背景与目的 8-羟基鸟嘌呤DNA糖苷酶(8-hydroxygumine DNA glycosylase1,OGG1)是一种DNA修复酶,可以从DNA切除修复8-羟基鸟嘌呤(8-dihydro-8-oxoguanine,8-OH-G)。人类OGG1基因(hOGG1)的多态性可能会改变酶的活性而影响个体修复损伤DNA...背景与目的 8-羟基鸟嘌呤DNA糖苷酶(8-hydroxygumine DNA glycosylase1,OGG1)是一种DNA修复酶,可以从DNA切除修复8-羟基鸟嘌呤(8-dihydro-8-oxoguanine,8-OH-G)。人类OGG1基因(hOGG1)的多态性可能会改变酶的活性而影响个体修复损伤DNA的能力,促进癌变。然而,hOGG1基因启动子区域的突变与非小细胞肺癌(non-small cell lung cancer,NSCLC)的关系尚不明晰。我们拟探讨hOGG1基因启动子区域的突变与NSCLC发生发展的潜在关系。方法选取苏州大学附属第一医院2003年1月-2005年12月新鲜手术切除的40例NSCLC组织标本,采用PCR-SSCP和直接测序的方法检测NSCLC及其对应的癌旁组织中hOGG1基因启动子区域的突变。结果在40例NSCLC患者中未发现hOGG1基因启动子区域的异常突变,但发现单核苷酸多态位点rs159153与TNM分期明显相关(P=0.008);同时发现吸烟者中淋巴结转移率明显较低(P=0.034)。结论单核苷酸多态位点rs159153和吸烟史可能对NSCLC的侵袭和转移潜在性提供预测。展开更多
背景与目的铁死亡相关基因在调控细胞内铁稳态和脂质过氧化中发挥关键作用,并且参与调控肿瘤的生长与耐药。铁死亡相关基因在肿瘤组织中的表达可用来预测患者未来的生存时间,帮助医生和患者预测疾病未来的进展。基于癌症基因组图谱(e Ca...背景与目的铁死亡相关基因在调控细胞内铁稳态和脂质过氧化中发挥关键作用,并且参与调控肿瘤的生长与耐药。铁死亡相关基因在肿瘤组织中的表达可用来预测患者未来的生存时间,帮助医生和患者预测疾病未来的进展。基于癌症基因组图谱(e Cancer Genome Atlas,TCGA)数据库中肺腺癌(lung adenocarcinoma,LUAD)患者的测序数据,本研究筛选出参与铁死亡调控的基因,构建了预后模型,并评估了该模型的预测效果。方法由GeneCards数据库提供1467个铁死亡相关基因。TCGA数据库提供了541个LUAD患者的mRNA表达矩阵以及临床数据,提取所有影响铁死亡的基因的表达数据,并利用R软件筛选出癌组织与癌旁组织差异表达的影响铁死亡的基因。对这些基因进行生存分析,以筛选出与预后相关的基因。接着,采用LASSO回归模型构建由影响铁死亡的基因组成的预后模型。对所有LUAD患者样本进行评分,并根据中位数分为高风险组和低风险组。随后,绘制受试者操作特征(receiver operating characteristic,ROC)曲线并计算曲线下面积(area under the curve,AUC),由Kaplan-Meier生存曲线检验模型的性能,以及在外部数据集中验证。最后,利用单因素Cox分析确定模型是否有意义,多因素Cox分析探讨模型的独立预后价值以及临床相关性。结果通过生存分析,初步筛选出121个与预后相关的铁死亡基因。在此基础上,利用LASSO回归构建了一个由12个影响铁死亡的基因(ALG3、C1QTNF6、CCT6A、GLS2、KRT6A、LDHA、NUPR1、OGFRP1、PCSK9、TRIM6、IGF2BP1和MIR31HG)组成的预后模型用以预测LUAD患者的生存时间。结果表明,高风险组患者的生存时间明显少于低风险组(P<0.001),并且在训练集(1年AUC=0.721)和外部验证集(1年AUC=0.768)中均展现出不错的预测结果。患者的风险得分在单因素Cox分析和多因素Cox分析中与LUAD患者的预后显著相关(P<0.001),提示该评分是LUAD患者的重要预后因素。结论本研究成功构建了一个由12个影响铁死亡的基因组成的LUAD风险评分模型。未来,该模型有望与肿瘤原发灶-淋巴结-转移分期系统联合应用于LUAD患者的预后预测中。展开更多
文摘背景与目的铁死亡相关基因在调控细胞内铁稳态和脂质过氧化中发挥关键作用,并且参与调控肿瘤的生长与耐药。铁死亡相关基因在肿瘤组织中的表达可用来预测患者未来的生存时间,帮助医生和患者预测疾病未来的进展。基于癌症基因组图谱(e Cancer Genome Atlas,TCGA)数据库中肺腺癌(lung adenocarcinoma,LUAD)患者的测序数据,本研究筛选出参与铁死亡调控的基因,构建了预后模型,并评估了该模型的预测效果。方法由GeneCards数据库提供1467个铁死亡相关基因。TCGA数据库提供了541个LUAD患者的mRNA表达矩阵以及临床数据,提取所有影响铁死亡的基因的表达数据,并利用R软件筛选出癌组织与癌旁组织差异表达的影响铁死亡的基因。对这些基因进行生存分析,以筛选出与预后相关的基因。接着,采用LASSO回归模型构建由影响铁死亡的基因组成的预后模型。对所有LUAD患者样本进行评分,并根据中位数分为高风险组和低风险组。随后,绘制受试者操作特征(receiver operating characteristic,ROC)曲线并计算曲线下面积(area under the curve,AUC),由Kaplan-Meier生存曲线检验模型的性能,以及在外部数据集中验证。最后,利用单因素Cox分析确定模型是否有意义,多因素Cox分析探讨模型的独立预后价值以及临床相关性。结果通过生存分析,初步筛选出121个与预后相关的铁死亡基因。在此基础上,利用LASSO回归构建了一个由12个影响铁死亡的基因(ALG3、C1QTNF6、CCT6A、GLS2、KRT6A、LDHA、NUPR1、OGFRP1、PCSK9、TRIM6、IGF2BP1和MIR31HG)组成的预后模型用以预测LUAD患者的生存时间。结果表明,高风险组患者的生存时间明显少于低风险组(P<0.001),并且在训练集(1年AUC=0.721)和外部验证集(1年AUC=0.768)中均展现出不错的预测结果。患者的风险得分在单因素Cox分析和多因素Cox分析中与LUAD患者的预后显著相关(P<0.001),提示该评分是LUAD患者的重要预后因素。结论本研究成功构建了一个由12个影响铁死亡的基因组成的LUAD风险评分模型。未来,该模型有望与肿瘤原发灶-淋巴结-转移分期系统联合应用于LUAD患者的预后预测中。
