目的分析m6A调节因子对膀胱癌(bladder cancer,BC)预后的影响,建立预后预测模型。方法从癌症基因组图谱(The Cancer Genome Atlas,TCGA)数据库获取397例BC组织的高通量测序数据和对应的临床病理特征数据。在26个m6A调节因子中,采用单因...目的分析m6A调节因子对膀胱癌(bladder cancer,BC)预后的影响,建立预后预测模型。方法从癌症基因组图谱(The Cancer Genome Atlas,TCGA)数据库获取397例BC组织的高通量测序数据和对应的临床病理特征数据。在26个m6A调节因子中,采用单因素Cox回归筛选预后相关的m6A调节因子,利用最小绝对值收敛和选择算子(least absolute shrinkage and selection operator,LASSO)Cox回归分析方法构建BC预后预测模型,比较高低风险组总生存期(overall survival,OS)、免疫检查点相关基因和靶向治疗相关基因表达的差异。通过基因集富集分析比较高低风险组中信号通路的富集情况,采用单样本基因富集分析(single sample gene set enrichment analysis,ssGSEA)和估计恶性肿瘤组织中基质和免疫细胞(estimation of stromal and immune cells in malignant tumors using expression data,ESTIMATE)法评估高低风险组免疫细胞浸润水平的差异。结果YTHDC1、IGF2BP3、LRPPRC、FTO和ALKBH3是BC独立的预后因素。利用LASSO Cox回归方法基于5个m6A调节因子建立BC预后预测风险模型,Kaplan-Meier分析结果提示高低风险组间OS存在显著差异(P<0.001),受试者工作特征(receiver operating characteristic,ROC)曲线下面积为0.665。高风险组在趋化因子、NOD样受体、嘌呤代谢、丙酮酸代谢等信号通路富集,具有丰富的免疫细胞浸润特征,PD-L1、CTLA-4、EGFR和KRAS基因表达更高。结论本研究基于m6A调节因子构建的BC预后预测模型准确性较好,有助于临床上预后判断和分层个体化治疗。展开更多
文摘目的分析m6A调节因子对膀胱癌(bladder cancer,BC)预后的影响,建立预后预测模型。方法从癌症基因组图谱(The Cancer Genome Atlas,TCGA)数据库获取397例BC组织的高通量测序数据和对应的临床病理特征数据。在26个m6A调节因子中,采用单因素Cox回归筛选预后相关的m6A调节因子,利用最小绝对值收敛和选择算子(least absolute shrinkage and selection operator,LASSO)Cox回归分析方法构建BC预后预测模型,比较高低风险组总生存期(overall survival,OS)、免疫检查点相关基因和靶向治疗相关基因表达的差异。通过基因集富集分析比较高低风险组中信号通路的富集情况,采用单样本基因富集分析(single sample gene set enrichment analysis,ssGSEA)和估计恶性肿瘤组织中基质和免疫细胞(estimation of stromal and immune cells in malignant tumors using expression data,ESTIMATE)法评估高低风险组免疫细胞浸润水平的差异。结果YTHDC1、IGF2BP3、LRPPRC、FTO和ALKBH3是BC独立的预后因素。利用LASSO Cox回归方法基于5个m6A调节因子建立BC预后预测风险模型,Kaplan-Meier分析结果提示高低风险组间OS存在显著差异(P<0.001),受试者工作特征(receiver operating characteristic,ROC)曲线下面积为0.665。高风险组在趋化因子、NOD样受体、嘌呤代谢、丙酮酸代谢等信号通路富集,具有丰富的免疫细胞浸润特征,PD-L1、CTLA-4、EGFR和KRAS基因表达更高。结论本研究基于m6A调节因子构建的BC预后预测模型准确性较好,有助于临床上预后判断和分层个体化治疗。
