目的:膀胱癌(bladder cancer,BLCA)是具有高发病率的泌尿系统肿瘤之一,临床常规诊疗方法可提高患者的生存率,但肿瘤的复发和转移致使患者的预后仍然较差。长链非编码RNA(long non-coding RNA,lncRNA)在调控肿瘤发生、发展及癌症免疫中...目的:膀胱癌(bladder cancer,BLCA)是具有高发病率的泌尿系统肿瘤之一,临床常规诊疗方法可提高患者的生存率,但肿瘤的复发和转移致使患者的预后仍然较差。长链非编码RNA(long non-coding RNA,lncRNA)在调控肿瘤发生、发展及癌症免疫中具有重要作用,可以作为一种新型的标志物预测患者预后及免疫应答。本研究基于生物信息学分析,构建BLCA预后模型,并筛选出BLCA的靶向分子药物。方法:从癌症基因组图谱(The Cancer Genome Atlas,TCGA)数据库下载RNA测序数据和临床数据,并将BLCA患者分为训练集和验证集。基于加权基因共表达网络分析(weighted gene co-expression network analysis,WGCNA)的方法提取免疫相关lncRNAs(immune related lncRNAs,IRlncRNAs),通过最小绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)回归的方法构建预后模型,利用美国国家生物技术信息中心(National Center for Biotechnology Information,NCBI)数据库和泛癌数据进行预后基因集的肿瘤相关性分析,并依据Kaplan-Meier分析和受试者操作特征(receiver operating characteristic,ROC)曲线评价该模型的预后准确性。根据风险打分将样本分为高风险组与低风险组,并在此基础上通过风险差异基因筛选出高风险基因。最后,通过CMap数据库筛选抑制高风险基因表达的药物,从而降低BLCA患者的发病风险,提高患者的生存率。结果:基于TCGA数据库中的414例肿瘤样本和19例癌旁样本,预处理得到1342个免疫相关基因(immune related genes,IRGs)和409个临床数据,并通过WGCNA得到927个生存数据。根据Pearson相关分析和单因素Cox分析,得到74个与预后相关的IR-lncRNAs(|R|>0.4,P<0.05)。运用LASSO回归构建预后模型,得到12个IR-lncRNAs和21个IRGs。通过后续分析可知:该预后模型可预测高、低风险组患者的生存及预后情况,并验证了预后模型的独立预测能力及预测准确性,最后筛选了11种B展开更多
文摘目的:膀胱癌(bladder cancer,BLCA)是具有高发病率的泌尿系统肿瘤之一,临床常规诊疗方法可提高患者的生存率,但肿瘤的复发和转移致使患者的预后仍然较差。长链非编码RNA(long non-coding RNA,lncRNA)在调控肿瘤发生、发展及癌症免疫中具有重要作用,可以作为一种新型的标志物预测患者预后及免疫应答。本研究基于生物信息学分析,构建BLCA预后模型,并筛选出BLCA的靶向分子药物。方法:从癌症基因组图谱(The Cancer Genome Atlas,TCGA)数据库下载RNA测序数据和临床数据,并将BLCA患者分为训练集和验证集。基于加权基因共表达网络分析(weighted gene co-expression network analysis,WGCNA)的方法提取免疫相关lncRNAs(immune related lncRNAs,IRlncRNAs),通过最小绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)回归的方法构建预后模型,利用美国国家生物技术信息中心(National Center for Biotechnology Information,NCBI)数据库和泛癌数据进行预后基因集的肿瘤相关性分析,并依据Kaplan-Meier分析和受试者操作特征(receiver operating characteristic,ROC)曲线评价该模型的预后准确性。根据风险打分将样本分为高风险组与低风险组,并在此基础上通过风险差异基因筛选出高风险基因。最后,通过CMap数据库筛选抑制高风险基因表达的药物,从而降低BLCA患者的发病风险,提高患者的生存率。结果:基于TCGA数据库中的414例肿瘤样本和19例癌旁样本,预处理得到1342个免疫相关基因(immune related genes,IRGs)和409个临床数据,并通过WGCNA得到927个生存数据。根据Pearson相关分析和单因素Cox分析,得到74个与预后相关的IR-lncRNAs(|R|>0.4,P<0.05)。运用LASSO回归构建预后模型,得到12个IR-lncRNAs和21个IRGs。通过后续分析可知:该预后模型可预测高、低风险组患者的生存及预后情况,并验证了预后模型的独立预测能力及预测准确性,最后筛选了11种B
