目的通过生物信息学筛选影响乳腺癌患者预后的衰老基因,并构建预测乳腺癌预后模型。方法从癌症基因组图谱(the cancer genome atlas,TCGA)数据库下载2010年9月至2015年6月美国国家癌症中心收集的乳腺癌患者的临床资料及mRNA转录组测序数...目的通过生物信息学筛选影响乳腺癌患者预后的衰老基因,并构建预测乳腺癌预后模型。方法从癌症基因组图谱(the cancer genome atlas,TCGA)数据库下载2010年9月至2015年6月美国国家癌症中心收集的乳腺癌患者的临床资料及mRNA转录组测序数据,利用Aging Atlas数据库检索出衰老相关基因,比较并筛选出正常组织与乳腺癌组织的差异衰老基因。通过单因素Cox回归和Lasso回归筛选出预后相关的衰老基因并构建风险预测模型,以危险系数的中位数作为截值,将患者分为高风险组和低风险组。通过单因素及多因素分析,筛选影响患者预后的独立危险因素。通过纳入患者年龄、T分期、N分期及风险模型构建Nomogram,最后利用基因富集分析(gene set enrichment analysis,GSEA)软件对预后相关的衰老基因进行功能富集分析。结果共筛选出119个表达差异的衰老基因,单因素Cox回归筛选出10个预后相关的衰老基因,其中包含2个抑癌基因(NRG1、IL2RG)和8个促癌基因(EIF4EBP1、MMP1、PLAU、MMP13、RAD51、FGF7、DLL3、IGFBP1)。通过Lasso回归构建10基因预测模型,发现高低风险组之间的预后存在显著差异(P<0.001)。Nomogram模型对乳腺癌患者3年的预测准确性高。GSEA发现高风险患者的基因显著富集在细胞周期、同源重组等信号通路等。而低风险患者的基因显著富集在JAK-STAT信号通路、细胞因子-受体-相互作用等信号通路中。结论基于衰老相关基因构建的模型对预测乳腺癌患者的预后有良好的效能。展开更多
文摘目的通过生物信息学筛选影响乳腺癌患者预后的衰老基因,并构建预测乳腺癌预后模型。方法从癌症基因组图谱(the cancer genome atlas,TCGA)数据库下载2010年9月至2015年6月美国国家癌症中心收集的乳腺癌患者的临床资料及mRNA转录组测序数据,利用Aging Atlas数据库检索出衰老相关基因,比较并筛选出正常组织与乳腺癌组织的差异衰老基因。通过单因素Cox回归和Lasso回归筛选出预后相关的衰老基因并构建风险预测模型,以危险系数的中位数作为截值,将患者分为高风险组和低风险组。通过单因素及多因素分析,筛选影响患者预后的独立危险因素。通过纳入患者年龄、T分期、N分期及风险模型构建Nomogram,最后利用基因富集分析(gene set enrichment analysis,GSEA)软件对预后相关的衰老基因进行功能富集分析。结果共筛选出119个表达差异的衰老基因,单因素Cox回归筛选出10个预后相关的衰老基因,其中包含2个抑癌基因(NRG1、IL2RG)和8个促癌基因(EIF4EBP1、MMP1、PLAU、MMP13、RAD51、FGF7、DLL3、IGFBP1)。通过Lasso回归构建10基因预测模型,发现高低风险组之间的预后存在显著差异(P<0.001)。Nomogram模型对乳腺癌患者3年的预测准确性高。GSEA发现高风险患者的基因显著富集在细胞周期、同源重组等信号通路等。而低风险患者的基因显著富集在JAK-STAT信号通路、细胞因子-受体-相互作用等信号通路中。结论基于衰老相关基因构建的模型对预测乳腺癌患者的预后有良好的效能。
