胃癌miRNAs预后风险评分模型的构建与应用

目的 筛选与胃癌预后存在关联性的微小RNAs(miRNAs)生物标志物,构建风险评分模型用于患者预后评估。 方法 基于人类癌症和肿瘤基因图谱(TCGA)数据库下载胃癌miRNAs表达谱数据及样本相关临床信息,通过“DESeq2”软件包对miRNAs表达谱进行差异分析。采用单因素Cox回归分析和Kaplan-Meier生存分析筛选与预后存在关联性的miRNAs,并将预后miRNAs纳入多因素Cox回归分析用于预后风险评分模型的构建。通过“timeROC”软件包绘制受试者工作特征曲线(ROC),对模型效能进行评价。最后通过在线数据库对miRNAs可能结合的信使RNAs(mRNAs)进行预测,并通过基因本体(GO)、京都基因与基因组百科全书(KEGG)预测其功能。 结果 以log₂ | Fold Change |>1,P<0.05为标准,筛选得到248个胃癌组织中差异表达的miRNAs。通过单因素Cox回归分析及Kaplan-Meier生存分析筛选到6个与患者总体生存率有关联性的差异表达的miRNAs,随后使用多因素Cox回归分析成功构建胃癌miRNAs预后风险评分模型,风险评分=0.048 35×miR-181b-1 +0.112 06×miR-548d-1+0.068 00×miR-675+0.075 87×miR-708+1.175 21×miR-4640+0.089 89×miR-4709。Kaplan-Meier生存曲线结果显示,风险评分高的患者预后较差(P<0.001);模型5年总体生存率ROC曲线下面积(AUC)为0.776,证明该模型能够有效预测胃癌患者预后风险。GO和KEGG功能分析结果显示,模型miRNAs分子参与多个肿瘤相关代谢通路。 结论 成功构建了miRNAs预后风险评分模型,且该模型对胃癌患者生存状态具有良好的预测效能。     

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。     

基于数据库构建乳腺癌焦亡相关基因的预后风险模型

目的 探究焦亡相关差异表达基因(DEGs)在乳腺癌中预后价值并构建预后风险模型。 方法 从癌症基因组图谱(TCGA)和肿瘤基因表达数据库(GEO)官网下载乳腺癌的基因测序、临床数据,筛选焦亡相关DEGs。将乳腺癌患者进行聚类分析。在TCGA队列中以最小绝对收缩和选择算子(LASSO)方法建立模型。利用Kaplan-Meier生存曲线、受试者工作特征曲线(ROC)、单因素及多因素Cox回归独立预后因素分析等评价该模型。GEO队列为验证集。通过GO、KEGG、ssGSEA分析风险DEGs的富集情况。 结果 筛选出焦亡相关DEGs,聚类分析可见C2组总生存期(OS)延长,差异有统计学意义(P=0.020)。该模型K-M生存分析显示,高风险组OS缩短(TCGA队列中P<0.001,GEO队列中P=0.018)。ROC曲线下面积(AUC)表明该模型具有一定预测能力。单因素、多因素Cox回归分析表明,年龄、M、N分期和风险评分为OS的独立预测因子。GO、 KEGG富集与ssGSEA分析证实了风险相关DEGs与免疫炎症因子和通路有关。 结论 本研究构建了由9个焦亡相关基因组成的乳腺癌预后风险模型,为乳腺癌患者的风险预后评估提供了参考。     

