目的基于代謝相關(guān)基因的生物信息學(xué)分析構(gòu)建肺鱗癌預(yù)后模型。方法從癌癥基因組圖譜數(shù)據(jù)庫(kù)下載肺鱗癌相關(guān)數(shù)據(jù),從GENECARDS網(wǎng)站查找代謝相關(guān)基因,使用R軟件篩選差異表達(dá)的代謝相關(guān)基因,然后進(jìn)一步進(jìn)行單因素Cox回歸和LASSO回歸分析并構(gòu)建預(yù)后模型。運(yùn)用Kaplan-Meier生存分析、ROC曲線對(duì)模型進(jìn)行評(píng)價(jià)。采用多因素Cox回歸鑒定模型是否可作為獨(dú)立預(yù)后因子,通過決策曲線分析和諾莫列線圖評(píng)價(jià)模型的可行性和精確度。結(jié)果成功構(gòu)建8個(gè)代謝相關(guān)基因組成的預(yù)后模型。模型將患者分為高風(fēng)險(xiǎn)和低風(fēng)險(xiǎn)組,且提示低風(fēng)險(xiǎn)組的預(yù)后更好（P<0.001）,ROC曲線顯示3年和5年生存率的曲線下面積分別為0.765和0.758。多因素Cox回歸分析表明模型可以作為一個(gè)獨(dú)立的預(yù)后因子（HR=1.139,95%CI=1.101-1.179,P<0.05）。決策曲線及諾莫列線圖均提示本預(yù)后模型有較好的預(yù)測(cè)能力。結(jié)論本研究成功建立了基于8個(gè)代謝相關(guān)基因的肺鱗癌預(yù)后模型,該模型可以對(duì)患者的個(gè)體化治療提供一定幫助,并提高肺鱗癌患者的個(gè)體化預(yù)測(cè)結(jié)果的準(zhǔn)確度。 

【文章來源】：臨床肺科雜志. 2020,25(11)

【文章頁(yè)數(shù)】：8 頁(yè)

【部分圖文】：

肺鱗癌患者的生存曲線,藍(lán)色代表低風(fēng)險(xiǎn)人群,紅色代表高風(fēng)險(xiǎn)人群;圖4B 預(yù)后模型的ROC曲線,藍(lán)色線代表3年生存時(shí)間,紅色線代表5年生存時(shí)間

圖4A 肺鱗癌患者的生存曲線,藍(lán)色代表低風(fēng)險(xiǎn)人群,紅色代表高風(fēng)險(xiǎn)人群;圖4B 預(yù)后模型的ROC曲線,藍(lán)色線代表3年生存時(shí)間,紅色線代表5年生存時(shí)間圖6 多因素Cox回歸分析風(fēng)險(xiǎn)評(píng)分與生存時(shí)間關(guān)系的森林圖

多因素Cox回歸分析風(fēng)險(xiǎn)評(píng)分與生存時(shí)間關(guān)系的森林圖

【參考文獻(xiàn)】：
期刊論文
[1]基于長(zhǎng)鏈非編碼RNA的生物信息學(xué)分析構(gòu)建膀胱癌預(yù)后模型并確定預(yù)后生物標(biāo)志物[J]. 楊飛龍,洪鍇,趙國(guó)江,劉承,宋一萌,馬潞林.  北京大學(xué)學(xué)報(bào)(醫(yī)學(xué)版). 2019(04)



本文編號(hào)：3552461