可变剪切事件在胰腺癌中的发生及其临床意义

目的探索胰腺癌(PAAD)中存在的差异RNA剪接模式,分析可变剪切(AS)事件与胰腺癌临床预后的关系。方法自癌症基因组图谱(TCGA)中下载RNA-seq数据、临床数据资料,提取剪接因子(SF)表达量;采用TCGA SpliceSeq工具下载提取AS事件数据,评估7种可变剪切类型在胰腺癌病例中的发生情况;采用Kaplan-Meier分析及Cox回归分析评估AS事件风险值和生存时间之间的相关性,并探索PAAD的独立危险因素;采用Cytoscape构建基于生存相关的AS事件与SF的调控关系网络。结果PAAD中与生存相关的AS事件以外显子跳跃(ES)类型多见,外显子互斥(ME)类型较少;各亚型AS事件对生存影响不同,低风险组的预后较好,且风险值可作为PAAD独立预后因素(P<0.01,AUC=0.765)。剪接网络提示PAAD患者中剪接因子的表达与AS事件之间具有相关性。结论AS事件风险值可作为PAAD的独立预后因子,且SF对AS事件的调控呈多样性,SF可能会作为PAAD治疗的潜在靶点。     

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...     

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。     

基于生物信息学分析HMG基因家族在肺腺癌中的表达和预后价值

目的 探讨肺腺癌（LUAD）组织中高迁移率族蛋白（HMG）基因家族的表达，并分析其在LUAD患者中的预后价值。方法 通过肿瘤基因图谱（TCGA）数据库获得HMG基因家族在LUAD中的表达数据及相关临床病理参数，并对HMG家族基因进行相关性分析。采用单因素Cox回归和LASSO Cox回归分析HMG基因家族与总生存期（OS）的关系，并构建HMG基因家族预后风险模型。根据风险评分中值将患者分为高风险组和低风险组，采用Kaplan-Meier进行生存分析。最后利用临床病理参数和风险评分构建预后列线图。结果 HMGA1、HMGA2、HMGB2、HMGB3、HMGB4、HMGN1在LUAD中的表达量高于正常样本，HMGB1和HMGN5在LUAD中的表达量低于正常样本（均P<0.05），大多数HMG基因之间呈正相关，但HMGN3的表达与HMGA1、HMGA2呈负相关。4个HMG基因与OS相关（P<0.05），其中HMGA1、HMGA2、HMGB2是危险基因，HR> 1；而HMGN3为保护基因，HR<1。Kaplan-Meier生存分析显示高风险组OS比低风险组OS更差（P&...     

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。     

基于氧化应激因子构建结肠癌的预后风险标志物及其临床意义

目的 探讨结肠癌中氧化应激相关的特征基因并筛选预后标志物。方法 结合氧化应激相关基因与结肠癌的转录组数据,利用Cox回归分析筛选预后标志物并构建预后模型。通过生存分析和受试者操作特征曲线分析模型的有效性。根据风险评分中位数区分高、低风险组。利用Cox分析验证风险评分的独立性,随后构建列线图。最后,分析高、低风险组的预后差异、免疫微环境差异以及免疫治疗反应程度。结果 最终筛选出9个氧化应激相关基因（CPT2、FARS2、RYR2、MSRA、PPARGC1a、LEP、AGT、EPO、STK25）,并以此构建预后模型。生存分析和受试者操作特征曲线结果表明,该模型能很好地预测结肠癌风险（P <0.05,曲线下面积> 0.6）,且风险评分可作为独立预后因子（P <0.001）。此外,高风险组中TP53突变频率更高（P <0.000 1）。同时,低风险组患者免疫表型评分高于高风险组（P <0.05）,肿瘤免疫功能障碍和排斥评分低于高风险组（P <0.05）。诺莫图预测的结肠癌患者1、3年总生存期与实际总生存期非常接近。结结论 氧化应激相关的9个基因是结肠癌预后标...     

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 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。     

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。     

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...     

基于代谢相关基因的胃癌预后模型的构建和验证

目的整合胃癌（GC）分子亚型和代谢相关基因,并依此构建GC预后模型。方法从基因综合表达（GEO）数据库中采集GC患者基因表达谱和临床数据,通过整合网络分析筛选出主调控上皮间质转化（EMT）亚型的代谢标志基因,再通过Cox比例风险回归整合标志基因与生存信息,构建基于代谢相关基因的GC预后模型;依据该模型对GC患者进行风险分层,采用Kaplan-Meier生存曲线评估模型的预后预测作用,通过基因集富集分析（GSEA）筛选富集的通路。结果整合网络分析筛选出3个主调控EMT亚型的代谢标志基因,分别为人脂质磷酸磷酸酶相关蛋白4型基因、谷氨酸胺-果糖-6-磷酸转氨酶2基因和硫酸酯酶1基因;基于这3个代谢标志基因构建的预后模型可将GC患者划分为高危组和低危组。生存曲线分析表明,高危组患者的预后更差,在多组验证数据集中均呈现一致结果,该模型表现出较强的预后预测效能。GSEA分析表明,高危组中转化生长因子-β信号传导、EMT等与癌恶性特征相关的通路显著富集;M2巨噬细胞、M0巨噬细胞及中性粒细胞浸润与高风险显著相关。结论基于代谢相关基因的GC预后模型可实现GC患者风险分层,有助于指导GC患者的精准治疗。     

