结果

具有显着乳腺癌预后价值的糖代谢相关lncRNA风险评分模型

为了确定 lncRNA 和葡萄糖代谢之间的关系，我们在 TCGA 队列中寻找了筛选葡萄糖代谢相关的 lncRNA，如“材料和方法”部分所述。74个糖代谢相关基因选自GSEA网站。在相关系数 > 0.3 和p < 0.001的筛选标准下 ，在 399 个糖代谢相关 lncRNA 和 32 个糖代谢相关基因之间建立了共表达网络。为了将该 lncRNA 缩小为预后函数，进行了单变量 Cox 回归分析，结果表明 10 种葡萄糖代谢相关的 lncRNA 在乳腺癌患者中具有显着的预后价值（p < 0.01)。在这些lncRNAs中，4个lncRNAs导致乳腺癌预后不良，风险比（HR）>1. 为避免过拟合，采用LASSO回归方法解决变量选择和多重共线性问题。LASSO 选择的 9 种葡萄糖代谢相关 lncRNA 用于通过调节 R 软件“glmnet”包中的 λ 来构建优化的预后特征 之后，多变量 Cox 分析进一步筛选了 9 个葡萄糖代谢相关 lncRNA 中的 7 个在最低 Akaike 信息标准（AIC = 1315.85）下具有预后意义，即 WEE2-AS1（HR = 0.564767，p = 0.013076），PICSAR（HR = 1.039008  ） , p  = 0.055939), LINC01871 (HR = 0.746676, p  = 4.77 × 10 -5 ), LINC00839 (HR = 1.042895, p = 0.102749  ), AP001505.1 (HR = 1.031788, p  = 0.038978), AC107464.3 (HR = 0.823239，p  = 0.037868），LINC00393（HR = 1.084034，p  = 0.028016） 7 个代谢相关 lncRNA 和 11 个基因之间的共表达网络是最好的预后模型。建立了可视化的lncRNA-mRNA共表达网络和Sankey图，利用Cytoscape软件和R软件可以直接识别7个lncRNA和11个mRNA之间的关系. PICSAR、LINC00893、AC110995.1、LINC00393 是危险因素（HR > 1），WEE2-AS1、LINC01871、AC107464.3是保护因素（HR < 1）。然后，根据每个患者中七种糖代谢相关 lncRNA 的表达计算风险评分，公式为风险评分 = (-0.57134 × WEE2-AS1 的表达水平) + (0.038266 × PICSAR 的表达水平) + (−0.29212 × LINC01871 表达量) + (0.042 × LINC00839 表达量) + (0.031293 × AP001505.1 表达量) + ( −0.19451 × AC107464.3表达量) + (0.080689 × LINC00393 的表达水平）。根据中位风险评分，864 名患者被分为高危组（n = 432) 和低风险 ( n  = 432)。

糖代谢相关lncRNAs预后模型的意义

为了进一步评估模型的预后价值，进行了 Kaplan–Meier 生存曲线分析以显示两组之间存在显着的生存差异对数秩检验，p  = 2.838 × 10 -6. 低风险组的临床结果优于高风险组，表明预后模型有效。864 名患者在散点图中从低风险评分到高风险评分进行划分。当风险评分增加时，患者的生存时间减少，死亡发生率增加

