目的:为寻找肝细胞癌相关预后的铁死亡基因,寻找独立预后的因素,构建肝细胞癌患者铁死亡的预后模型.方法:通过TCGA数据库下载TCGA-LIHC的转录组数据和临床信息,使用Perl语言对TCGA-LIHC的铁死亡相关基因的表达谱数据进行提取.使用R语言的limma包对铁死亡相关基因的表达谱数据进行差异分析.使用R语言的org.Hs.eg.db包对差异的铁死亡基因进行id注释,使用R语言的colorspace,stringi和ggplot2包对铁死亡基因进行GO和KEGG富集分析.使用Perl语言对铁死亡相关基因的表达谱信息和TCGA-LIHC患者的生存时间、生存状态进行整合,通过单因素cox分析,筛选出与LIHC患者生存预后显著相关的铁死亡基因,然后使用多因素cox分析对模型进行构建.使用R语言的survival包对肝细胞癌铁死亡预后模型进行分组,并且进行KM生存分析.使用R语言的pheatmap包对铁死亡预后模型进行风险曲线,生存状态图的绘制.使用Perl对患者的生存时间,生存状态,年龄,性别,TNM分期与铁死亡预后模型进行整合,进行单因素和多因素cox分析,寻找独立预后的因素,并使用了ROC曲线对模型的预后因素进行了评估.结果:TCGA-LIHC包含了个50正常组织,374个肝细胞癌组织.通过差异分析,共得到了TCGA-LIHC相关铁死亡差异基因83个,其中上调基因70个,下调基因13个.GO功能富集分析显示,response to oxidative stress和cellular response to oxidative stress是主要的铁死亡相关生物过程;KEGG功能富集分析显示,Ferroptosis和Central carbon metabolism in cancer是主要的生物通路.单因素cox分析筛选出了31个铁死亡预后相关基因,多因素cox分析构建了10个铁死亡相关基因的预后模型(FANCD2,ZEB1,BLOC1S5-TXNDC5,HMOX1,GABARAPL1,FLT3,IDH1,G6PD,VDAC2,MYB),多因素cox回归中的系数如下:铁死亡基因风险评分=(-0.3774×FANCD2的表达)+(-0.3774×ZEB1的表达)+(-0.3774×BLOC1S5-TXNDC5的表达)+(-0.3774×HMOX1的表达)+(-0.3774×GABARAPL1的表达)+(-0.3774×FLT3的表达)+(-0.3774×IDH1的表达)+(-0.3774×G6PD的表达)+(-0.3774×VDAC2的表达)+(-0.3774×MYB的表达).KM生存分析显示,预后模型低表达的患者生存中更具备优势,P=1.992e-08.风险曲线,生存状态进一步验证了我们的结果.单因素和多因素cox分析分别显示了clinical stage的P<0.001和P=0.004,riskScore的P<0.001.ROC曲线评估了铁死亡模型的AUC为0.736,clinical stage临床分级的AUC为0.701,这证明了该模型的可靠性.结论:通过生物信息学分析,构建了10个肝细胞癌相关的铁死亡基因模型,可以用于患者预后的评估.

生物信息学;肝细胞癌;铁死亡

于洋洋;韩超;李光

中国医科大学附属第一医院放疗科, 辽宁 沈阳 110000

河北医学

[1]于洋洋;韩超;李光-.基于生物信息学的肝细胞癌铁死亡预后模型的构建)[J].河北医学,2022(04):561-567

colorspace,stringi,BLOC1S5,VDAC2,992e,riskScore

肝细胞癌,死亡预后,预后模型,TCGA,下载,LIHC,转录组数据,临床信息,Perl,铁死亡相关基因,表达谱,谱数据,limma,org,Hs,eg,db,ggplot2,生存时间,生存状态,cox,生存预后,survival,KM,生存分析,pheatmap,风险曲线,状态图,TNM,预后因素,正常组织,癌组织,差异基因,功能富集分析,response,oxidative,stress,cellular,生物过程,Ferroptosis,Central,carbon,metabolism,cancer,生物通路,预后相关基因,FANCD2,ZEB1,TXNDC5,HMOX1,GABARAPL1,FLT3,IDH1,G6PD,MYB,风险评分,低表达,clinical,stage,死亡模型,临床分级,生物信息学分析

0.281968