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。     

基于生物信息学筛选脓毒症中性粒细胞活化的关键基因

目的基于生物信息学筛选脓毒症中性粒细胞活化的关键基因。 方法从GEO数据库中下载4个成人脓毒症芯片数据集(GSE69528、GSE28750、GSE57065、GSE95233),进行差异表达基因(DEG)筛选。基因本体论(GO)分析DEG,STRING数据库构建蛋白互作网络,Cytoscape软件提取关键基因,CIBERSORT算法估算数据集中的免疫细胞表达水平,ROC曲线评价关键基因对脓毒症患者的诊断价值。取儿童脓毒症相关芯片数据集(GSE66099)进行验证。 结果4个成人脓毒症数据集筛选出299个重叠DEG,其中112个基因上调,187个基因下调。GO主要富集于中性粒细胞活化、中性粒细胞脱颗粒、肽酶调节活性、糖胺聚糖结合、特殊颗粒、囊泡腔等。筛选出脓毒症中性粒细胞活化的关键基因10个,在脓毒症中表达水平均上调,ROC曲线下面积均大于0.7,具有较好的诊断价值。儿童脓毒症数据集验证结果与成人脓毒症数据集结果一致。 结论基于生物信息学方法筛选出脓毒症中性粒细胞活化相关的10个关键基因,为脓毒症的早期诊断、预后判断及治疗提供了潜在新靶点。     

SAC复合体相关基因TTK和MAD2L1基因在肺腺癌中过表达：基于大数据的生物信息学分析

目的 通过大数据筛选与肺腺癌预后相关的关键基因并探讨其临床价值和潜在机制。方法 基于基因表达综合数据库（GEO）中获得的GSE18842,GSE27262以及GSE33532基因表达谱进行数据分析;生物信息学方法筛选肿瘤组织和正常肺组织的差异表达基因,对其进行京都基因与基因组百科全书（KEGG）和基因本体论（GO）富集分析后进行蛋白质-蛋白质相互作用网络（PPI）、模组、表达差异和预后分析和筛选。35例非小细胞肺癌标本和35例配对的癌旁正常组织,共70例组织标本分为肿瘤组和正常组对MAD2L1和TTK的表达进行了免疫组化验证。结果 共有256个基因的表达谱数据有统计学差异（P<0.05）,包括66个上调基因,190个下调基因。进行功能分析后筛选出 32 个上调基因。32个基因中的29与肺腺癌预后显著相关。相较与正常肺组织,所有29个基因均在肺腺癌组织中高表达并主要富集在细胞周期通路。其中7个关键基因与纺锤体组装检查点（SAC）复合体紧密相关,负责调控细胞G2/M期行为。我们选择了SAC相关基因TTK和MAD2L1,在肺腺癌患者组织标本中观察到了TTK和MAD2L1相较与癌旁正常肺组织的过表达。结论 以TTK和MAD2L1为代表的7个SAC复合体相关基因在肺腺癌患者中存在过表达,且其过表达与预后相关。     

脓毒症患者生存网络构建与预后关键基因筛选

目的 构建脓毒症患者生存网络与筛选预后相关的关键基因,为进一步研究影响脓毒症预后的机制奠定基础。方法 从GEO数据库中下载两个基因芯片数据集GSE54514和GSE63042,两个数据集通过对数均一化处理后筛选出共同差异基因(P<0. 05);共同的差异基因通过DAVID进行基因注释(GO)与信号通路富集分析,并通过蛋白-蛋白相互作用(PPI)数据库STRING构建生存网络图; GCBI基因雷达分析相互调控关系,位于网络核心的基因进一步结合患者的生存时间筛选出与患者预后的关键基因。结果 两个数据集共筛选出688个共同差异基因; GO注释与信号通路富集分析显示差异基因主要富集到细胞死亡与凋亡进程、胰岛素信号通路、细胞因子信号通路等;通过STRING分析筛选出96个相互联系紧密的基因构建出生存网络,这些基因均在生存组中表达增高,生存分析发现基因MAPK3、MBP、SPI1、STAT5A与患者的生存时间成正相关,且参与广泛的基因间调节作用。结论 生物信息学技术有助于脓毒症预后的关键基因筛选,基因MAPK3、MBP、SPI1、STAT5A与脓毒症患者的预后相关,有望成为其新的研究靶点。     

