目的分析免疫相關(guān)LncRNA與膀胱癌預(yù)后的關(guān)系,建立預(yù)測模型并初步探討各組免疫特征。方法從TCGA數(shù)據(jù)庫下載393例膀胱癌患者的基因表達(dá)譜及相應(yīng)預(yù)后信息,通過R和Perl軟件分析處理數(shù)據(jù)并提取免疫相關(guān)LncRNA;應(yīng)用COX風(fēng)險比例回歸模型分析預(yù)后相關(guān)LncRNA并在此基礎(chǔ)上構(gòu)建預(yù)測模型,采用Kaplan-Meier法繪制生存曲線并對組間差異進(jìn)行l(wèi)og-rank檢驗(yàn);通過ROC曲線下面積（AUC）評價模型的預(yù)測準(zhǔn)確度;采用主成分分析（PCA）及基因富集分析（GSEA）各組中免疫相關(guān)基因的分布,采用ESTIMATE法評估各樣本免疫微環(huán)境的組成。結(jié)果通過單因素及多因素COX回歸分析確定5個免疫相關(guān)LncRNA,根據(jù)回歸系數(shù)β對其賦值并計(jì)算患者評分,構(gòu)建預(yù)測模型并分為高風(fēng)險組和低風(fēng)險組,兩組的生存期具有明顯統(tǒng)計(jì)學(xué)差異（P<0.001）;預(yù)測模型ROC曲線下面積AUC:0.69;高、低風(fēng)險組患者免疫相關(guān)基因分布具有明顯的差異,且高風(fēng)險組免疫評分較高。結(jié)論基于免疫相關(guān)LncRNA構(gòu)建的模型能夠較好的預(yù)測膀胱癌患者的生存及免疫狀態(tài),有助于臨床上進(jìn)行預(yù)后判斷及分層個體化治療。 

【文章來源】：遵義醫(yī)科大學(xué)學(xué)報(bào). 2020,43(01)

【文章頁數(shù)】：5 頁

【部分圖文】：

預(yù)測模型的生存曲線及分組特征

根據(jù)免疫基因表達(dá)譜進(jìn)行主成分分析(PCA),發(fā)現(xiàn)高、低風(fēng)險組患者免疫相關(guān)基因的分布具有明顯的差異(見圖2B)。通過GSEA進(jìn)一步分析顯示,在高風(fēng)險組中的免疫系統(tǒng)和免疫應(yīng)答途徑相關(guān)基因明顯富集(見圖2C、D)。通過ESTIMATE分析發(fā)現(xiàn)高風(fēng)險組的免疫評分高,低風(fēng)險組較低(見圖3)。高風(fēng)險組所包含的免疫細(xì)胞和基質(zhì)細(xì)胞數(shù)量較多,而腫瘤純度低,兩組間具有統(tǒng)計(jì)學(xué)差異(P<0.001)。圖3 高風(fēng)險組及低風(fēng)險組的ESTIMATE分析

高風(fēng)險組及低風(fēng)險組的ESTIMATE分析


本文編號：3071597