基于代谢相关基因的生物信息学分析构建肺鳞癌预后模型

发布时间：2021-12-27 18:06

　　目的基于代谢相关基因的生物信息学分析构建肺鳞癌预后模型。方法从癌症基因组图谱数据库下载肺鳞癌相关数据,从GENECARDS网站查找代谢相关基因,使用R软件筛选差异表达的代谢相关基因,然后进一步进行单因素Cox回归和LASSO回归分析并构建预后模型。运用Kaplan-Meier生存分析、ROC曲线对模型进行评价。采用多因素Cox回归鉴定模型是否可作为独立预后因子,通过决策曲线分析和诺莫列线图评价模型的可行性和精确度。结果成功构建8个代谢相关基因组成的预后模型。模型将患者分为高风险和低风险组,且提示低风险组的预后更好（P<0.001）,ROC曲线显示3年和5年生存率的曲线下面积分别为0.765和0.758。多因素Cox回归分析表明模型可以作为一个独立的预后因子（HR=1.139,95%CI=1.101-1.179,P<0.05）。决策曲线及诺莫列线图均提示本预后模型有较好的预测能力。结论本研究成功建立了基于8个代谢相关基因的肺鳞癌预后模型,该模型可以对患者的个体化治疗提供一定帮助,并提高肺鳞癌患者的个体化预测结果的准确度。 

【文章来源】：临床肺科杂志. 2020,25(11)

【文章页数】：8 页

【部分图文】：

肺鳞癌患者的生存曲线,蓝色代表低风险人群,红色代表高风险人群;图4B 预后模型的ROC曲线,蓝色线代表3年生存时间,红色线代表5年生存时间

图4A 肺鳞癌患者的生存曲线,蓝色代表低风险人群,红色代表高风险人群;图4B 预后模型的ROC曲线,蓝色线代表3年生存时间,红色线代表5年生存时间图6 多因素Cox回归分析风险评分与生存时间关系的森林图

多因素Cox回归分析风险评分与生存时间关系的森林图

【参考文献】：
期刊论文
[1]基于长链非编码RNA的生物信息学分析构建膀胱癌预后模型并确定预后生物标志物[J]. 杨飞龙,洪锴,赵国江,刘承,宋一萌,马潞林.  北京大学学报(医学版). 2019(04)



本文编号：3552461