10.11735/j.issn.1671-170X.2023.08.B009
乳腺癌铜死亡相关lncRNA预后风险模型的构建
[目的]基于铜死亡相关lncRNA构建乳腺癌预后风险模型并探索其潜在的生物学意义.[方法]从TCGA数据库下载乳腺癌数据,利用R软件获取铜死亡相关lncRNA.用Cox回归及Lasso回归分析筛选铜死亡预后相关lncRNA,建立预后风险模型.运用Kaplan-Meier分析和ROC曲线对模型进行评估,并将此模型与临床病理特征进行整合,Cox回归分析寻找独立预后因素,建立列线图.对高低风险组之间差异基因进行基因本体(Gene Ontology,GO)和京都基因与基因组百科全书(Kyoto Encyclopedia of Genes and Genomes,KEGG)富集分析、免疫功能分析,并探讨两组间TMB和突变基因的表达.[结果]单因素Cox回归分析显示19个铜死亡预后相关lncRNA,Lasso回归分析筛选出 14 个 lncRNA,多因素 Cox 回归分析确定 8 个 lncRNA(AL590434.1、AC105398.1、AL137847.1、AC004982.1、AC107993.1、MECOM-AS1、U73166.1、HECW2-AS1)用于构建预后风险模型.风险评分=(-1.45494698784031 ×AL590434.1)+(-3.67358360093321 ×AC 105398.1)+(-1.10778423160903 ×AL137847.1)+(0.661226964250153 ×AC004982.1)+(-1.46582205700717 ×AC107993.1)+(0.825809098216395 ×MECOM-AS1)+(-0.651012875897201 ×U73166.1)+(0.249130715504216×HECW2-AS 1).高风险组患者的总生存时间(overall survival,OS)及无进展生存期(progression-free survival,PFS)明显低于低风险组(P＜0.05).预后风险模型预测乳腺癌患者1年、3年和5年生存效能较好(AUC值分别为0.727、0.688、0.706).风险评分可作为乳腺癌患者的独立预后因素(P＜0.01),列线图证实该模型具有良好的预后预测能力.GO分析主要富集包括肌肉系统过程、富含胶原的细胞外基质、肌动蛋白结合;KEGG分析主要富集在钙离子信号通路(P＜0.05).免疫功能分析发现T细胞共抑制、抗原呈递共刺激及共抑制在高、低风险组之间存在显著差异(P＜0.01).高风险组TMB较低风险组高(P＜0.05),高TMB组预后较低TMB组差(P＜0.05).两组中PIK3CA是突变频率最高的基因,其次为TP53.[结论]8个铜死亡相关lncRNA组成的预后风险模型是乳腺癌的独立预后因素,可以有效预测乳腺癌患者的生存预后.
乳腺癌、铜死亡、lncRNA、预后、风险模型
29
R737.9(肿瘤学)
江苏省无锡市科技发展基金指导性计划项目202029
2023-10-13（万方平台首次上网日期，不代表论文的发表时间）
共11页
687-697
