目的 基于铜死亡相关长链非编码RNA(cuproptosis-related long noncoding RNA,CRL)构建子宫颈癌预后模型并分析不同风险组间药物敏感性差异,为子宫颈癌患者预后预测及个体化治疗提供理论依据。方法 从癌症基因组图谱(The Cancer Genome ...目的 基于铜死亡相关长链非编码RNA(cuproptosis-related long noncoding RNA,CRL)构建子宫颈癌预后模型并分析不同风险组间药物敏感性差异,为子宫颈癌患者预后预测及个体化治疗提供理论依据。方法 从癌症基因组图谱(The Cancer Genome Atlas,TCGA)数据库中下载304例子宫颈癌患者的基因表达谱、突变数据和临床数据,使用随机抽样的方法将患者分为训练集(n=152例)和测试集(n=152)。采用Pearson相关性分析鉴定CRL。应用单因素Cox、LASSO和多因素Cox回归分析在训练集中构建CRL风险评分模型,在测试集和整个队列中进行验证,并根据风险评分中位数将训练集和测试集患者分为高风险组(训练集76例和测试集83例)和低风险组(训练集76例和测试集69例)。使用Kaplan-Meier(K-M)生存分析、受试者工作特征(receiver operating characteristic,ROC)曲线、单因素与多因素Cox回归和主成分分析(principal component analysis,PCA)评估CRL风险评分模型,并构建结合临床病理特征和CRL风险评分模型的列线图和校准曲线。通过基因集富集分析(gene set enrichment analysis,GSEA)探索该模型的潜在分子机制。使用Spearman相关分析探讨免疫细胞浸润与风险评分之间的相关性。绘制子宫颈癌患者基因突变图谱,分析CRL风险评分模型与体细胞变异之间的相关性。分析免疫治疗药物的敏感性和20种化疗药物在不同风险群体中的半抑制浓度(half maximal inhibitory concentration,IC50)值差异。结果 共获得704个CRL,经单因素Cox、LASSO和多因素Cox回归分析最终构建包含6个CRL(AC103591.4、AC021851.1、MNX1-AS1、FAM27E3、AL603832.1和AC097505.1)的风险评分预测模型。K-M生存曲线、ROC曲线下面积(area under the curve,AUC)和PCA分析均验证该模型具有良好的预测能力。多因素Cox回归显示,CRL风险评分可作为独立预后因子(P<0.05)。列线图对子宫颈癌患者的1、3和5年总生存(overall survival,OS)具有较好的预测能力。GSEA结果显示,高风险组与癌症通路相关。免疫细胞浸润结果表明,多数免疫细胞与CRL风险评分呈正相关(均r>0,均P<0.05)。免疫检查点分析结果显示,低风险组患者免疫检查点表达较高。基因突变图谱结果表明,高低风险组间肿瘤突变负荷(tumor mutation burden,TMB)比较,差异无统计学意义(P>0.05)。药物敏感性分析结果显示,免疫治疗药物细胞毒T淋巴细胞相关抗原4对低风险组患者疗效较好,阿卡地新、二甲基草酰甘氨酸、多柔比星、索拉非尼和阿糖胞苷5种药物的IC50值在高低风险组间比较,差异均具有统计学意义(均P<0.05)。结论 6个CRL的风险评分特征可独立预测子宫颈癌患者的预后,有助于阐明子宫颈癌中CRL的机制,并为患者临床个体化治疗提供理论指导。展开更多
目的构建基于铜死亡相关的铁死亡基因的预后模型,评估其在肝癌患者中的预测能力,并探讨与免疫功能和肿瘤突变负荷的关系。方法使用TCGA(The Cancer Genome Atlas)数据库分析370例肝癌患者的与铜死亡相关的铁死亡基因和生存数据,并将数...目的构建基于铜死亡相关的铁死亡基因的预后模型,评估其在肝癌患者中的预测能力,并探讨与免疫功能和肿瘤突变负荷的关系。方法使用TCGA(The Cancer Genome Atlas)数据库分析370例肝癌患者的与铜死亡相关的铁死亡基因和生存数据,并将数据集随机分为训练组和测试组。通过Lasso回归和Cox模型的构建,筛选出与铜死亡相关的铁死亡基因进行风险模型构建。进行单因素和多因素Cox回归分析来验证风险模型对肝癌预后影响的独立性,并分析风险模型与免疫功能和肿瘤突变负荷的关系。结果在多变量Cox回归数据中选择EIF2S1、G6PD、NRAS这3个与铜死亡相关的铁死亡基因,训练组中EIF2S1、G6PD、NRAS与生存期独立相关(P均<0.05),以该3个基因构建风险模型。Kaplan-Meier分析结果显示,与低风险组比较,高风险组患者的生存期较短(P<0.05),生存率较低(P<0.05)。单因素Cox回归分析显示,铜死亡相关的铁死亡基因构建的风险模型中HR为1.734,95%CI为1.494~2.034,P<0.001。多因素Cox回归分析显示,铜死亡相关的铁死亡基因构建的风险模型中HR为1.661,95%CI为1.397~1.976,P<0.001。ROC曲线分析显示,风险模型预测肝癌患者第1,3,5年生存期的曲线下面积(AUC)分别为0.760,0.663和0.636。运用该风险模型进行Kaplan-Meier生存曲线分析显示,与早期肝癌患者相比,晚期肝癌患者生存期更短(P<0.05),生存率更低(P<0.05)。在高风险组和低风险组中,TypeⅡIFN Response、Parainflammation、APC co-stimulation、CCR、Check-point和MHC classⅠ这6个免疫功能的表达存在统计学差异(P均<0.05)。高肿瘤突变负荷组的肝癌患者生存期明显低于低肿瘤突变负荷组的患者(P<0.05)。结论基于与铜死亡相关的铁死亡基因的风险模型能够有效区分肝癌患者的预后,且铜死亡相关的铁死亡基因与免疫功能和肿瘤突变负荷密切相关。展开更多