目的通过生物信息学的方法构建头颈部鳞状细胞癌(HNSCC)血管生成相关基因(angiogenesis related genes,ARGs)预后模型,验证模型的预测价值。方法从UCSC Xena数据库下载头颈部鳞状细胞癌(TCGA-HNSCC)数据集,获取差异表达的ARGs,通过单因...目的通过生物信息学的方法构建头颈部鳞状细胞癌(HNSCC)血管生成相关基因(angiogenesis related genes,ARGs)预后模型,验证模型的预测价值。方法从UCSC Xena数据库下载头颈部鳞状细胞癌(TCGA-HNSCC)数据集,获取差异表达的ARGs,通过单因素Cox回归分析、蛋白互作网络(PPI)筛选预后相关核心ARGs,利用LASSO回归分析构建预后模型,分析高低风险组的预测效能,并使用GSE41613数据集进行验证。利用ESTIMATE算法对高低风险组进行免疫浸润分析,分析高低风险组免疫检查点基因表达的差异。对高低风险组进行药物敏感性分析。RT-qPCR验证PLAU、VEGF-C两个预后基因在舌鳞状细胞癌的表达情况。结果在TCGA-HNSCC中获得了414个差异表达的ARGs,基于14个ARGs构建了HNSCC预后模型。Kaplan-Meier生存曲线显示高风险组的生存时间低于低风险组(P<0.001),ROC曲线显示其有较高的预测价值(1年、3年、5年的AUC值分别为0.675、0.688、0.644),其预后价值在GSE41613数据集得到了验证。免疫浸润分析提示低风险组具有更高的免疫浸润评分,低风险组高表达免疫检查点基因。药物敏感性分析表明高低风险组对包括顺铂(cisplatin)、Tozasertib在内的多种药物的敏感性存在差异(P<0.05)。RT-qPCR结果显示PLAU、VEGF-C高表达于舌鳞状细胞癌(P<0.05)。结论由14个ARGs组成的HNSCC风险评分模型,可有效预测HNSCC患者的预后及对药物治疗的反应。展开更多
文摘目的通过生物信息学的方法构建头颈部鳞状细胞癌(HNSCC)血管生成相关基因(angiogenesis related genes,ARGs)预后模型,验证模型的预测价值。方法从UCSC Xena数据库下载头颈部鳞状细胞癌(TCGA-HNSCC)数据集,获取差异表达的ARGs,通过单因素Cox回归分析、蛋白互作网络(PPI)筛选预后相关核心ARGs,利用LASSO回归分析构建预后模型,分析高低风险组的预测效能,并使用GSE41613数据集进行验证。利用ESTIMATE算法对高低风险组进行免疫浸润分析,分析高低风险组免疫检查点基因表达的差异。对高低风险组进行药物敏感性分析。RT-qPCR验证PLAU、VEGF-C两个预后基因在舌鳞状细胞癌的表达情况。结果在TCGA-HNSCC中获得了414个差异表达的ARGs,基于14个ARGs构建了HNSCC预后模型。Kaplan-Meier生存曲线显示高风险组的生存时间低于低风险组(P<0.001),ROC曲线显示其有较高的预测价值(1年、3年、5年的AUC值分别为0.675、0.688、0.644),其预后价值在GSE41613数据集得到了验证。免疫浸润分析提示低风险组具有更高的免疫浸润评分,低风险组高表达免疫检查点基因。药物敏感性分析表明高低风险组对包括顺铂(cisplatin)、Tozasertib在内的多种药物的敏感性存在差异(P<0.05)。RT-qPCR结果显示PLAU、VEGF-C高表达于舌鳞状细胞癌(P<0.05)。结论由14个ARGs组成的HNSCC风险评分模型,可有效预测HNSCC患者的预后及对药物治疗的反应。
