舌鳞状细胞癌中与自噬相关的lncrna预后模型

2023-06-25 10:32 作者:275276 0人读过 | 我要投稿

TCGA数据库中自噬相关lncRNA的鉴定对TSCC患者具有预后意义

我们通过分析从 TCGA 获得的 162 名 TSCC 患者样本的 RNA 序列，鉴定了 14,142 个 lncRNA。从HADb数据库中下载了总共232个自噬相关基因，并获取了患者样本中相应的表达水平。通过设定Pearson系数和p值的阈值，筛选出941个与自噬相关的lncRNA。采用单变量Cox回归分析获得25个与TSCC患者总生存时间显着相关的自噬相关lncRNA。基于最小 AIC，多变量 Cox 分析显示，10 个 lncRNA AC010326.3、AL160006.1、AL122010.1、AC139530.1、AC092747.4、AL139287.1、MIR503HG、AC009318.2、LINC01711 和 LINC02560 是构建预后模型。10个自噬相关lncRNA中，AC010326.3和AL139287.1的HR值大于1，其余为HR值小于1的保护因素。

TSCC 中自噬相关 lncRNA 的预后评估

为了研究自噬相关的lncRNA是否与TSCC的预后相关，我们建立了风险评分模型。该模型是lncRNA表达量乘以相应系数的总和，即风险评分 = (0.3919 × AC010326.3 表达量) + (− 0.3971 × AL160006.1 表达量) + (− 0.4357 × AL122010.1 表达量) ) + (− 0.9133 × AC139530.1 的表达量) + (− 0.1894 × AC092747.4 的表达量) + (0.2274 × AL139287.1 的表达量) + (− 0.2733 × MIR503HG 的表达量) + (− 0.7450 × AC009318 的表达量.2) + (− 1.3486 × LINC01711 的表达式) + (− 0.0652 × LINC02560 的表达式)。根据中位风险评分 1.607，将 TSCC 患者分为高风险组和低风险组。为了验证高危组和低危组在TSCC患者OS中的意义，卡普兰-迈耶生存曲线分析用于创建风险生存曲线。随着生存时间的增加，高危组的生存率急剧下降，而低危组的结果优于高危组。自噬相关lncRNA预后模型的时间依赖性受试者工作特征（ROC）曲线下面积为0.782，这表明预后特征具有预测生存的潜力。数字 1C显示不同组间的生存状况。 1D 描述了根据风险评分将 TSCC 患者分为高风险组和低风险组。这些结果表明，基于自噬相关lncRNA的预后模型可以准确地对TSCC患者的生存状态和风险进行分类。热图显示了高危组和低危组中10个自噬相关lncRNA的表达水平。颜色从红色变为绿色，表明表达水平从高到低呈下降趋势。

验证与 TSCC 患者自噬相关的 lncRNA 的预后特征。A通过中位风险评分分析高危组和低危组 TSCC 患者的总生存时间。生存曲线显示，高危和低危生存率存在显着的统计学差异。B ROC曲线显示了自噬相关lncRNA预后模型（AUC = 0.782）在从TCGA数据库预测TSCC患者生存时间方面的准确性。C基于预后特征的 TSCC 患者生存状态与风险评分之间的关系。D TSCC 患者高风险和低风险评分的分布。风险评分从绿色增加到红色。E热成像显示高危和低危患者中10种自噬相关lncRNA的表达水平

自噬相关lncRNA构建的预后模型与临床特征的相关性

我们从TCGA数据库中获取了TSCC患者的临床数据，并分析了风险评分与临床病理特征之间的相关性。结果显示，TSCC患者的风险评分与年龄、性别、分级、AJCC分期、N分期之间无显着统计学差异。同时，在T阶段，T3-T4患者的风险评分高于T1-T2，p < 0.05）。这些分析结果提示自噬相关lncRNA风险评分与TSCC患者的T分期相关。

不同临床病理特征与自噬相关lncRNA风险评分的相关性。A～F分别显示年龄（≥65岁；<65岁）、性别（男；女）、肿瘤分级（G1/G2；G3/G4）、N分期（N0；N1～N2）的风险评分表达差异）、AJCC 阶段和 T 阶段（S1/S2；S3/4）。并且T期与风险评分显着相关。A – D和F的统计分析由 Wilcoxon 进行，E 的统计分析由 Anova 进行

我们进一步对 TSCC 患者的临床信息进行分层，以评估自噬相关的 lncRNA 预后模型。如图所示。 3，我们根据年龄（年龄 ≥ 65：p = 7.05e−04；年龄 < 65：p = 1.925e−03）、性别（男性：p = 1.234e−02；女性：p = 1.234e−02)，肿瘤分级（G1–2：p = 2.152e−05；G3–4：p = 6.335e−02），AJCC 分期（I–II 期：p = 5.429e−02；III 期–IV：p = 2.527e−05)、T 阶段（T1–2：p = 6.708e−04；T3–4：p = 5.056e−03）和 N 阶段（N0：p = 3.141e−03；N1 –2: p = 4.263e−04) 分别。这些表明低风险评分患者的 OS 时间明显长于高风险评分患者。

