目的探讨免疫和基质细胞相关基因对三阴性乳腺癌(triple-negative breast cancer,TNBC)预后的影响。方法利用ESTIMATE算法计算GEO数据库中TNBC样本的免疫评分,使用R包中的limma包筛选差异表达基因。GEO数据库和KM-plotter网站进行生存分...目的探讨免疫和基质细胞相关基因对三阴性乳腺癌(triple-negative breast cancer,TNBC)预后的影响。方法利用ESTIMATE算法计算GEO数据库中TNBC样本的免疫评分,使用R包中的limma包筛选差异表达基因。GEO数据库和KM-plotter网站进行生存分析,寻找与TNBC无病生存期显著相关的基因。通过免疫组织化学染色和RT-qPCR验证其中部分基因的表达水平。结果功能富集和蛋白-蛋白相互作用网络分析显示这些基因主要参与免疫应答。R包中survival包生存分析显示,36个基因中有14个基因与TNBC的DFS显著相关。Cox-LASSO分析筛选出4个与TNBC预后相关的基因。时间依赖的受试者工作特征分析显示,1年生存率的曲线下面积(area under the curve,AUC)为0.95,表明4个基因具有很好的预后预测能力。结论含杆状病毒IAP重复3(baculoviral IAP repeat containing 3,BIRC3)基因、CD8抗原(CD8 antigen,CD8A)基因、颗粒溶素(granulysin,GNLY)基因和含三方基序22(tripartite motif containing 22,TRIM22)基因这4个基因可能与TNBC的免疫微环境相关,是TNBC潜在的预后和治疗标志物。展开更多
文摘目的探讨免疫和基质细胞相关基因对三阴性乳腺癌(triple-negative breast cancer,TNBC)预后的影响。方法利用ESTIMATE算法计算GEO数据库中TNBC样本的免疫评分,使用R包中的limma包筛选差异表达基因。GEO数据库和KM-plotter网站进行生存分析,寻找与TNBC无病生存期显著相关的基因。通过免疫组织化学染色和RT-qPCR验证其中部分基因的表达水平。结果功能富集和蛋白-蛋白相互作用网络分析显示这些基因主要参与免疫应答。R包中survival包生存分析显示,36个基因中有14个基因与TNBC的DFS显著相关。Cox-LASSO分析筛选出4个与TNBC预后相关的基因。时间依赖的受试者工作特征分析显示,1年生存率的曲线下面积(area under the curve,AUC)为0.95,表明4个基因具有很好的预后预测能力。结论含杆状病毒IAP重复3(baculoviral IAP repeat containing 3,BIRC3)基因、CD8抗原(CD8 antigen,CD8A)基因、颗粒溶素(granulysin,GNLY)基因和含三方基序22(tripartite motif containing 22,TRIM22)基因这4个基因可能与TNBC的免疫微环境相关,是TNBC潜在的预后和治疗标志物。
