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。     

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。     

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。     

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...     

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。     

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。     

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。     

基于HER-2相关基因构建风险模型用于膀胱癌生存预后评估

目的：探讨HER-2相关基因(the human epidermal growth factor receptor-2-related genes, HRGs)与膀胱癌生存预后的相关性，并基于HRGs构建一种膀胱癌患者生存预后的预测模型。方法：从癌症基因组图谱(the cancer genome atlas, TCGA)中下载膀胱肿瘤组织mRNA测序数据和临床数据，通过与分子签名数据库(the molecular signatures database, MSigDB)中HER-2相关的基因联合分析鉴定膀胱癌中的HRGs。利用单因素和多因素Cox回归分析进一步明确与膀胱癌生存相关的HRGs(P<0.05),并构建HRGs风险模型(HRGs risk score model, HRSM),根据风险评分取中位数将膀胱癌患者分成高风险组和低风险组。利用R语言对高风险和低风险组的患者进行生存分析，并对HRGs与临床特征的相关性进行分析。利用多因素Cox回归分析，验证影响膀胱癌患者预后的独立因素。计算HRSM的受试者工作特征曲线(receiver operating characteris...     

免疫相关LncRNA与乳腺癌预后关系分析及预后风险模型建立

目的 探讨免疫相关LncRNA的表达与乳腺癌预后的关系,构建乳腺癌免疫相关LncRNA预后风险模型。 方法 从TCGA公共数据库下载乳腺癌的转录组数据和临床病理信息,利用Perl软件提取乳腺癌数据表达矩阵,采用R语言使用共表达法提取免疫相关LncRNA,单因素和多因素Cox回归分析筛选预后相关LncRNA,根据最佳AIC值确定免疫预后相关LncRNA构建预后风险模型,根据风险值将患者分为低分险组和高风险组,采用Kaplan-Meier分析法进行生存分析并绘制两组患者生存曲线,使用ROC曲线对预后风险模型准确性进行评估,同时单因素和多因素Cox回归分析评估预后风险模型与肿瘤预后相关性。 结果 从TCGA数据中共下载1 041例乳腺癌样本,提取到14 142个LncRNA表达谱,通过共表达法获得免疫相关LncRNA 644个,对免疫相关LncRNA进行单因素Cox回归分析筛选出14个LncRNA,对14个LncRNA进行多因素Cox回归分析,根据最佳AIC值筛选出6个LncRNA用于构建预后风险模型,根据风险值将患者分为低分险组和高风险组,生存分析显示两组患者差异有统计学意义,同时预后风险模型曲线下AUC值为0.703,模型具有较好的准确性。多因素Cox回归分析结果显示,年龄和患者风险评分为乳腺癌的独立危险因素。 结论 免疫相关LncRNA预后风险模型为乳腺癌的独立预后影响因子,可以有效预测乳腺癌患者的生存预后,可作为乳腺癌独立的预后生物标志物。     

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。     

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。     

肾透明细胞癌中预后相关RNA编辑位点的筛选

目的 探讨肾透明细胞癌(ccRCC)中与患者生存预后相关的RNA编辑位点。方法 下载癌症基因组图谱(TCGA)中RNA编辑位点的表达数据,使用最小绝对收缩和选择算子(LASSO)及Cox回归筛选出与ccRCC预后密切关联的RNA编辑位点。根据多因素Cox结果计算患者的风险评分后构建预后模型和列线图,进一步采用接受者操作特征(ROC)曲线评估预后模型和列线图的准确性,并进行相关的功能学分析。结果 共筛选出25个与ccRCC预后相关的RNA编辑位点。根据风险评分的中位值将患者分为高风险组(n=222)与低风险组(n=226)。Kaplan-Meier生存分析结果显示,高风险组患者的总生存时间与疾病无进展生存时间均低于低风险组(P<0.001)。预后模型和列线图预测患者1、3、5年生存的曲线下面积(AUC)值分别为0.801、0.824和0.806、0.858,0.833和0.821。风险分组之间具备不同的生物学功能及药物敏感性。结论 通过公共数据库筛选出的25个RNA编辑位点有望会成为ccRCC患者新的预后标记物。     

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...     

基于失巢凋亡相关标志物预测膀胱癌患者预后

目的：探讨失巢凋亡相关基因在膀胱癌中的作用和预后价值。方法：从Genecards数据库和Harmonizome数据库获取失巢凋亡相关基因。Cox和LASSO回归用来得到具有预后价值的基因并构建风险预后模型。列线图、校准图、累积危险曲线和决策曲线用来验证模型准确性。研究不同风险组间在生存预后及免疫景观上的差异。采用实时定量PCR测定人正常膀胱细胞SV-HUV-1、T24、J82、5637膀胱癌细胞系中F10表达水平,将构建的含有全长的pcDNA3.1质粒及阴性对照质粒瞬时转染T24细胞;采用CCK-8、集落刺激实验检测F10高表达对细胞增殖能力的影响;利用Transwell实验检测PCA3高表达对细胞侵袭能力的影响。结果：获得9个失巢凋亡相关基因(DNMT1、F10、FASN、PDGFRA、SATB1、MSLN、MYC、CALR、CSPG4)用来构建预后模型。列线图、校准图、累积危险曲线和决策曲线显示,模型能较好的评估膀胱癌患者的预后。根据风险评分分组,低危组患者的总生存期(OS)明显长于高危组。免疫微环境中,CD8⁺T细胞(P=0.015)、M0巨噬细胞(P=0....     

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。     

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...