癌症基因组联盟（ICGC）数据库（231例）下载有关肝细胞癌样本的细胞焦亡和炎症反应基因的mRNA数据,通过LassoCox回归分析构建肝细胞癌预后风险评估模型,计算细胞焦亡与炎症反应评分（PIRS）。采用R语言进行生存预后分析及临床病理特征分析;单样本基因集富集分析（GSEA）以及肿瘤免疫功能障碍与逃逸预测肿瘤免疫微环境状态;GSEA分析PIRS相关的信号通路及生物学功能。结果TCGA数据库中64个基因与肝细胞癌患者的总生存期有关（P＜0.05）,筛选出15个基因构建肝细胞癌预后风险评估模型。Kaplan-Meier生存分析显示,高风险组的总生存期较低风险组短（P＜0.01）。TCGA数据库中PIRS的AUC在1、2和3年时分别为0.871、0.846和0.831,ICGC数据库中AUC分别为0.844、0.733和0.751。PIRS是肝细胞癌患者预后的独立预测指标（HR=2.802,95%CI：2.286~3.433,P＜0.01）。高风险组中免疫杀伤细胞含量、细胞毒反应和干扰素活性均低于低风险组（均P＜0.01）,但巨噬细胞含量、免疫功能障碍评分和T细胞驱逐评分均高于低风险组（均P＜0.01）。高风险组中富集了细胞周期、血管内皮生长因子和转化生长因子β等相关信号通路。结论PIRS与肝细胞癌患者预后有关,高风险组处于免疫抑制状态,肝细胞癌预后风险评估模型能准确预测患者预后。     

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...     

利用数据库信息构建乳腺癌免疫关联lncRNAs风险评估模型

目的 筛选乳腺癌中免疫关联长链非编码RNA(lncRNA),并构建乳腺癌预后风险评估模型,探索预后相关因素。 方法 从UCSC Xena(https://xena.ucsc.edu/)、TCGA、immport(https://www.immport.org/home)官网分别下载乳腺癌患者的测序数据、临床信息以及免疫基因集,并将这些数据进行整理和清洗,最终得到乳腺癌免疫关联lncRNA表达矩阵及临床信息。利用单因素Cox和多因素Cox回归分析筛选出与预后相关的免疫关联 lncRNA,用于构建预后风险评分。根据风险评分的中位数,将患者分为高风险组和低风险组,利用Kaplan-Meier(K-M)生存分析、受试者工作特征曲线(ROC)分析及独立预后因素评估对模型进行评价,并将此模型联合其他临床因素构建列线图,对乳腺癌患者进行生存率预测。 结果 最终确定10个免疫关联 lncRNAs 用来构建风险评分模型;高风险组较低风险组预后差;风险评分可作为乳腺癌患者的独立预后因素;列线图的C指数(CI)为0.751,校准图显示预测值与实际观测值一致性较好。 结论 由10个免疫关联lncRNAs 组成的风险评分模型可用于评估乳腺癌患者的预后,由此建立的列线图可进一步预测乳腺癌患者的生存率。     

肿瘤浸润性免疫细胞对肺腺癌预后影响的研究

目的探讨22种肿瘤浸润性免疫细胞（简称免疫细胞）对肺腺癌患者预后的影响。方法利用TCGA数据库对594例转录组数据中22种免疫细胞的相对比例进行推算,筛选出P＜0.05的样本用于研究,分析22种免疫细胞在正常肺组织与肺腺癌组织中的差异表达。利用单因素Cox回归模型分析22种免疫细胞对肺腺癌患者预后的影响,筛选出对肺腺癌患者总生存有影响的因素构建免疫风险评分模型。采用多因素Cox回归模型分析该免疫风险评分模型的独立预测价值。构建列线图对肺腺癌患者的生存率进行综合预测。结果除CD8+T细胞、幼稚的CD4+T细胞、激活的自然杀伤细胞（NK细胞）及激活的肥大细胞外,其余免疫细胞在正常肺组织与肺腺癌组织中的表达比较,差异均有统计学意义（均P＜0.05）。经单因素Cox回归分析筛选出对肺腺癌患者总生存有影响的3种免疫细胞,即嗜酸性粒细胞、激活的树突状细胞及M1型巨噬细胞;利用这3种免疫细胞构建免疫风险评分模型。根据模型对每例患者进行复发风险评分,按风险评分中位值将患者分为高风险组与低风险组,Kaplan-Meier曲线提示高风险组患者总生存率低于低风险组（P＜0.05）。ROC曲线提示该风险模型在预测复发风险方面具有较好的诊断效能（AUC=0.60）。多因素Cox回归模型分析显示,免疫风险评分模型是肺腺癌预后的独立预测因子（HR=1.30,95%CI：1.20~1.40,P＜0.05）。列线图能更全面地对肺腺癌患者的生存率进行预测。结论免疫细胞在肺腺癌患者预后评估中发挥着重要作用。本文基于3种免疫细胞构建的免疫风险评分模型是肺腺癌预后的独立预测因子。     