运用生物信息学方法探究肾上腺皮质癌的关键基因

目的:运用生物信息学方法筛选肾上腺皮质癌(adrenal cortical carcinoma,ACC)的差异表达基因,为ACC诊疗提供新的生物标志物。方法:从GEO数据库中选择基因数据集GSE14922、GSE19776、GSE12368,通过GEO2R工具在线分析,筛选出肾上腺皮质癌组织与正常肾上腺组织的差异表达基因。利用DAVID和STRING在线分析差异表达基因并构建蛋白-蛋白相互作用网络。运用Cytoscape软件筛选关键基因,使用GEPIA在线分析关键基因与ACC预后的关系。结果:共筛选出229个差异表达基因,其中上调基因51个,下调基因178个。分析显示其显著富集于细胞周期、P53信号通路,分子功能主要涉及细胞骨架蛋白组合、生长因子结合功能。MCC筛选出8个关键基因,分别是cyclinB1(CCNB1)、cyclinA2(CCNA2)、cyclin-dependent kinases (CDK1)、threonine-protein kinase BUB1 beta (BUB1B)、mitotic arrest deficient 2 like 1 (MAD2L1)、ri...     

生物信息学方法分析与宫颈癌有关联的基因

目的 通过TCGA和GEO数据库筛选与宫颈癌相关的关键基因,探讨其分子机制及临床意义。方法 通过TCGA和GEO数据库获取宫颈癌的基因表达谱数据,采用加权基因共表达网络分析(WGCNA)获取宫颈癌与正常宫颈组织差异表达基因(DEGs),对DEGs进行富集分析、蛋白-蛋白互作网络(PPI)分析并识别关键基因,进一步对关键基因与预后及蛋白表达、以及与宫颈癌免疫浸润的关系进行分析。结果 通过TCGA与GEO数据库中共得到88个宫颈癌DEGs, GO分析发现大部分基因与核染色体减速分裂、核染色体分裂、染色体集缩、核染色体等相关;KEGG信号通路分析发现宫颈癌DEGs参与了细胞周期、DNA复制、卵母细胞减数分裂、p53信号通路、同源重组等信号通路。鉴定出20个宫颈癌关键基因,仅有丝分裂阻滞缺陷2样蛋白1(MAD2L1)低表达患者的总生存期(OS)长于MAD2L1高表达患者(P=0.013),但MAD2L1高表达患者的无病生存期(DFS)与低表达患者差异无统计学意义(P>0.05),宫颈癌组织中MAD2L1蛋白高于正常组织。TIMER在线软件分析显示,MAD2L1与肿瘤的免疫浸润水平均相关(...     

基于WGCNA联合LASSO筛选宫颈癌预后枢纽基因

目的 运用生物信息学方法筛选宫颈癌预后相关的分子标志物,为宫颈癌的预后预测提供依据。方法 从GEO、TCGA和GTEx数据库下载宫颈癌转录组表达数据和相应的临床数据。在GSE9750和GSE52903数据集中,通过WGCNA和LASSO两种方法联合筛选宫颈癌枢纽基因,GEPIA数据库进一步筛选与预后相关的枢纽基因。在GEO数据集(GSE9750和GSE52903)和TCGA联合GTEx数据集中比较预后相关的枢纽基因在宫颈癌和正常宫颈组织中的表达情况,并在HPA数据库中验证其蛋白水平的表达。利用ssGSEA分析宫颈癌肿瘤微环境(tumor microenvironment, TME)中免疫细胞浸润情况,探究预后相关的枢纽基因与免疫细胞浸润和免疫检查点基因表达的相关性。结果 WGCNA和LASSO两种方法共筛选出7个宫颈癌枢纽基因,GEPIA数据库进一步筛选得到3个预后相关的枢纽基因MCM2、APOD和RAD54L。在GEO数据集(GSE9750和GSE52903)和TCGA联合GTEx数据集中,与正常宫颈组织比较,MCM2和RAD54L在宫颈癌组织中表达上调,而APOD则表达下调,与HPA数据库中免疫组化结果基本一致。3个预后相关的枢纽基因与免疫细胞和免疫检查点的表达有相关性。结论MCM2、APOD和RAD54L基因可能是与宫颈癌预后相关的分子标志物,与TME中免疫浸润相关。     

