首页|基于TCGA数据库确定宫颈癌预后相关的免疫相关性长链非编码RNA并构建预后模型

基于TCGA数据库确定宫颈癌预后相关的免疫相关性长链非编码RNA并构建预后模型

底斐瑶

基于TCGA数据库确定宫颈癌预后相关的免疫相关性长链非编码RNA并构建预后模型

底斐瑶1
扫码查看

作者信息

  • 1. 重庆医科大学
  • 折叠

摘要

目的:通过癌症基因组图谱(TheCancerGenomeAtlas,TCGA)数据库寻找与宫颈癌预后相关的免疫相关性长链非编码RNA(longnon-condingRNA,lncRNA),构建宫颈癌预后评估模型。 方法:分别从TCGA数据库和MolecularSignaturesDatabase下载宫颈癌转录组、临床数据和免疫相关基因集。根据免疫相关基因集与宫颈癌转录数据进行免疫基因-lncRNA共表达分析,筛选免疫相关性lncRNA(相关系数gt;0.4,Plt;0.001)。单因素COX回归分析确定与宫颈癌预后相关的免疫相关性lncRNA。多因素COX回归分析构建lncRNA模型并根据赤池信息量准则(AkaikeInformationCriterion,AIC)值确定最佳模型。根据模型计算每个患者风险值,根据中位数将患者分为高风险组和低风险组,对两组患者进行Kaplan-Meier(K-M)生存分析,受试者接受特征(ReceiverOperatingCharacteristic,ROC)曲线对模型进行评估。将用于构建模型的lncRNA分别进行K-M生存分析,选取在多因素COX与K-M生存分析中Plt;0.05的lncRNA进行功能预测。通过共表达分析确定与lncRNA相关的编码蛋白基因,再通过基因本体论(GeneOntology,GO)富集分析和京都基因与基因组百科全书(KyotoEncyclopediaofGenesandGenomes,KEGG)通路富集分析预测lncRNA的功能。 结果:(1)通过构建免疫基因-lncRNA共表达网络筛选出637个免疫相关性lncRNA;(2)根据设定的P值对上述lncRNA进行单因素COX回归分析,最后得到34个与宫颈癌预后相关的免疫相关性的lncRNA;(3)多因素COX回归和AIC值确定8个lncRNA以构建最佳模型。根据风险评分模型计算每个患者的风险值,根据中位值划分为高风险组和低风险组,K-M生存分析显示高风险组患者预后较差。ROC曲线验证模型,曲线下面积为0.758;(4)在多因素COX和K-M生存分析中Plt;0.05的lncRNA别是AC004847.1,AC099568.2和ATP21-AS1;(5)GO功能富集分析提示AC004847.1与ATP21-AS1的功能分别可能与免疫受体活性和NADH脱氢酶活性有关;KEGG富集分析提示AC004847.1主要参与T细胞受体信号通路;ATP21-AS1主要参与氧化磷酸化通路。AC099568.2的GO和KEGG富集分析无结果。 结论:基于8个关键的免疫相关性lncRNA构建了宫颈癌预后评估模型,预测效果优于其它临床指标。其中,AC004847.1和ATP21-AS1主要功能分别是免疫受体活性和NADH脱氢酶活性;主要参与的通路是T细胞受体信号通路和氧化磷酸化通路。

关键词

宫颈癌/长链非编码RNA/癌症基因组图谱/预后

引用本文复制引用

授予学位

硕士

学科专业

临床医学;妇产科学

导师

袁瑞

学位年度

2021

学位授予单位

重庆医科大学

语种

中文

中图分类号

R73
段落导航相关论文