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。     

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...     

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 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。     

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。     

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...     

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...     

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...     

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...     

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。     

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。     

通过生物信息学分析筛选影响胃腺癌患者预后的铁死亡相关基因

摘要:目的 利用生物信息学分析筛选影响胃腺癌患者预后的铁死亡相关基因(ferroptosis-relatedgenes,FRGs)。 方法 通过 TCGA 数据库下载胃腺癌的基因表达和临床数据,使用 R软件获取铁死亡相关差异表达基因和预后相关基 因,并最终获得影响胃腺癌预后的 FRGs。使用 LASSO 回归分析构建风险模型,计算风险值。通过受试者工作特征曲 线(receiveroperatingcharacteristiccurve,ROC)比较患者5年生存率,使用单因素和多因素生存分析筛选独立预后因 素。对与胃腺癌预后相关的 FRGs进行通路富集分析。结果 从数据库中共得到443例患者临床信息,407个数据集。 通过比较发现163个在胃腺癌中差异表达的 FRGs,25个预后相关的 FRGs,取交集后发现14个影响胃腺癌患者预后的 FRGs。使用 LASSO 回归分析,最终筛选出8个 FRGs(NOX4、NOX5、GLS2、MYB、TGFBR、DUSP1、SLC1A4、NF2),构 建风险模型。依据患者的风险值,区分高、低风险组,发现高风险组患者总生存率明显低于低风险组。通过多因素生存 分析发现年龄、T分期和风险值可以作为独立预后因素。ROC曲线发现使用预后相关 FRGs构建的风险模型能够较好 地预测患者5年生存率(AUC=0.668)。对高、低风险组患者中的差异基因进行通路富集分析,发现差异基因可能与细 胞外基质组成和细胞外结构构成、PI3K-Akt等基因通路有关。结论 FRGs(NOX4、NOX5、GLS2等)影响胃腺癌患者 的预后,为胃腺癌的铁死亡研究提供了新的线索。     

铜死亡相关性lncRNA在甲状腺癌中的表达模式以及预后价值

目的 探索与铜死亡相关的lncRNA在甲状腺癌(thyroid carcinoma, THCA)中的表达模式及预后价值。方法 基于TCGA数据集，通过共表达获得相关的lncRNA。将THCA患者随机分成训练集和验证集，基于Cox和LASSO回归分析确定预后关键基因，采用验证集和整个列队对独立预后基因进行验证，同时通过实时荧光定量聚合酶链式反应(qPCR)验证关键基因在THCA中的表达情况。最后对风险模型进行富集分析、肿瘤微环境分析、免疫相关性分析以及药物敏感性分析。结果 12个铜死亡基因通过共表达获得1 270个相关的lncRNA。在16个与铜死亡预后相关的基因中，TMEM220-AS1、LINC01711和AC003086.1被确定为关键基因。风险评分在训练集和整个列队中均展示出良好的预测性能，并且qPCR结果与生信结果一致。高低风险组的患者在生物学功能、免疫细胞浸润程度以及免疫检查点均存在明显的不同。此外，风险评分与THCA的药物敏感性显著相关。结论 本研究证明了铜死亡相关性lncRNA在THCA中存在显著差异表达，并且3个关键的lncRNA在预测THCA的预后和生存方面具有一定价...     

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。     

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。     

肝癌中m7G甲基化相关lnc RNAs预后模型和动态列线图的开发

目的 基于癌症基因组图谱（TCGA）数据库探究m7G甲基化相关的长非编码RNAs(lnc RNAs)在肝癌中的预后价值并开发动态列线图。方法 应用TCGA数据库来检索临床和转录组数据。采用单因素Cox回归分析和多因素Cox回归分析筛选预后相关的m7G甲基化相关lncRNAs,最后构建预后模型和动态列线图。结果 通过单因素和多因素Cox回归分析,得到4个m7G甲基化相关的lnc RNAs(AL031985.3、AL365203.2、AC009403.1和AC015908.3)。构建了预后模型并验证了该模型的有效性。在评估了免疫细胞浸润水平、免疫功能、免疫检查点后,发现高风险组和低风险组之间存在显著差异。最后开发了有效的在线版动态列线图。结论 基于m7G甲基化相关的lncRNAs的肝癌预后模型和动态列线图可以更准确预测肝癌患者的预后,并为临床的诊治提供了更大的方便性。     

肿瘤突变负荷与免疫细胞浸润联合分析在胃癌预后评估中的临床意义

目的 研究肿瘤突变负荷(TMB)对胃癌(GC)患者预后的影响,并进一步探讨TMB与免疫细胞浸润的关系。方法 从TCGA数据库中下载GC患者体细胞基因突变数据、转录组数据及临床数据,使用R语言“maftools”软件包分析基因突变概况,并计算每个样本的TMB。将样本按TMB的高低分为两组,进行生存分析。使用“limma”包对高、低TMB两组的表达谱进行差异分析,利用R语言对差异基因进行GO及KEGG通路富集分析。基于ImmPort数据库筛选出差异免疫基因共97个。通过Cox回归分析,筛选出4个预后相关基因构建预后模型。通过TIMER数据库进一步评估GC突变基因和免疫细胞浸润之间的相关性。最后,使用Cox回归模型与生存分析评估免疫细胞的预后价值。结果 通过TCGA数据库共筛选出胃癌样本375例,正常样本32例。其中375例样本中C>T单核苷酸突变发生次数最多,GC中突变率最高的三个基因是TTN、TP53和MUC16;使用Kaplan-Meier法进行生存分析,发现高TMB值与更好的生存结果相关;筛选出816个差异表达基因进行基因通路富集分析,发现这些基因主要在肌肉系统的形成与含胶原蛋...     

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。