目的:通过生物信息学筛选与宫颈癌预后显著相关的代谢基因,并构建预测宫颈癌预后的模型。方法:从癌症基因组图谱(The cancer genome atlas,TCGA)数据库下载宫颈癌的临床资料及mRNA转录组测序数据,从基因集富集分析(Gene Set EnrichmentA...目的:通过生物信息学筛选与宫颈癌预后显著相关的代谢基因,并构建预测宫颈癌预后的模型。方法:从癌症基因组图谱(The cancer genome atlas,TCGA)数据库下载宫颈癌的临床资料及mRNA转录组测序数据,从基因集富集分析(Gene Set EnrichmentAnalysis,GSEA)数据库下载代谢相关基因,利用R语言的edgeR包筛选正常组织与癌组织的差异基因。利用单因素COX回归和Lasso回归筛选预后相关的代谢基因并构建风险预测模型,并通过多因素COX回归筛选出影响宫颈癌患者预后的独立预后因素。利用GSEA软件对关键基因进行功能富集分析。结果:共筛选56个差异的代谢基因,包含29个下调基因,27个上调代谢基因。通过LASSO回归分析筛选出13个预后相关的代谢基因,包括4个抑癌基因(LDHC、ITPKA、ALOX12B、PLA2G)和9个促癌的基因(CA2、HK2、CA9、LIPG、ADH1B、NPR2、ADCY4、PDE2A、CDO1)。基于13个基因构建的预后模型显示低风险组患者的预后显著优于高风险组(P<0.001),且模型具有良好的预测效能(AUC=0.837)。多因素COX回归显示13基因模型是影响宫颈癌患者预后的独立预后因素。功能富集分析发现高风险患者的基因显著富集在ECM与受体的相互作用、O聚糖生物合成,而低风险患者的基因显著富集在B细胞受体信号通路、T细胞受体信号通路等。结论:基于13个代谢基因构建的风险预测模型对宫颈癌患者的预后有良好的预测效能。展开更多
文摘目的:通过生物信息学筛选与宫颈癌预后显著相关的代谢基因,并构建预测宫颈癌预后的模型。方法:从癌症基因组图谱(The cancer genome atlas,TCGA)数据库下载宫颈癌的临床资料及mRNA转录组测序数据,从基因集富集分析(Gene Set EnrichmentAnalysis,GSEA)数据库下载代谢相关基因,利用R语言的edgeR包筛选正常组织与癌组织的差异基因。利用单因素COX回归和Lasso回归筛选预后相关的代谢基因并构建风险预测模型,并通过多因素COX回归筛选出影响宫颈癌患者预后的独立预后因素。利用GSEA软件对关键基因进行功能富集分析。结果:共筛选56个差异的代谢基因,包含29个下调基因,27个上调代谢基因。通过LASSO回归分析筛选出13个预后相关的代谢基因,包括4个抑癌基因(LDHC、ITPKA、ALOX12B、PLA2G)和9个促癌的基因(CA2、HK2、CA9、LIPG、ADH1B、NPR2、ADCY4、PDE2A、CDO1)。基于13个基因构建的预后模型显示低风险组患者的预后显著优于高风险组(P<0.001),且模型具有良好的预测效能(AUC=0.837)。多因素COX回归显示13基因模型是影响宫颈癌患者预后的独立预后因素。功能富集分析发现高风险患者的基因显著富集在ECM与受体的相互作用、O聚糖生物合成,而低风险患者的基因显著富集在B细胞受体信号通路、T细胞受体信号通路等。结论:基于13个代谢基因构建的风险预测模型对宫颈癌患者的预后有良好的预测效能。
