目的·构建结直肠癌(colorectal cancer,CRC)预后风险评分模型,分析不同评分CRC患者间显著差异的肿瘤特征信号通路或生物过程,并预测该模型对其他癌症患者的免疫治疗效果。方法·从公共数据库中收集8个独立的CRC微阵列数据集和2...目的·构建结直肠癌(colorectal cancer,CRC)预后风险评分模型,分析不同评分CRC患者间显著差异的肿瘤特征信号通路或生物过程,并预测该模型对其他癌症患者的免疫治疗效果。方法·从公共数据库中收集8个独立的CRC微阵列数据集和2个CRC RNA-seq数据集,筛选每个CRC数据集中的差异表达基因(differentially expressed genes,DEGs)。基于数据集共有的DEGs,采用单因素Cox回归模型筛选与不良预后相关的基因,采用套索(LASSO)回归和多因素Cox回归模型构建CRC预后风险评分模型。依据风险评分,将患者分为高风险组和低风险组。使用受试者操作特征曲线的曲线下面积(area under the curve,AUC)和Kaplan-Meier(KM)生存分析对模型性能进行评价。采用多因素Cox回归模型分析风险评分是否为CRC的独立预后因素。利用基因集富集分析(gene set enrichment analysis,GSEA)探究高、低风险组CRC患者在肿瘤特征基因集相关通路中的差异。通过KM生存分析和χ2检验预测其他癌症患者的免疫治疗效果,以评估模型的应用价值。结果·单因素Cox回归分析,从不同数据集共有的DEGs中获得16个与不良预后相关的基因;以此为基础,构建了包含8个特征基因的CRC预后风险评分模型。该模型在训练集(AUC_(max)=0.788)、内外部验证集(AUC均值>0.600)中展现了中等程度的准确性,其低风险组患者的生存率均高于高风险组。多因素Cox回归分析显示,风险评分可作为CRC的独立预后因素。GSEA结果显示,肿瘤特征基因集相关通路在高风险组患者中显著富集。KM生存分析和χ^(2)检验结果显示,低风险组的其他癌症患者具有更高的生存率及更好的免疫治疗效果。结论·成功构建了含8个特征基因的CRC风险评分预后模型,可为改善CRC患者预后、预测其他癌症患者的免疫治疗效果提供参考。展开更多
文摘目的·构建结直肠癌(colorectal cancer,CRC)预后风险评分模型,分析不同评分CRC患者间显著差异的肿瘤特征信号通路或生物过程,并预测该模型对其他癌症患者的免疫治疗效果。方法·从公共数据库中收集8个独立的CRC微阵列数据集和2个CRC RNA-seq数据集,筛选每个CRC数据集中的差异表达基因(differentially expressed genes,DEGs)。基于数据集共有的DEGs,采用单因素Cox回归模型筛选与不良预后相关的基因,采用套索(LASSO)回归和多因素Cox回归模型构建CRC预后风险评分模型。依据风险评分,将患者分为高风险组和低风险组。使用受试者操作特征曲线的曲线下面积(area under the curve,AUC)和Kaplan-Meier(KM)生存分析对模型性能进行评价。采用多因素Cox回归模型分析风险评分是否为CRC的独立预后因素。利用基因集富集分析(gene set enrichment analysis,GSEA)探究高、低风险组CRC患者在肿瘤特征基因集相关通路中的差异。通过KM生存分析和χ2检验预测其他癌症患者的免疫治疗效果,以评估模型的应用价值。结果·单因素Cox回归分析,从不同数据集共有的DEGs中获得16个与不良预后相关的基因;以此为基础,构建了包含8个特征基因的CRC预后风险评分模型。该模型在训练集(AUC_(max)=0.788)、内外部验证集(AUC均值>0.600)中展现了中等程度的准确性,其低风险组患者的生存率均高于高风险组。多因素Cox回归分析显示,风险评分可作为CRC的独立预后因素。GSEA结果显示,肿瘤特征基因集相关通路在高风险组患者中显著富集。KM生存分析和χ^(2)检验结果显示,低风险组的其他癌症患者具有更高的生存率及更好的免疫治疗效果。结论·成功构建了含8个特征基因的CRC风险评分预后模型,可为改善CRC患者预后、预测其他癌症患者的免疫治疗效果提供参考。