糖代谢相关lncRNAs风险评分系统是独立的预后因素

构建单变量和多变量 cox 回归分析来评估七种葡萄糖代谢相关 lncRNA 在乳腺癌中的独立预后价值。年龄（HR = 1.033，p  < 0.001），分期（HR = 2.149，p  < 0.001），T（HR = 1.510，p  < 0.001），M（HR = 6.481，p  < 0.001），N（HR = 1.688，p  < 0.001）和风险评分（HR = 1.070，p  < 0.001）在单变量 cox 回归中与 OS 显着相关。然而，在多变量 cox 回归中，年龄 (HR = 1.037, p  < 0.001) 和风险评分 (HR = 1.189, p < 0.001) 是 OS 的独立预后因素，表明 7 糖代谢相关 lncRNAs 预后模型是可靠的. 此外，ROC 曲线分析显示，风险评分的 ROC 曲线下面积 (AUC) 为 0.652 接下来，我们在 1 年 (AUC = 0.639)、2 年 (AUC = 0.674) 和 3 年 (AUC = 0.702，图 4D). 这些结果表明，七种葡萄糖代谢相关的 lncRNA 特征是乳腺癌的独立预后因素，具有可靠性和准确性。

糖代谢相关lncRNAs模型在乳腺癌中的临床分析

为了根据不同的临床病理亚型进一步剖析 lncRNA 模型的性能，我们根据不同的临床特征将患者分为两组，例如年龄（≤65 岁和 >65 岁）、性别（女性和男性）、分期（I-II 期和III-IV 期）、T 期（T1-2 和 T3-4）、M 期（M0 和 M1）和 N 期（N0 和 N1-3）。该热图将临床信息与与葡萄糖代谢相关的七种 lncRNA 的表达相结合。按风险评分对患者进行排序，用蓝色表示lncRNA低表达，红色表示lncRNA高表达，PICSAR、LINC00839、AP001505.1、LINC00393等临床结局不佳的表达在高危组显着富集组然后，我们使用Kaplan-Meier生存曲线比较了不同临床特征下高危和低危人群的生存差异。我们发现，在年龄较小（≤65 岁）的人群中，无论 T 和 N 分期（T1-2 和 3-4，N0 和 1-3，I-II 和 III-IV 期），高危患者的生存时间随着时间的增加，组明显短于低风险组这些图表声称通过lncRNA风险评分系统预测患者的生存状况和预后价值是有意义的。

制作了Nomogram，可以很方便的判断患者的生活状况和预后. 当患者看医生时，我们根据患者的年龄、性别（女性 = 0，男性 = 1）、分期、T、M、N 和风险评分评估患者的 1、3 和 5 年生存率。列线图的一致性指数（C指数）值为 0.79。校准曲线分析表明，预测的 1、3、5 年 OS 与实际 1、3、5 年 OS 相似，表明列线图评分方法可靠且实用

功能通路富集分析减轻了乳腺癌的生物学价值

为了弄清楚高风险和低风险 lncRNA 组中的功能通路富集，进行了基因集富集分析 (GSEA) 中的 KEGG 通路分析. 结果表明，高危人群在细胞周期和生物合成相关通路（细胞周期、卵母细胞减数分裂、类固醇生物合成）上富集具有统计学意义；低风险组丰富了免疫反应和代谢相关通路（JAK-STAT信号通路、自身免疫性甲状腺疾病、细胞因子-细胞因子受体相互作用）。这些途径可能是乳腺癌的潜在治疗靶点。

 验证AP001505.1在乳腺癌细胞中的表达

在癌症的发展过程中，细胞在有氧条件下进行糖酵解以吸收更多的葡萄糖以维持细胞生长。因此，癌细胞更容易在高糖环境中生长，不利于癌症发展的预后。在风险评分预后模型和 lncRNA-mRNA 共表达网络中，AP001505.1和 LINC00839 与许多糖代谢相关的 mRNA 相关，并且在乳腺癌的预后发展中也起着重要作用。LINC00839 通过靶向 MYC 激活 PI3K/AKT 信号通路来促进乳腺癌的化疗耐药性。因此，我们怀疑AP001505.1还可以通过调节糖代谢影响乳腺癌的进展、侵袭、转移和复发。通过比较高糖和低糖处理的乳腺癌细胞中AP001505.1的表达，我们发现高糖处理的MDA-MB-231、SUM-1315和HCC-1806中AP001505.1的表达增加。然而，BT-549 细胞在高糖和低糖组中没有显着变化