LncRNA共表达网络分析揭示了黑色素瘤新的生物标志物

发布时间：2024-01-31 02:12

　　背景:lncRNA拷贝数变异(CNV)是消除lncRNA表达的重要机制之一,可能在肿瘤发生中起重要作用。这样,lncRNA拷贝数的改变可以揭示癌症的发展阶段,并作为患者预后的生物标志物,但这种可能性很少被研究。黑色素瘤的高死亡率和低存活率主要是由于诊断和治疗的延误。目的:因此,迫切需要识别早期黑色素瘤生物标志物和新的治疗靶点。方法:在本研究中,我们使用了常用的生物学方法、加权基因共表达网络分析(WGCNA)和lncRNA表达数据来评估这类生物标志物的识别潜力。结果:11个lncRNA,即LINC01238、BASP1-AS1、LOC100506098、LINC-PINT、LOC100506585、RNF139-AS1、MALAT1、PCED1B-AS1、LINC02384、ARHGAP27P1和LINC01532被鉴定为独立的黑色素瘤表达数据集。此外,我们通过功能和途径富集分析对这些lncRNA进行了表征,并确定了哪些lncRNA在正常和黑素瘤样本之间表现出差异表达、差异启动子甲基化水平和拷贝数改变。最后,我们进行了生存分析,确定了4种lncRNAs,BASP1-AS1、LOC1005...

【文章页数】：48 页

【学位级别】：硕士

【部分图文】：

图1A:5个无病生存亚型的KM曲线

14图1A:5个无病生存亚型的KM曲线。B:每个亚型中突变频率最高的前20个基因的韦恩图。C:每个样本中每个亚型前20个基因突变的频率。3.2LncRNA和编码基因在不同亚型间的差异分析分析lncRNA和编码基因在不同亚型间的差异。使用RpackageDEseq2，我们首先排除了....

图2A-E:lncRNA火山图的五个亚型之间的差异，橙色表示上调，绿色表示下调

15表2每个子类型的统计差异TypeC1C2C3C4C5PCG_Down28385107841089386PCG_Up7936093631231102PCG_All3631111911472320488Lnc_Down2124413602796287Lnc_Up607433268....

图3A-E:基于倍数差异的每个子类型的GSEA分析

16之间也存在差异。图3A-E:基于倍数差异的每个子类型的GSEA分析。F:lncRNA的5个亚型之间的关系。3.3编码基因和lncRNA的功能富集分析基于这些差异编码基因和lncRNA表达谱，利用WGCNA共表达算法挖掘共表达编码基因和lncRNA共表达模块。首先，我们将FPK....

图4A:样本聚类分析

17邻接矩阵,然后将邻接矩阵转换为一个拓扑矩阵。在TOM的基础上，根据混合动态剪接树的标准，采用平均连锁层次聚类方法对基因进行聚类，并将每个基因的最小基因数(lncRNA)网络模块设置为30。采用动态剪切法确定基因模块后，依次计算每个模块的特征基因，然后对模块进行聚类，将较近的模....

本文编号：3890775