头颈部鳞状细胞癌临床预后模型中SERPINE1及SLC20A1的作用

目的构建一个TGF-β基因相关通路的风险评分模型,探讨该模型对头颈部鳞状细胞癌(HNSC)患者预后的预测价值。方法从美国癌症基因组图谱(TCGA)数据库中下载TCGA-HNSC队列作为训练组,GEO数据库中下载GSE41613作为测试组,筛选出训练组中肿瘤组织与正常组织间的差异表达基因,随后采用单因素和多因素Cox回归分析确定影响HNSC患者生存的TGF-β通路相关基因(TRGs),并构建预后风险模型。通过风险生存曲线、受试者工作特征(ROC)曲线及生存状态图对模型进行评价,并对风险评分进行独立预后分析。整合风险评分及其他临床预测指标绘制列线图以评估患者预后。利用R软件对训练组中高、低风险组患者进行基因突变频率分析及免疫微环境特征分析。结果从训练组中初步筛选出6个差异表达的TRGs,通过Cox回归分析筛选出2个与预后相关的基因:纤溶酶原激活物抑制因子-1(SERPINE1)及磷酸盐转运蛋白-1(SLC20A1)。在训练组和测试组中高低风险组生存差异均有统计学意义(均P<0.05),ROC曲线显示该风险评分可靠,可作为独立预后因子。高风险组和低风险组HNSC具有完全不同的集群特征、基因突变频率及免疫细胞浸润。结论基于SERPINE1和SLC20A1构建的模型可较好地预测HNSC患者的预后,高风险组的HNSC在生物学表型、基因突变频率及肿瘤免疫浸润等方面均与低风险组有差异。     

基于缺氧相关基因甲状腺癌预后模型的研究

目的 通过检索肿瘤与癌症基因组图谱（TCGA）及hypoxiaDB数据库中甲状腺癌的相关数据,建立一个基于差异表达的缺氧相关基因模型。方法 比较TCGA数据库和hypoxiaDB数据库中的基因,获得与甲状腺癌缺氧相关的差异表达基因。随后进行基因功能富集分析、构建蛋白质-蛋白质相互作用网络、筛选出具有预后价值的缺氧相关基因来建立并验证预后模型。结果 共发现326个缺氧相关甲状腺癌基因。功能富集分析表明,这些基因主要参与生物功能调节。单因素Cox回归分析结果显示,共有23个基因与甲状腺癌预后相关,其中,11个基因通过多因素Cox分析构建了新的预后模型。结果显示,高风险评分（P <0.005）的患者总生存期比低风险评分的患者短。对甲状腺癌患者预后价值的单变量分析结果显示,构建的预后模型与患者的总体生存率显著相关。结论 本研究的模型对甲状腺癌的预后有很好的预测作用。     

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。     

基于TGGA数据库构建肺腺癌自噬相关基因预后风险模型

目的 基于TCGA数据库,结合人类自噬数据库构建预测肺腺癌患者预后的风险模型,探讨自噬相关基因预后风险模型对肺腺癌患者预后的预测性能及与免疫微环境的相关性。方法 从癌症基因组图谱数据库下载肺腺癌患者临床信息和转录组数据,结合人类自噬数据库筛选出232个自噬相关基因。通过Cox回归分析筛选出4个独立与预后相关的自噬基因,并采用风险评分构建肺腺癌预后预测模型,用ROC曲线评价预测模型性能。使用ESTIMATE和CIBERSORT在线网站(https://cibersort.stanford.edu/)探索风险评分与肿瘤免疫微环境之间的关系。结果 肺腺癌中有30个差异表达的自噬相关基因,其中4个自噬基因(BIRC5、ERO1A、ITGB4、NLRC4)具有预测患者预后的功能。依据风险评分进行分组,Kaplan-Meier分析表明高风险组生存率低于低风险组(P <0.000 1)。ROC曲线表明风险评分模型判断肺腺癌预后的准确性(AUC=0.757)。ESTIMATE和CIBERSORT分析提示风险评分模型与肿瘤微环境中的多个免疫细胞亚群浸润相关。结论 自噬相关基因预后风险模型较临床数据...     

基于TCGA数据库预测结肠癌预后基因及其临床应用价值

目的 利用生物分析学方法对癌症基因组图谱(TCGA)数据库的结肠癌数据进行挖掘分析,筛选预后基因,识别结肠癌患者死亡的高低风险,并预测其预后.方法 访问TCGA并下载结肠癌患者RNA表达数据和临床信息.通过单因素Cox和多因素Cox回归分析,构建比例风险回归模型并形成风险评分公式.根据风险评分中位值将患者分为高风险组和...