目的探讨焦亡相关基因预后模型在子宫颈癌中的预后价值,并分析预后模型与子宫颈癌免疫治疗的相关性。方法利用癌症基因组图谱(TCGA)数据库,对304例子宫颈癌组织和3例正常组织做差异分析和Cox回归模型分析,筛选出差异表达、预后相关的焦...目的探讨焦亡相关基因预后模型在子宫颈癌中的预后价值,并分析预后模型与子宫颈癌免疫治疗的相关性。方法利用癌症基因组图谱(TCGA)数据库,对304例子宫颈癌组织和3例正常组织做差异分析和Cox回归模型分析,筛选出差异表达、预后相关的焦亡基因。通过最小绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)和Cox法构建预后模型,计算风险评分。依据风险评分的中位值,将子宫颈癌患者平均分为两组:高评分组(152例)和低评分组(152例),分析焦亡与子宫颈癌预后、免疫治疗的关联。结果在子宫颈癌组织与正常组织之间差异表达的焦亡基因中,经Cox法筛选出染色质修饰蛋白4C(chromatin-modifying protein 4C,CHMP4C)、白细胞介素1A(interleukin 1A,IL1A)、肿瘤坏死因子(tumor necrosis factor,TNF)、含核苷酸结合寡聚结构域蛋白1(nucleotide-binding oligomerization domain-containing protein 1,NDD1)、颗粒酶B(granzyme B,GZMB)和TP53基因是与子宫颈癌患者总生存期相关的预后焦亡基因(P<0.05)。根据预后基因的表达量构建预后模型,通过亚组分析、生存分析进行验证。预后模型将子宫颈癌患者分为高评分组与低评分组,以风险评分中位值为截断值评估发生子宫颈癌风险,提示高评分组的总体生存率显著低于低评分组(P<0.001)。1、3、5年预后模型的ROC曲线下面积(area under roc curve,AUC)分别为0.759、0.711和0.697,预后模型是预测子宫颈癌预后的良好指标(AUC>0.5)。在肿瘤免疫图谱(TCIA)数据库获取免疫治疗的数据,分析高、低评分组接受免疫治疗后的反应差异,发现低评分组患者较高评分组接受免疫治疗效果更好,差异有统计学意义(P=0.020)。结论CHMP4C、TNF、NDD1、GZMB、TP53焦亡相关基因与子宫颈癌预后、免疫治疗相关。展开更多
文摘目的探讨焦亡相关基因预后模型在子宫颈癌中的预后价值,并分析预后模型与子宫颈癌免疫治疗的相关性。方法利用癌症基因组图谱(TCGA)数据库,对304例子宫颈癌组织和3例正常组织做差异分析和Cox回归模型分析,筛选出差异表达、预后相关的焦亡基因。通过最小绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)和Cox法构建预后模型,计算风险评分。依据风险评分的中位值,将子宫颈癌患者平均分为两组:高评分组(152例)和低评分组(152例),分析焦亡与子宫颈癌预后、免疫治疗的关联。结果在子宫颈癌组织与正常组织之间差异表达的焦亡基因中,经Cox法筛选出染色质修饰蛋白4C(chromatin-modifying protein 4C,CHMP4C)、白细胞介素1A(interleukin 1A,IL1A)、肿瘤坏死因子(tumor necrosis factor,TNF)、含核苷酸结合寡聚结构域蛋白1(nucleotide-binding oligomerization domain-containing protein 1,NDD1)、颗粒酶B(granzyme B,GZMB)和TP53基因是与子宫颈癌患者总生存期相关的预后焦亡基因(P<0.05)。根据预后基因的表达量构建预后模型,通过亚组分析、生存分析进行验证。预后模型将子宫颈癌患者分为高评分组与低评分组,以风险评分中位值为截断值评估发生子宫颈癌风险,提示高评分组的总体生存率显著低于低评分组(P<0.001)。1、3、5年预后模型的ROC曲线下面积(area under roc curve,AUC)分别为0.759、0.711和0.697,预后模型是预测子宫颈癌预后的良好指标(AUC>0.5)。在肿瘤免疫图谱(TCIA)数据库获取免疫治疗的数据,分析高、低评分组接受免疫治疗后的反应差异,发现低评分组患者较高评分组接受免疫治疗效果更好,差异有统计学意义(P=0.020)。结论CHMP4C、TNF、NDD1、GZMB、TP53焦亡相关基因与子宫颈癌预后、免疫治疗相关。