去势抵抗性前列腺癌潜在关键基因的生物信息学分析

背景去势抵抗性前列腺癌（CRPC）是男性常见恶性肿瘤疾病之一,病死率高,分子机制仍不十分清楚,且无有效治疗药物。目的应用生物信息学方法挖掘CRPC发生、发展的关键基因,为其诊治提供新思路。方法从基因表达综合数据库（GEO）中下载关于人类原发性前列腺癌（PCa）和CRPC的数据集GSE32269并进行生物信息学分析。使用R语言鉴定CRPC的差异表达基因（DEGs）。通过DAVID软件对DEGs进行基因本体论（GO）富集分析及京都基因和基因组百科全书（KEGG）通路分析。利用STRING在线数据库构建蛋白质-蛋白质相互作用（PPI）网络进一步筛选关键基因,并对关键基因进行生存分析和受试者工作特征（ROC）曲线分析。结果通过对微阵列数据集GSE32269分析共筛选出279个DEGs,进一步通过GO富集分析和KEGG通路分析发现在CRPC发展中,细胞分裂、有丝分裂和细胞周期等信号通路发挥重要作用。PPI网络分析筛选出15个关键基因,对关键基因进行生存分析发现：CDC20、MAD2L1和NUSAP1高表达组CRPC患者总生存率和无病生存率均分别低于CDC20、MAD2L1和NUSAP1低表达组（P<0.05）;且CDC20、MAD2L1和NUSAP1预测CPRC发生的ROC曲线下面积分别为0.933、0.762、0.950,提示其对CRPC具有较高的诊断价值。结论CDC20、MAD2L1和NUSAP1可能是参与CRPC发展的关键候选基因。     

通过生物信息分析筛选肾上腺皮质癌的关键生物标志物和治疗靶点

目的基于生物信息学分析的方法寻找肾上腺皮质癌(ACC)的分子标志物及其相关治疗靶点。方法通过基因表达综合数据库寻找并下载关于ACC的基因表达芯片GSE19776和GSE143383,采用在线分析工具(GEO2R)对两组芯片数据进行分析,筛选出肿瘤与正常组织的差异基因,并对差异基因进行Gene Ontology基因富集分析及KEGG信号通路富集分析。再对差异基因String网站进行PPI网络构建,然后通过Cytoscape软件进行可视化分析,筛选出相关的核心基因。结果筛选出的上调差异核心基因分别为RACGAP1、CCNB1、TYMS、MAD2L1、NCAPG、CDK1,下调差异基因的核心基因为IGF1、CXCL12、TLR4、TGFBR2、HGF,它们与患者的病理分期及总体生存率存在相关性。结论筛选出的核心基因为将来ACC的诊断以及相关靶向治疗提供了相关依据。     