高危和低危 TSCC 患者的生存率按不同的临床病理特征进行分层。Kaplan Meier 生存曲线分析显示 TCGA 数据库中高危和低危 BCLA 患者的总生存 (OS) 率，按A年龄（≥ 65 岁；< 65 岁）、B N（N0；N1–N2）、C分层性别（男性；女性），D肿瘤分级（G1/G2；G3/G4），E AJCC 分期（S1/S2；S3/4），F T（T1/T2；T3/T4）。

自噬相关lncRNA预后模型是TSCC的独立预后因素

为了确定我们构建的预后特征是否可以成为 TSCC 的独立预后因素，我们应用了单变量和多变量 Cox 回归分析。单变量Cox回归分析结果显示， TSCC患者的AJCC分期（ p =0.018）、T分期（p =0.001）、N分期（p =0.022）和风险评分（p <0.001）的风险比更大大于1。表明这些因素与患者的OS显着相关。多变量Cox回归分析结果显示，T分期（p =0.001）和风险评分（p <0.001）与OS显着相关。我们进一步绘制了AUC曲线。自噬相关lncRNA预后特征的风险评分AUC为0.782，高于年龄（AUC = 0.567）、性别（AUC = 0.497）、分级（AUC = 0.559）、分期（AUC = 0.585）、T 期（AUC = 0.681）和 N 期（AUC = 0.545）。这些数据表明，自噬相关的 lncRNA 预后特征是 TSCC 患者的独立预后因素。

评估 TSCC 中自噬相关 lncRNA 预后特征风险评分和临床病理特征的准确性。基于自噬相关lncRNA的预后指标显示出良好的预测性能。单变量 Cox 回归分析显示 OS 与自噬相关 lncRNA 预后特征风险评分和其他临床特征之间的关系。B多变量 Cox 回归显示，风险评分和 T 分期是 TSCC 的独立预后因素（p < 0.01）。C ROC 曲线展示了自噬相关 lncRNA 预后特征与其他临床病理特征之间预测预后风险评分的准确性的比较

由自噬相关 lncRNA 预后特征组成的列线图评估

我们构建了一个一致性指数（C 指数）值为 0.81 的列线图，由临床病理特征组成，包括年龄、性别、分级、AJCC 分期、T 分期、N 分期和预后特征的风险评分。数字 5B和C分别显示1年和3年校准曲线分析的结果。如图所示，与参考线相比，实际生存时间与预测生存时间相同。这一结果表明，我们构建的自噬相关lncRNA预后特征可以准确预测TSCC患者的预后生存时间。

基于十种自噬相关lncRNA的预后模型评估。以自噬相关 lncRNA 预后特征风险评分作为参数之一的预后列线图的构建和验证。A建立包含自噬相关 lncRNA 预后特征、风险评分和临床特征的列线图分别是1年和3年预测生存率和实际生存率的校准图，用于评估预后模型的准确性

共表达网络构建及相关功能富集分析

为了进一步明确TSCC患者中自噬相关mRNA与所选10个自噬相关lncRNA之间的关系，我们通过Pearson相关系数阈值（|R 2 | > 0.3）获得97个自噬相关mRNA ，构建通过 Cytoscape（版本 3.7.1）构建 mRNA-lncRNA 共表达网显示了共表达网络中自噬相关lncRNA与危险因素（风险或保护因素）之间的对应关系。数字 6C描绘了基因本体（GO）富集分析中生物过程（BP）、细胞成分（CC）和分子功能（MF）的前十个富集术语。BP 中排名前三位的术语是自噬、利用自噬机制的过程和巨自噬。自噬体、真空膜和晚期内体是 CC 中排名前三位的术语。蛋白丝氨酸/苏氨酸激酶活性、热休克蛋白结合和磷酸酶结合是 CC 中排名前三的术语。在 KEGG 通路分析中，我们显示了前 30 个富集通路、自噬、PI3K-Akt信号通路、内质网通路中的蛋白质加工在mRNA和自噬相关lncRNA的共表达中发挥着不可或缺的作用。

自噬相关lncRNA-mRNA共表达网络的构建及功能富集分析。与预后相关的 lncRNA 和 mRNA 共表达网络。红色六边形代表自噬相关lncRNA，蓝色框代表自噬相关基因。每条线代表其对应关系。可视化是由 Cytoscape 版本 3.7.1 创建的。B桑基图显示了自噬相关mRNA、lncRNA和风险类型之间的关系。C GO分析结果表明，共表达网络在生物过程（BP）、细胞成分（CC）和分子功能（MF）方面丰富。DKEGG通路分析结果显示，存在丰富的与共表达表达网络相关的信号通路，包括自噬、Pl3k-Akt信号通路、内质网蛋白加工、MAPK信号通路等

基因集富集分析

进一步的功能GSEA显示，改变的基因（包括mRNA和lncRNA）在自噬、癌症和免疫相关通路中显着富集，例如癌症通路（p = 0.032）、mTOR信号通路（p = 0.008 ）、 p53信号通路 ( p = 0.045)、NOD 样受体信号通路 ( p = 0.006)、Toll 样受体信号通路 ( p = 0.021)、肌动蛋白细胞骨架调节 ( p = 0.01) 、趋化因子信号通路 ( p = 0.019) TSCC 高风险患者这表明这些通路的改变可能影响TSCC患者的预后。这些结果为 TSCC 的发病机制和癌症靶向治疗策略（如免疫治疗）提供了新的见解。

标签：