目的 研究基于单样本基因富集分析(ssGSEA)分型构建肺腺癌的风险预测模型的价值.方法 从癌症基因组图谱(TCGA)数据库及基因表达数据库(GEO)中分别获取515例及116例肺腺癌患者的数据.基于TCGA数据库进行ssGSEA分析及聚类分析,将样本分为高免疫评分组和低免疫评分组,并进行免疫相关分析、富集分析及差异分析,进一步获得免疫相关的差异表达基因.将TCGA数据集患者以7:3随机分为训练集和内部验证集.基于TCGA训练集的免疫相关差异表达基因数据,通过单因素Cox风险回归、套索算法(Lasso)回归以及多元逐步Cox风险回归分析降维,构建肺腺癌患者预后的预测模型,获得相应的风险分数(Riskscore),并用TCGA内部验证集及GEO外部验证集进行验证.将Riskscore与临床特征进行独立预后因素分析,建立列线图.ROC曲线与校正曲线分析分别用来评估模型的效能及拟合度.结果 根据患者样本的ssGSEA免疫评分、聚类分析及差异分析的结果,患者被分为高免疫评分组和低免疫评分组以及获得1447个差异表达基因.再通过单因素Cox风险回归、Lasso回归以及多元逐步Cox风险回归分析降维,获得剩余8个预后相关免疫差异表达基因的最优集合和每例患者的Risks-core.该风险预测模型在训练集、内部验证集及外部验证集的AUC分别为0.703、0.713、0.750.根据独立预后分析结果,肺腺癌的分期及预测模型的Riskscore是肺腺癌患者的两个独立预后因子并联合绘制列线图.列线图1、3、5年总生存期的AUC分别为0.789、0.763、0.746.校正曲线分析也显示该模型的拟合度较好.结论 基于ssGSEA分型构建并验证的肺腺癌患者预后风险预测模型,具有较高的预后风险预测效能,可为临床医师判断肺腺癌患者总生存期提供辅助工具.

肺腺癌;癌症基因组图谱;预后;生物学标志物;单样本基因富集分析

高晨;吴林玉;孔宁;娄新璟;郭勇;许茂盛

310006 杭州,浙江中医药大学附属第一医院医学影像科;310006 杭州,浙江中医药大学附属第一医院肿瘤科

浙江医学

[1]高晨;吴林玉;孔宁;娄新璟;郭勇;许茂盛-.基于单样本基因富集分析分型构建肺腺癌的风险预测模型)[J].浙江医学,2022(16):1725-1730,后插3-后插4

单样本基因富集分析,风险预测模型,ssGSEA,癌症基因组图谱,TCGA,基因表达数据库,GEO,肺腺癌患者,免疫评分,免疫相关,得免,差异表达基因,训练集,内部验证,验证集,基因数据,Cox,套索算法,Lasso,Riskscore,外部验证,独立预后因素,预后因素分析,列线图,校正曲线,拟合度,相关免疫,预后分析,预后因子,总生存期,预后风险,预测效能,临床医师,辅助工具,生物学标志物

0.192178