基于TCGA数据的膀胱癌坏...RNA预后模型的建立与验证_彭克楠.pdf

基于T C G A数据的膀胱癌坏死性凋亡相关l n c R N A预后模型的建立与验证彭克楠1,宁静源2,谭 鹤1,范小晴2,帖彦清1,宋学东3(1.河北省人民医院检验科,河北 石家庄0 5 0 0 5 1;2.河北医科大学免疫教研室,河北 石家庄0 5 0 0 1 7;3.邯郸中心医院检验科,河北 邯郸0 5 6 0 0 1)D O I:1 0.1 1 7 4 8/b j m y.i s s n.1 0 0 6-1 7 0 3.2 0 2 2.1 1.0 2 5收稿日期:2 0 2 2-0 8-1 8;修回日期:2 0 2 2-1 0-1 1基金项目:河北省医学科学研究重点课题计划项目(编号:2 0 1 8 0 1 2 6)通讯作者:帖彦清。摘要:目的 探索影响膀胱癌(B L C A)患者的坏死性凋亡相关长链非编码R NA(l o n gn o n c o d i n gR NA,l n c R NA),构建膀胱癌患者的预后预测模型并进行验证。方法 从美国癌症肿瘤基因组图谱(T C G A)数据库下载膀胱癌的临床病例资料和转录组数据,通过单因素及多因素C O X回归分析筛选出有差异的坏死性凋亡相关l n c R NA s,建立了膀胱癌患者的坏死性凋亡相关基因预后预测模型。根据风险分数将所有患者分为高危组和低危组,采用K a p l a n-M e i e r方法分析膀胱癌患者的总生存时间对预后预测模型进行验证,最后开发动态列线图便于临床使用。结果 本研究筛选出8个预后相关的坏死性凋 亡 相 关l n c R NA s(A L 3 5 4 9 1 9.2、L I N C 0 0 6 4 9、T T C 2 8-A S 1、A L 0 3 1 7 7 5.1、N R 2 F 1-A S 1、A L 0 4 9 8 4 0.3、L I N C 0 1 8 7 1、Z 8 4 4 8 4.1),构建膀胱癌预后预测模型,结果显示高危组患者的总体生存期(O S)均显著低于低危组(P0.0 5)。高危组和低危组绘制的受试者工作特征曲线(r e c e i v e ro p e r a t i n gc h a r a c t e r i s t i cc u r v e,R O C)发现风险评分的曲线下面积(t h ea r e au n d e r t h ec u r v e,AU C)值为0.8 5 0,1、3、5年的AU C分别为0.7 2、0.7 8、0.8 0。动态列线图具有良好的准确性。结论 基于坏死性凋亡相关l n c R NA s的膀胱癌预后模型可以有效预测患者预后,有助于了解与坏死性凋亡相关的l n c R NA s在膀胱癌中的作用,并为膀胱癌临床治疗提供新的手段。关键词:膀胱癌;坏死性凋亡;l n c R NA;预后中图分类号:R 7 3 7.1 4 文献标识码:AAP r e d i c t i v eS i g n a t u r eo fB l a d d e rC a n c e rB a s e dN e c r o p t o s i s-R e l a t e dL n c R N A sa n dI t sV a l i d a t i o nP E NGK e n a n1,N I NGJ i ng yu a n2,T AN H e1,F ANX i a oqi ng2,T I EY a nqi ng1,S ONGX u e d o ng3(1.L a b o r a t o ryD epa r t m e n to fH e b e iG e n e r a lH o spi t a l,S h iji a z h u a ng0 5 0 0 5 1,C h i n a;2.D epa r t m e n to f I mm u n o l og y,H e b e iM e d i c a lU n i v e r s i ty,S h iji a z h u a ng0 5 0 0 1 7,C h i n a;3.D epa r t m e n to fC l i n i c a lL a b o r a t o ry,C e n t r a lH o spi t a l o fH a n d a n,H a n d a n0 5 6 0 0 1,C h i n a)A b s t r a c t:O b j e c t i v eT h epu rpo s eo f t h i s s t u dyw a s t oap plyn e c r opt o s i s-r e l a t e dl o ngn o n-c o d i ngRNA s(L n c RNA s)t oc o n s t r u c tapr e d i c t i v es ign a t u r ef o rt h epr ogn o s i so fb l a d d e rc a n c e rpa t i e n t s.M e t h o d sC l i n i c a lc a s ei n f o r m a t i o na n dt r a n s c r ipt o m i cd a t ao fb l a d d e rc a n c e rw e r ed o w n l o a d e df r o m T h eC a n c e rT u m o r G e n o m e A t l a so f Am e r i c a(T C GA)d a t a b a s e.N e c r opt o s i s-r e l a t e dl n c RNA sw e r es c r e e n e dbyb o t hu n i v a r i a t ea n dm u l t i v a r i a t eC OXr