肝组织特异性基因IGFALS、CYP3A4、SLC22A1和CYP2E1可能与肝癌预后不良相关

目的 探索肝癌相关基因在肝癌发生发展过程中的功能和作用机制,以及关键基因作为肝癌潜在生物标志物及预后指标的可能。方法 从GEO数据库选择GSE57957、GSE121248、GSE36376和GSE14520 4个数据集,以P<0.05及|log₂FC|>1为标准使用GEO2R在线工具和VENN图软件筛选出4个数据集的共同显著差异表达基因(DEGs),通过Cytoscape3.6.1插件CytoHubba及分子复合物检测插件(MCODE)对DEGs之间联系密切程度进行分析筛选。通过基因表达谱交互式分析(GEPIA)对以P<0.05及|log₂FC|>2的显著DEGs进行生存分析,采用人类蛋白质图谱(HPA)检查正常肝脏组织和肝癌组织中关键基因的蛋白质表达。结果 筛选出在4个数据集中都明显上调基因45个,下调基因132个,MCODE有13个模块结果。以P<0.05及|log₂FC|>2进一步筛选出显著差异表达32个上下调基因,其中IGFALS、HGFAC、CYP3A4、SLC22A1、TAT和CYP2E1基因在肝脏组织中的表达量明显高于其他器官,HPA的免疫组织化学数据库显示,肝癌组织中的IGFALS、CYP3A4、SLC22A1和CYP2E1表达均明显下调,且与患者的低总存活率相关。结论 肝组织特异性基因IGFALS、CYP3A4、SLC22A1和CYP2E1在肝癌中低表达,且与不良预后相关,可能是肝癌潜在的生物标志物及预后指标。     

5-氟尿嘧啶介导氧化应激治疗结肠癌的关键基因筛选

目的 探究5-氟尿嘧啶(5-FU)介导氧化应激治疗结肠癌的关键基因。方法 从GSE193865和GSE164742数据集中筛选5-FU介导氧化应激治疗结肠癌的共同差异基因(DEGs),并对共同DEGs进行功能富集,构建PPI网络筛选关键基因。基于TCGA数据集和GSE164742数据集,分析关键基因在结肠癌中的表达、相关性及其与预后的关系。利用分子对接实验验证5-FU对关键基因的靶向作用。结果 筛选出29个共同DEGs;这29个基因在功能上与P53信号通路、细胞周期等6条信号通路和有丝分裂细胞周期过程、微管等10项功能有关。PPI网络分析筛选得到7个关键基因(AURKA、CDCA8、CCNB1、KIF14、SPAG5、BUB1B和KIF20A);这7个关键基因均在结肠癌中高表达,且5-FU可显著抑制结肠癌细胞中这7个关键基因的高表达(均P<0.05);在TCGA和GSE193865数据集中这7个关键基因的表达之间均具有较好的相关性(r>0.6,均P<0.05)。这7个关键基因的高表达与结肠癌患者总体生存不良密切相关(Logrank P<0.05)。5-FU与这7...     

宫颈癌关键基因及其机制的生物信息学分析

目的 通过生物信息方法挖掘宫颈癌的关键基因,分析其潜在作用机制。方法 从GEO数据库遴选5个基因芯片数据集(GSE63514、GSE64217、GSE6791、GSE89657和GSE9750),筛选宫颈癌差异表达基因。构建差异表达基因的PPI网络,利用Cytoscape筛选核心基因。对核心基因进行表达验证、启动子甲基化分析、基因拷贝数分析、免疫分析等。结果 通过数据集筛选出90个差异表达基因,利用PPI网络遴选出5个核心基因,分别为CDK1、CCNA2、CCNB1、CDC20和TOP2A。5个核心基因在宫颈癌中均为高表达,其mRNA表达水平与核心基因拷贝数值呈正相关(P<0.05);核心基因与宫颈癌的免疫细胞浸润有关,主要涉及CD8⁺T细胞、CD4⁺T细胞、巨噬细胞、中性粒细胞和树突状细胞(P<0.05);与宫颈癌免疫分型有潜在关系,主要涉及C1型(创面愈合)、C2型(IFN-γ显性)和C4型(淋巴细胞消耗)。结论 CDK1、CCNA2、CCNB1、CDC20和TOP2A可作为宫颈癌新的生物学标志物。基因拷贝数改变可能影响核心基...     