肝癌索拉非尼敏感性预测模型的构建及临床意义

目的：基于生物信息学方法构建并验证肝细胞癌(以下简称肝癌)对索拉非尼敏感性相关基因的预后风险模型,探究该模型对肝癌患者预后和对索拉非尼敏感性的预测能力。 方法：本研究对GSE109211数据集、TCGA-LIHC队列、ICGC-LIRI队列进行差异基因分析,通过交集筛选出肝癌索拉非尼敏感性相关基因。利用单因素Cox分析和LASSO回归构建预后风险模型并进行验证。通过GDSC数据库分析索拉非尼的IC50值并探索其与风险评分的关系。 结果：筛选出365个与索拉非尼敏感性相关的基因,富集分析显示存在与药物代谢相关的信号通路。单因素Cox回归分析出221个与预后相关的基因,通过LASSO回归构建了一个包含7个关键基因的预后风险模型,与低风险组相比,高风险组具有较短的生存时间。多因素Cox回归分析显示风险评分是独立的预后因素。通过对比高、低风险组患者的索拉非尼IC50值,发现高风险组的索拉非尼IC50值较低,提示高风险组对索拉非尼的治疗可能更敏感。 结论：基于索拉非尼敏感性相关基因构建的预后风险模型对肝癌患者预后具有良好的预测价值,并为评估肝癌患者的索拉非尼敏感性提供理论依据。     

肺腺癌预后相关坏死性凋亡基因标志物的构建及验证

目的 构建肺腺癌(LUAD)预后相关坏死性凋亡基因标志物并对其进行评估。方法 KEGG数据库筛选坏死性凋亡相关基因(NRGs);TCGA和GEO数据库中分别下载LUAD样本和正常样本的RNA测序及其相应临床数据,并以TCGA数据集作为训练队列,以GEO数据集作为验证队列,对筛选的NRGs进行差异和功能富集分析;单因素Cox及Lasso Cox回归分析构建NRGs的LUAD预后标志物;采用Kaplan-Meier生存分析、timeROC分析、多因素Cox回归分析和临床列线图评估该预后标志物;以GEO数据集(GSE31210)外部验证该预后标志物。结果 筛选获得159个NRGs;在训练队列中鉴定出26个差异表达的NRGs(DENRGs);富集分析发现DENRGs主要参与坏死性凋亡和NOD样受体等信号通路;构建由6个NRGs(PLA2G4F、IL33、TLR4、RNF103.CHMP3、ALOX15、IL1A)组成的预后标志物;生存分析显示高风险组总体生存率(OS)明显低于低风险组(log-rank P<0.001);该预后标志物预测1年、3年和5年OS的AUC分别为0.672、0.631和0.624,且与LUAD患者OS显著相关(HR:2.30,95%CI:1.30～4.00,P<0.01);建立的列线图能较好地预测LUAD患者的生存;验证队列的分析结果与训练队列一致。结论 成功构建一种新的NRGs预后标志物,其可用于预测LUAD患者的预后,且该预后标志物的预测能力良好。     

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...     

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。     

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。     

基于多组学数据构建肺腺癌预后相关风险预测模型

目的：通过整合肺腺癌（lung adenocarcinoma,LUAD）临床信息组、基因组和转录组的多组学信息,构建预后相关风险预测模型,为肺腺癌患者的预后风险预测提供依据。方法：通过肿瘤基因图谱（the cancer genome atlas,TCGA）网站下载522例肺腺癌患者数据,完成肺腺癌患者多组学数据库构建。对经过质量控制的数据库,采用Cox比例风险模型评价多组学数据对LUAD预后的影响,构建基于临床信息、基因分型和基因表达多组学信息的预后风险预测模型,并使用受试者工作特征（receiver operating characteristic,ROC）曲线和曲线下面积（area under curve,AUC）评估预后模型风险识别的能力。结果：共386例肺腺癌患者纳入多组学数据库,分别筛选出1个临床信息组、5个基因组单核苷酸多态性（single nucleotide polymorphisms,SNP）和4个转录组mRNA预后相关特征因素与肺腺癌的预后相关。与肺腺癌低风险组相比,高风险组患者较低风险组的预后更差（HR=3.67,95%CI=2.46~5.49,P=1.96×10-10）,联合基因组、转录组与临床信息构建多组学预后指数后,其ROC曲线下面积为0.694（95%CI=0.633~0.754）。结论：采用联合临床信息组、基因组和转录组特征的多组学信息构建的预后风险预测指数可有效区分肺腺癌患者预后好坏,其研究结果将为肺腺癌患者的精准治疗提供有效支撑。