TY -的A2 -黄,道盟——徐Shaohua盟——周,杰盟——刘,凯盟——陈Zhoumiao盟——他,Zhengfu PY - 2020 DA - 2020/11/09 TI -一个Recurrence-Specific基于基因对肺腺癌预后预测模型通过机器学习算法SP - 9124792六世- 2020 AB - 背景．在根治性手术切除后，约有30-75%的肺腺癌(LUAD)患者复发，生存预后不佳。迫切需要对复发风险高的患者进行识别并实施强化治疗。 材料和方法．LUAD的基因表达数据来源于肿瘤基因组图谱(TCGA)和基因表达综合(GEO)数据库。通过比较复发组织和原发组织，计算差异表达基因(DEGs)。通过单因素分析确定与LUAD患者无复发生存(RFS)相关的预后基因。采用LASSO Cox回归和多变量Cox分析提取关键基因并建立预测模型。 结果．我们在原发性和复发性LUAD肿瘤中检测到37个DEGs。通过单因素分析，发现31个DEGs与RFS显著相关。采用LASSO Cox回归建立了包含13个基因的RFS预测模型。在培训队列中，我们将患者分为高风险组和低风险组，发现高危组患者的RFS较低风险组患者更严重( P < 0．01 )．内部和外部验证队列证实了一致的结果。在不同的临床亚组中也证实了预测模型的有效性。通过多因素Cox分析，高危组明显被确定为LUAD复发的危险因素( 人力资源 ＝ 13.37 , P ＝ 0．01 )．与临床病理特征相比，我们的预测模型在识别高风险复发患者方面具有更高的准确性( AUC ＝ 96.3 ％ )．最后，我们发现G2M检查点通路在高危患者的复发肿瘤和原发肿瘤中都富集。 结论．我们的复发特异性基因预测预后模型为LUAD复发风险提供了额外的信息，有助于临床医生在临床上进行个体化治疗。SN - 2314-6133 UR - https://doi.org/10.1155/2020/9124792 DO - 10.1155/2020/9124792 JF - BioMed Research International PB - Hindawi KW - ER -