生物信息学方法分析CYP2U1在膀胱癌中的临床意义

目的:运用生物信息学方法探索CYP2U1基因在膀胱癌中的表达差异情况及与预后的相关性。方法:从GEO网站下载基因芯片GSE7476、GSE13507、GSE40355的数据集,用R软件筛选膀胱癌和正常膀胱组织之间的差异表达基因,以及与预后(总生存和肿瘤特异性生存)相关的基因。然后将公共上调基因与不良预后基因取交集,公共下调基因与良好预后基因取交集,筛选出目标分子,并后续进行表达差异验证,临床指标相关性分析,以及功能预测。结果:一共筛选出上调且与不良预后相关的基因45个,下调且与良好预后相关的基因1个,并将下调基因CYP2U1作为目标分子。CYP2U1在各个数据集及数据库中呈低表达,且与良好预后、肿瘤N分期相关。GSEA结果显示其相关信号通路为KRAS信号通路、凋亡、上皮间质转化、Hedgehog信号通路和IL-2/STAT5信号通路。结论:CYP2U1可能在膀胱癌的发病过程中发挥重要的作用,可能在将来被用作潜在的人类膀胱癌的治疗靶点和/或诊断标志物。     

基于生物信息学筛选与鉴定宫颈癌的生物标志物微小染色体维持蛋白2

目的 应用生物信息学技术分析筛选影响宫颈癌预后的关键基因并深度挖掘基因功能.方法 从基因表达汇编(GEO)数据库下载宫颈癌微阵列数据集(GSE6791、GSE39001、GSE55940、GSE63678),合并和批量标准化后筛选差异表达基因(DEG).对DEG进行基因本体(GO)和京都基因和基因组百科全书(KEGG)...     

加权基因共表达网络分析鉴定阻塞性睡眠呼吸暂停的关键基因

目的 利用加权基因共表达网络分析(WGCNA)鉴定阻塞性睡眠呼吸暂停(OSA)相关的共表达基因模块与关键基因。方法 从GEO数据库中下载OSA的全基因组表达数据集GSE135917,R语言对数据归一化处理后,利用WGCNA法构建共表达网络,结合临床信息识别与OSA显著相关的模块,利用Cytoscape软件对关键模块内基因进行功能富集分析、蛋白相互作用分析,可视化筛选关键基因,最后在GSE38792数据集中初步验证关键基因。结果 在GSE135917数据集中Turquoise模块与OSA相关性最高(r=-0.98,P=0.000),模块内基因主要富集于嗅觉传导、神经活性配体-受体相互作用等生物学过程。经蛋白相互作用分析发现关键基因为下调基因SLC2A2、PRL、SST,GSE38792数据集中关键基因表达情况与GSE135917分析结果一致,ROC分析显示3个关键基因均具有良好的识别能力。结论 利用WGCNA法筛选出的3个关键基因有望为研究OSA的发生、发展过程提供新的视角。     

乳腺癌关键基因SDC1的临床预后意义及其与M1型巨噬细胞相关性分析

目的 通过生物信息学方法分析乳腺癌(Breast cancer, BC)关键基因SDC1,并分析其与M1型巨噬细胞的相关性。方法 从GEO数据库下载3组BC芯片GSE42568、GSE71053和GSE8977数据,筛选其差异表达基因(Differential Expression Genes, DGEs),并进行基因本体(Gene Ontology, GO)功能注释和京都基因与基因组百科全书(Kyoto Encyclopedia of Gene and Genome, KEGG)通路富集分析。利用STRING数据库和Cytoscape软件筛选DEGS中HUB基因。从癌症基因组图谱(The Cancer Genome Atlas, TCGA)下载BC的RNAseq数据和相关临床信息,利用R语言对HUB基因进行单因素和多因素COX回归分析、列线图绘制以及关键基因的免疫检查点分析和风险预后分析;通过UALCAN与GEPIA数据库验证HUB基因的表达和预后;利用TIMER及GEPIA2021数据库进行关键基因与巨噬细胞相关性分析。结果 共得到197个DEGs,其GO功能的生物学过程(BP)与...     

GNG4、TIMP1在结肠癌诊断及预后价值的生物信息学分析

目的:通过生物信息学方法,筛选可能与结肠癌诊断及预后相关的基因.方法:从基因表达共享数据库(the expression omnbus,GEO)下载结肠癌相关基因芯片GSE37364、GSE41328的cRNA表达谱数据集并筛选差异表达基因(differentially ex-pressed genes,DEGs),分...     