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。     

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。     

基于公共数据库构建肺腺癌肿瘤干性评分模型预测免疫治疗疗效

目的 鉴定肺腺癌肿瘤干细胞相关基因亚型,构建肿瘤干性评分模型以预测肺腺癌免疫检查点抑制治疗疗效。 方法 从TCGA数据库下载肺腺癌RNA测序数据,使用“limma”包分析肺腺癌(535例)与癌旁组织(59例)中329个肿瘤干细胞相关基因的差异表达(FDR<0.05, |log₂ Fold Change|>2),利用差异基因鉴定肺腺癌肿瘤干细胞相关亚型,通过单因素Cox回归分析进一步筛选出肿瘤干细胞相关亚型之间对预后有意义的共同差异基因。基于主成分分析(PCA)算法,利用123个预后有意义的共同差异基因对TCGA与GEO合并后的630例肺腺癌患者进行肿瘤干性评分,利用Kaplan-Meier 曲线分析确定最佳截断值,将肺腺癌患者分成高、低肿瘤干性评分组(截断值为-1.91)。探究不同肺腺癌肿瘤干细胞相关亚型和肿瘤干性评分组在肿瘤微环境、免疫治疗方面的差异。 结果 鉴定出了36个差异表达基因和3个预后有统计学意义的肿瘤干细胞相关亚型(CSC-A、 CSC-B、 CSC-C)(P=0.033),其在免疫细胞浸润方面差异有统计学意义并与抗原递呈、细胞毒性作用等多条免疫通路相关。单因素Cox回归分析筛选出123个对预后有意义的共同差异基因,构建了肿瘤干性评分模型。低肿瘤干性评分组各类免疫细胞浸润程度普遍上升,PD1、PD-L1、CTLA4表达显著升高。无论是单独的抗CTLA4或抗PD1治疗,亦或是二者联合治疗,低肿瘤干性评分组的疗效都优于高肿瘤干性评分组,无免疫检查点抑制治疗时,高、低肿瘤干性评分组的疗效差异无统计学意义(P=0.060)。在抗PD-L1和抗PD1的两个独立免疫治疗队列中,低肿瘤干性评分组的反应率均高于高肿瘤干性评分组(抗PD-L1治疗队列反应率:50% vs 20%;抗PD1治疗队列反应率:23% vs 0%)。 结论 肿瘤干性评分模型在预测肺腺癌患者免疫检查点抑制治疗疗效方面具有潜在价值,有望为肺腺癌患者免疫检查点抑制治疗提供理论依据。     

利用上皮源性卵巢癌预后的多基因信息建立预测预后模型

目的 通过基因表达谱汇编(GEO)数据库和癌症基因组图谱(TCGA)数据库筛选并建立与上皮源性卵巢癌(EOC)患者预后有关联的多基因模型,并验证其预后价值。 方法 从GEO数据库中下载EOC有关芯片数据(GSE14407),筛选出在EOC组织和正常卵巢上皮组织中差异表达的基因(DEGs),采用单因素和多因素Cox回归模型筛选出与预后有关联的DEGs,建立多基因预后模型和预后指数(PI)公式。对TCGA数据库中EOC患者的mRNA数据及临床信息进行整理,通过PI公式对患者进行评分,并根据评分将患者分为低风险组和高风险组。通过Cox回归风险模型分析临床病理参数(年龄、发病位置、组织分级、肿瘤残余及FIGO分期)和预后指数参数与EOC预后的关系。根据年龄、发病位置、组织分级、肿瘤残余及FIGO分期进行分组,采用Kaplan-Meier(K-M)生存分析验证多基因模型对卵巢癌的预后价值。 结果 共筛选出47个在EOC组织和正常卵巢组织中的DEGs,其中有37个表达下调的DEGs和10个表达上调的DEGs。将上述DEGs进行单因素和多因素Cox回归分析,共筛选出4个DEGs,分别是PACSIN3、KCNT1、LAMP3及KIR3DX1。PI公式:(-0.169×PACSIN3的表达量+0.078×KCNT1的表达量-0.246×LAMP3的表达量-0.147×KIR3DX1的表达量)。Cox回归模型分析证实,年龄、肿瘤残余和预后模型是卵巢癌患者的独立预后因素(P<0.01)。通过K-M生存分析证实,在TCGA数据库的312例EOC患者中,预后评分低风险的患者总体生存期(OS)较高风险患者延长,差异有统计学意义(P<0.05)。在不同的年龄、临床分期、发病位置(单侧和双侧)、肿瘤残余<10 mm的EOC患者亚组中,预后评分低风险的患者OS较高风险患者延长,差异有统计学意义(P<0.05)。 结论 四基因预后模型是EOC患者的独立预后因素,并在总体和根据各临床病理特征分组的EOC患者亚组中得到了验证。     

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。     

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。     

基于肺腺癌组织中可变剪接数据构建剪接因子-可变剪接调控网络的生物信息学分析

目的 利用生物信息学方法筛选与肺腺癌（LUAD）患者生存相关的可变剪接（AS）事件,构建剪接因子（SF）-AS调控网络,为LUAD患者的预后评价提供新思路。 方法 由癌症基因组图谱（TCGA）数据库中下载LUAD患者转录组数据和临床数据。从SF表达和RNA靶点（SpliceAid2）数据库中下载LUAD患者AS数据。对LUAD患者生存相关AS事件进行单因素Cox回归分析。采用LASSO回归分析和多因素Cox回归分析构建LUAD患者预后风险模型,基于该模型计算每种AS事件的风险评分,采用 Kaplan-Meier（K-M）生存分析和受试者工作特征曲线（ROC）评价模型的可靠性。通过Cox 回归分析风险模型、临床参数与LUAD患者独立预后的关系。采用Pearson检验对SF和与预后相关的AS事件进行相关性分析,并通过Cytoscape软件构建SF-AS互作网络。 结果 筛选获取与生存相关的AS事件43 948个,共7种类型,主要以外显子活跃（ES）事件和可变终止子（AT）事件为主。构建AS事件预后风险模型,基于该模型风险评分将LUAD患者分为高风险组和低风险组,K-M生存分析,高风险组LUAD患者总生存（OS）率较低风险组低（P<0.05）。ROC曲线分析,LUAD患者预后风险模型预测性良好,曲线下面积（AUC）为0.824。SF-AS调控网络,12个与预后相关SFs正向或负向调节AS事件,可预测LUAD患者的不良预后。 结论 筛选了与LUAD患者预后相关的AS事件和上游的调控因子SF,构建了SF-AS网络,为进一步研究AS事件与LUAD患者预后的相关性提供理论依据。     