egr e s s i o na n a lys i s,a n dapr e d i c t i v es ign a t u r ef o rn e c r opt o s i s-r e l a t e dge n e s i nb l a d d e rc a n c e rpa t i e n t sw a se s t a b l i s h e d.A l lpa t i e n t sw e r ed i v i d e di n t oh igh-r i s ka n dl o w-r i s kgr o upsb a s e do nr i s ks c o r e s.K apl a n-M e i e rm e t h o dw a su s e dt oa n a lyz et h eo v e r a l l s u r v i v a l t i m eo fb l a d d e r c a n c e rpa t i e n t s t ov a l i d a t e t h epr ogn o s t i cpr e d i c t i o nm o d e l,a n dt h e ndyn a m i cc o l u m nl i n egr aph s w e r e d e v e l ope d f o rc l i n i c a lu s e.R e s u l t s E igh t n e c r opt o s i s-r e l a t e dl n c RNA s(A L 3 5 4 9 1 9.2,L I N C 0 0 6 4 9,T T C 2 8-A S 1,A L 0 3 1 7 7 5.1,NR 2 F 1-A S 1,A L 0 4 9 8 4 0.3,L I N C 0 1 8 7 1,Z 8 4 4 8 4.1)w e r es c r e e n e d.Apr e d i c t i v es ign a t u r ef o rb l a d d e rc a n c e rw a sc o n s t r u c t e d,1291标记免疫分析与临床 2 0 2 2年1 1月第2 9卷第1 1期a n dt h er e s u l t ss h o w e dt h a tt h eo v e r a l ls u r v i v a l(O S)o fpa t i e n t si nt h e h igh-r i s kgr o upw a ss ign i f i c a n t lyl o w e r t h a n t h a t i n t h e l o w-r i s kgr o up(P1)且伪发现率(f a l s ed i s c o v e r r a t e,F D R)0.0 5的基因作为临界值筛选正常膀胱组织和膀胱癌组织差异表达基因,随后进一 步 对 差 异 表 达 基 因 进 行GO功 能 富 集 和K E G G信号通路分析,以P0.0 5为筛选条件,用“g g p l o t 2”软件对富集结果进行可视化。3 预后模型建立 运用单因素C o x回归和多因素C o x回归分析筛选出的预后相关的坏死性凋亡相关l n c R N A。此分析所运用计算公式如下:风险评分=ni=1(C o e fixi)(C o e f、x分别代表系数值和所选择的坏死性凋亡相关l n c R N A的表达水平)。运用此公式计算每个膀胱癌患者的风险分数。4 列线图 根据风险评分与年龄、性别、分级、分期、T NM分期等临床病理特征构建列线图。该列线图可以评估膀胱癌患者1、3、5年总体生存率的风险评分的预测效果。随后,使用校准曲线来检验所建立的列线图模型的预测能力。在R语言环境中,使用“r m s”、“D y n N o m”、“s h i n y”、“p l o t l y”、“c o m p a r e”和“s t a r g a z e r”软件,开发动态列线图。5 统计学处理 本研究所有统计分析均运用R软件(4.1.2版)进行。运用W i l C o x o n检验对坏死性凋亡相关基因进行差异分析,单因素及多因素C o x回归分别对坏死性凋亡相关l n c R N A与总生存期的关系以及筛选坏死性凋亡相关l n c R N A进行分析,并构建预测模型。采用K a p l a n-M e i e r法和L o g-r a n k检验分析高危组和低危组患者的总生存期。运用“S u r v i v a lR O C”软件绘制受2291L a b e l e dI mm u n o a s s a y s&C l i nM e d,N o v.2 0 2 2,V o l.2 9,N o.1 1试者 工 作 特 征 曲 线(r e c e i v e ro p e r a t i n gc h a r a c t e r i s t i cc u r v e,R O C)曲线,计算曲线下面积(t h ea r e au n d e r t h ec u r v e,A U C)用于验证模型的准确性。P0.0 5为差异有统计学意义。结 果 1 差异基因筛选和功能富集 通过对数据库中肿瘤样本和健康样本转录组数据进行差异分析,筛选出差异基因3 8个,其中上调基因为2 7个,下 调 基 因 为1 1个(见 图1 AB)。K E G G信号通路富集分析结果显示,坏死性凋亡相关的差异基因主要的富集通路为坏死性凋亡、E B病毒感染、甲型流感和P 5 3信号通 路等(见 图1 C)。GO功能富集分析结果显示,坏死性凋亡相关的差异基因在生物过程当中主要富集在细胞周期、外在凋亡信号通路、细胞凋亡线粒体变化、线粒体和细胞膜通透性的调节等,在细胞成分中主要富集在核孔复合物等,在分子功能中主要富集在细胞因子受体结合、泛素样蛋白连接酶结合、肿瘤坏死因子、蛋白磷酸酶结合以及受体超家族