基于生物信息学对胃癌生存预后相关基因的分析

目的：通过生物信息学方法对胃癌芯片数据集进行分析,获得与胃癌生存预后相关的基因。方法：从NCBI GEO数据库下载与胃癌相关的数据集GSE19826、GSE29998、GSE54129、GSE79973,利用R软件对数据集进行差异分析并整合,获取差异表达基因,利用DAVID、String、KM-Plot等在线分析网站对差异表达基因进行功能分析、蛋白质间相互作用以及与胃癌预后的关系,利用Cytoscape对分析结果进行可视化处理,得出候选关键基因13个：FNDC1、CTHRC、COL1A1、COL1A2、COL6A3、COL10A1、INHBA、SULF1、SFRP4、BGN、THBS2、THY1、TIMP1。结果：通过对四个芯片数据集进行差异分析及整合后获得上调基因21个,下调基因27个,这些差异表达基因大多富集于细胞外基质、内质网腔等,主要参与胶原蛋白分解、细胞黏附等生物学功能,涉及蛋白质的消化与吸收通路、细胞外基质通路、局部黏附通路以及细胞色素P450代谢通路;并且筛选出的关键基因均与胃癌的预后有关。结论：生物信息学方法可以有效、大规模地分析并获得与胃癌生存预后相关的关键基因,为癌...     

基于生物信息学方法构建肝癌患者预后相关内源竞争RNA调控网络

目的：基于生物信息学方法探索肝细胞癌相关的差异表达基因（DEGs），并构建预后相关内源竞争RNA(competing endogenous RNA,ceRNA)调控网络。方法：利用数据集GSE89377，筛选肝细胞癌不同发展时期的肿瘤组织与正常组织间的差异表达基因；通过GEPIA,HPA数据库探究DEGs的mRNA和蛋白在肝细胞癌中的表达，及对患者预后的影响；随后通过Cox回归分析，筛选可独立预测患者预后的关键基因；进一步通过GO和KEGG富集分析探索关键基因相关信号通路。最后，通过miRmap、miRWalk和Targetscan数据库预测关键基因的上游微小RNA (microRNA,miRNA)，并筛选预后相关miRNAs；通过Starbase和Lncbase预测重要miRNAs的LncRNAs，并筛选预后相关LncRNAs。以此构建影响肝癌患者预后的差异基因-miRNA-LncRNAs的ceRAN调控网络。结果：韦恩分析及表达分析发现，4个DEGs在肝癌组织及正常组织间差异表达，即AKR1B10、LAGLS4、MUC13、IGFALS；其中，AKR1B10高表达可独立预测肝癌患者...     

基于生物信息学鉴定黏液样脂肪肉瘤中甲基化调控的差异表达基因

目的通过生物信息学方法鉴定黏液样脂肪肉瘤(MLPS)中甲基化调控的差异表达基因(MeDEGs)。方法从GEO数据库中选取MLPS基因数据集GSE59568和DNA甲基化数据集GSE52391。采用GEO2R工具筛选差异表达基因(DEGs)和差异甲基化基因(DMGs),重叠负相关的DEGs和DMGs以筛选MeDEGs。采用DAVID软件对MeDEGs进行功能分析及通路富集分析。利用STRING和Cytoscape等工具绘制蛋白互作网络、筛选功能模块与Hub基因。利用TCGA数据库分析Hub基因在肉瘤中的甲基化水平和基因表达水平,及其与肉瘤患者生存情况的关系。结果共鉴定出221个MeDEGs,包括143个表达上调基因和78个表达下调基因。MeDEGs主要参与细胞增殖、凋亡、核糖体结构成分、蛋白结合等生物学过程,主要富集在核糖体、癌症、RAS相关蛋白1、AMP依赖的蛋白激酶和Ras等信号通路。筛选出的前20个Hub基因均为上调的MeDEGs,其中RPS2、CDCA5、NCAPG、NLE1、TYMS和BYSL可能是MLPS患者预后潜在的独立预测因子。结论 RPS2、CDCA5、NCAPG、NL...