目的应用生物信息学构建与铁死亡基因相关的UVM预测模型,用于评估葡萄膜黑色素瘤患者预后生存及转移情况。方法从肿瘤基因组图谱(TCGA)获取UVM转录组数据和与之匹配的临床信息,结合铁死亡数据库确定铁死亡相关基因。Kaplan-Meier方法分...目的应用生物信息学构建与铁死亡基因相关的UVM预测模型,用于评估葡萄膜黑色素瘤患者预后生存及转移情况。方法从肿瘤基因组图谱(TCGA)获取UVM转录组数据和与之匹配的临床信息,结合铁死亡数据库确定铁死亡相关基因。Kaplan-Meier方法分析铁死亡相关基因在高、低表达状态下患者的总体生存率,利用LASSO、单因素和多因素回归分析筛选并构建免疫相关风险预测模型。根据风险评分将患者分为高、低风险组,利用ROC曲线评估模型准确度,并采用基因表达综合数据库(GEO)中的GSE84976和GSE22138作为验证集。结果通过多种算法构建了含有4个核心基因的预测模型(AIFM2、ITGA6、CD44、ALOX12),基于模型标志物计算的风险评分可以准确识别UVM高、低风险患者,并具有预测患者总体生存的能力(P<0.01,1 a AUC=0.84、3 a AUC=0.89、5 a AUC=0.91),验证集GSE84976外部验证结果:P<0.01,1 a AUC=NA,3 a AUC=0.78,5 a AUC=0.91;验证集GSE22138外部验证结果:P<0.01,1 a AUC=0.75,3 a AUC=0.79,5 a AUC=0.82,结果显示,该预测模型可作为UVM独立预后因素,预测生存及转移情况。结论构建的新型铁死亡相关的UVM预测模型(AIFM2、ITGA6、CD44、ALOX12),能够准确预测UVM患者预后及转移情况,可为UVM患者的个性化诊疗提供新的靶点。展开更多
目的·探索RBX1(ring-box protein 1)在葡萄膜黑色素瘤(uveal melanoma,UVM)肿瘤细胞中对免疫相关基因的调控作用。方法·通过检索癌症基因组图谱(The Cancer Genome Atlas,TCGA)数据库分析RBX1在肿瘤中的表达水平以及与临床分...目的·探索RBX1(ring-box protein 1)在葡萄膜黑色素瘤(uveal melanoma,UVM)肿瘤细胞中对免疫相关基因的调控作用。方法·通过检索癌症基因组图谱(The Cancer Genome Atlas,TCGA)数据库分析RBX1在肿瘤中的表达水平以及与临床分期、生存预后的相关性。使用靶向RBX1的小干扰RNA(small interfering RNA,siRNA)分别在UVM细胞系92.1、OMM2.3和MEL290中瞬时敲低RBX1,并对瞬时敲低RBX1的92.1细胞进行转录组测序,分析si RBX1转染细胞与对照细胞的差异表达基因,并采用基因集富集分析(gene set enrichment analysis,GSEA)对差异基因进行分析,探究RBX1与肿瘤免疫相关基因的关系。在分析结果的基础上,通过实时荧光定量PCR(qPCR)分别检测瞬时敲低RBX1的92.1、OMM2.3和MEL290细胞系中信号转导与转录激活因子1(signal transducer and activator of transcription 1,STAT1)及其下游的CXC趋化因子配体9(C-X-C motif chemokine ligand 9,CXCL9)和CXCL10的mRNA表达水平,并通过Western blotting检测92.1细胞中STAT1及p-STAT1蛋白表达水平。在瞬时敲低RBX1的细胞系OMM2.3和MEL290中,分别加入5 nmol/L或10 nmol/L的STAT1抑制剂fludarabine,处理48 h后通过qPCR检测CXCL9和CXCL10的mRNA表达水平。结果·TCGA数据库分析表明:与正常组织相比,RBX1在多种肿瘤中高表达,在肾上腺皮质癌和UVM中显著高表达;且这2种肿瘤分期晚的患者,RBX1表达水平更高,同时RBX1表达水平高的患者的总生存期更短(均P<0.05)。对瞬时敲低RBX1的92.1细胞和对照细胞进行转录组测序,获得差异基因,并且GSEA结果显示,RBX1参与调控肿瘤免疫相关通路。热图分析显示RBX1敲低后STAT1表达水平上升。在92.1、OMM2.3和MEL290细胞系中,qPCR结果显示RBX1敲低后STAT1、CXCL9和CXCL10的mRNA表达水平上升,Western blotting结果显示在92.1细胞系中敲低RBX1后STAT1及p-STAT1表达水平上升。加入STAT1抑制剂后,OMM2.3和MEL290细胞系中的CXCL9和CXCL10 mRNA上调表达被抑制。结论·RBX1在UVM细胞中可能通过STAT1调控CXCL9和CXCL10的表达,参与肿瘤免疫调控。展开更多
文摘目的应用生物信息学构建与铁死亡基因相关的UVM预测模型,用于评估葡萄膜黑色素瘤患者预后生存及转移情况。方法从肿瘤基因组图谱(TCGA)获取UVM转录组数据和与之匹配的临床信息,结合铁死亡数据库确定铁死亡相关基因。Kaplan-Meier方法分析铁死亡相关基因在高、低表达状态下患者的总体生存率,利用LASSO、单因素和多因素回归分析筛选并构建免疫相关风险预测模型。根据风险评分将患者分为高、低风险组,利用ROC曲线评估模型准确度,并采用基因表达综合数据库(GEO)中的GSE84976和GSE22138作为验证集。结果通过多种算法构建了含有4个核心基因的预测模型(AIFM2、ITGA6、CD44、ALOX12),基于模型标志物计算的风险评分可以准确识别UVM高、低风险患者,并具有预测患者总体生存的能力(P<0.01,1 a AUC=0.84、3 a AUC=0.89、5 a AUC=0.91),验证集GSE84976外部验证结果:P<0.01,1 a AUC=NA,3 a AUC=0.78,5 a AUC=0.91;验证集GSE22138外部验证结果:P<0.01,1 a AUC=0.75,3 a AUC=0.79,5 a AUC=0.82,结果显示,该预测模型可作为UVM独立预后因素,预测生存及转移情况。结论构建的新型铁死亡相关的UVM预测模型(AIFM2、ITGA6、CD44、ALOX12),能够准确预测UVM患者预后及转移情况,可为UVM患者的个性化诊疗提供新的靶点。