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）百分率呈负相关关系。 结论 乳酸代谢评分模型可以很好评估LUAD 预后与肿瘤微环境（TIMER）的状态,可作为LUAD预后预测的生物标志物。     

基于数据库分析CCR基因对肾透明细胞癌预后的预测价值

目的 利用信息库资料探讨趋化因子受体家族对肾透明细胞癌(ccRCC)预后的预测价值。方法 下载并分析癌症基因组图谱(TCGA)的基因表达数据,筛选CC趋化因子受体(CCR)亚基因家族在正常组织与ccRCC组织中的差异表达基因。采用COX回归分析构建预后模型并进行相关功能学分析。结果 从TCGA数据库下载包括539例ccRCC组织和72例正常组织的基因转录组数据,筛选出11个差异表达的CCR家族基因。通过多因素Cox回归分析得到2个(CCR3与CCR10)与ccRCC预后相关的CCR基因,并以此构建预后模型。根据模型风险评分的中位值将训练集样本分为高风险组(n=184)与低风险组(n=197)。Kaplan-Meier生存分析结果显示,低风险组总生存率高于高风险组,差异有统计学意义(P<0.001)。结论 本研究构建的CCR基因预后模型可较好地评估ccRCC患者的预后并指导其个体化治疗。     

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。     

基于贝叶斯网络不确定性推理的肺癌风险预测模型

目的 将贝叶斯网络与Cox模型相结合,预测包含缺失协变量的个体的肺癌发病风险。方法 研究使用的数据来自于英国生物样本库,采用单因素Cox回归分析筛选与肺癌发病相关的预测因素;基于识别出的肺癌潜在预测因素,应用上述联合模型建立个体化肺癌风险预测模型;从鉴别和校准两方面评价模型的预测性能。结果 建立的预测模型具有较好的鉴别和校准能力,训练和验证队列的AUC分别为0.854(95%CI:0.836～0.870)和0.885(95%CI:0.871～0.897)。结论 本研究构建了基于贝叶斯网络和Cox模型的肺癌风险预测模型;该模型具有良好的鉴别和校准能力,能有效预测肺癌发病高危人群;联合模型在存在缺失预测因子的情况下提供了一种有效的风险预测方法,可为肺癌预防控制提供理论支撑。     

恶性孤立性肺结节患者预后因素分析

目的:探讨影响恶性孤立性肺结节患者术后生存的因素,为早期肺癌患者的预后危险分层提供参考。方法:选择2006年4月至2013年12月在北京大学第一医院诊治的影像学诊断为孤立性肺结节、经手术病理诊断为非小细胞肺癌Ⅰa期的患者,共172例,对临床及随访资料进行回顾,分析性别、年龄、症状、吸烟、合并症、肿瘤标志物、结节类型、手术方式、结节部位、病理类型、结节大小、分化程度、Ki-67表达水平、EGFR突变等因素对患者生存率的影响。采用Kaplan-Meier生存分析、Cox回归分析评估影响患者生存的预后因素。结果:恶性孤立性肺结节患者的术后3年总生存率为93.6%、5年总生存率为89.8%,Kaplan-Meier生存分析和Cox单因素回归分析显示男性患者的总生存率显著低于女性,老年和高Ki-67增殖指数同样与患者较差的总生存率相关(P<0.05)。Cox多因素分析显示,年龄大于等于65岁和高Ki-67增殖指数是恶性孤立性肺结节术后患者总生存率的独立危险因素(年龄:P=0.023, HR=3.531, 95%CI 1.190~10.472;Ki-67:P=0.004, HR=1.021, 95%CI 1.007~1.035)。结论:对于恶性孤立性肺结节(即Ⅰa期非小细胞肺癌)患者,年龄、性别、Ki-67表达水平是影响恶性孤立性肺结节患者生存的预后因素。将Ki-67增殖指数与临床病理学特征综合考虑可能有助于对恶性孤立性肺结节患者进行更准确的预后危险分层,从而指导治疗方案的制定。