目的筛选肝细胞癌(hepatocellular carcinoma,HCC)相关的甲基化CpG诊断生物标志物。方法下载癌症基因组图谱(the cancer genome atlas,TCGA)中HCC的DNA甲基化和表达数据进行生物信息学分析,获得候选CpG位点。采用焦磷酸测序及qRT-PCR检...目的筛选肝细胞癌(hepatocellular carcinoma,HCC)相关的甲基化CpG诊断生物标志物。方法下载癌症基因组图谱(the cancer genome atlas,TCGA)中HCC的DNA甲基化和表达数据进行生物信息学分析,获得候选CpG位点。采用焦磷酸测序及qRT-PCR检测50例早期HCC组织样本中候选CpG位点的甲基化率及其所在基因的表达量,并验证其诊断效能。在GSE54503、GSE89852和GSE56588数据集中评估候选CpG位点的诊断效能。结果生物信息学分析筛选出5个候选CpG位点(cg12614630、cg19786751、cg06131338、cg23371746和cg25340966),多变量联合诊断的受试者工作特征(receiver operating characteristic curve,ROC)曲线下面积(area under curve,AUC)为0.993。50例早期HCC组织中cg12614630(GPR182)、cg19786751(ACACB)和cg06131338(ACACB)的甲基化率高于癌旁组织以及对应基因的表达水平均低于癌旁组织,且位点甲基化水平与基因表达水平呈负相关(P<0.05)。ROC曲线分析显示,在早期HCC组织以及GSE54503、GSE89852和GSE56588数据集中,3个CpG位点联合诊断的AUC分别为0.903、0.812、0.844和0.934。结论cg12614630、cg19786751和cg06131338 CpG位点可能是HCC潜在的诊断生物标志物,联合检测这3个CpG位点具有良好的诊断效能。展开更多
探讨Bayes判别分析应用于巨大儿发生风险进行预测的临床效果。方法将169例巨大儿和169例正常足月儿按条件进行1∶1配对,纳入可能与巨大儿出生有关的因素,采用条件Logistic回归分析模型筛选有判别意义的指标,将有判别意义的指标带入Baye...探讨Bayes判别分析应用于巨大儿发生风险进行预测的临床效果。方法将169例巨大儿和169例正常足月儿按条件进行1∶1配对,纳入可能与巨大儿出生有关的因素,采用条件Logistic回归分析模型筛选有判别意义的指标,将有判别意义的指标带入Bayes判别模型中得到Bayes判别函数,并对判别函数进行回顾性考核和外部检验。结果经条件Logistic回归分析模型筛选出影响巨大儿出生的因素有产妇身高、孕早期体重指数(body mass index,BMI)、妊娠期糖尿病、孕周、宫高+腹围。建立的Bayes判别函数:巨大儿y1=-27.802+8.420×产妇身高+8.719×孕早期BMI+10.485×孕周+3.375×妊娠期糖尿病+2.862×(宫高+腹围);正常足月儿y2=-17.477+7.161×产妇身高+7.217×孕早期BMI+7.862×孕周+2.036×妊娠期糖尿病-0.085×(宫高+腹围)。建立的判别函数其Wilks’Lambda(λ)=0.512,P<0.001,因而判别函数有统计学意义。对判别函数进行考核,结果内外部符合率均达到80%以上。结论巨大儿的出生与多种因素有关,构建的Bayes判别模型对巨大儿有较好的判别作用,为今后更为准确的预测巨大儿的发生提供客观参考。展开更多
文摘探讨Bayes判别分析应用于巨大儿发生风险进行预测的临床效果。方法将169例巨大儿和169例正常足月儿按条件进行1∶1配对,纳入可能与巨大儿出生有关的因素,采用条件Logistic回归分析模型筛选有判别意义的指标,将有判别意义的指标带入Bayes判别模型中得到Bayes判别函数,并对判别函数进行回顾性考核和外部检验。结果经条件Logistic回归分析模型筛选出影响巨大儿出生的因素有产妇身高、孕早期体重指数(body mass index,BMI)、妊娠期糖尿病、孕周、宫高+腹围。建立的Bayes判别函数:巨大儿y1=-27.802+8.420×产妇身高+8.719×孕早期BMI+10.485×孕周+3.375×妊娠期糖尿病+2.862×(宫高+腹围);正常足月儿y2=-17.477+7.161×产妇身高+7.217×孕早期BMI+7.862×孕周+2.036×妊娠期糖尿病-0.085×(宫高+腹围)。建立的判别函数其Wilks’Lambda(λ)=0.512,P<0.001,因而判别函数有统计学意义。对判别函数进行考核,结果内外部符合率均达到80%以上。结论巨大儿的出生与多种因素有关,构建的Bayes判别模型对巨大儿有较好的判别作用,为今后更为准确的预测巨大儿的发生提供客观参考。
