文摘
背景。骨肉瘤(OS)很容易转移。Necroptosis-related长非编码RNA (lncRNA) (NRlncRNA)起着至关重要的作用在许多恶性肿瘤的肿瘤发生。然而,很少有研究调查NRlncRNA和操作系统之间的关系。在调查过程中,NRlncRNAs OS被证实和特点及其与预后的关系进行调查。方法。TCGA NRlncRNAs从癌症基因组图谱下载()操作系统表达数据和clinical-pathological信息。首先,单变量Cox回归和套索回归分析被用来屏幕prognostic-related NRlncRNAs。第二,多元回归分析被用来建立预后预测个体的生存概率的计算图表。生存分析显示,高危患者(合)预后不良。此外,基因集富集分析(GSEA)被用来识别基因功能的高和低风险组基于生存模式。结果。7 NRlncRNAs (AC004812.2 AC022915.1、AC073073.2 AC090559.1, AL512330.1, DDN-AS1,和SENCR)被证明有明显的差异和被用来构造一个NRlncRNA签名。使用签名作为风险评分系统是一个独立因素的病人。签名OS患者分为高和低风险组。此外,七个lncRNAs明显富集在细胞迁移和新陈代谢。结论。7 NRlncRNA生存模型有可能作为治疗靶点和分子生物标志物患者操作系统,以及精确预测系统预测。
1。介绍
骨肉瘤(OS)是一种常见的原发恶性肿瘤的骨头。其余治疗操作系统挑战和不良预后是转移(1]。Smeland等人报道,转移和肿瘤位置差的两个重要因素高度相关预测OS患者(2),而不完整的手术切除和贫穷也应对化疗导致预后不良(3]。增加操作系统病人的存活率已被证明是困难的很长一段时间,虽然治疗这种疾病的边缘被开发(4]。
Necroptosis可以被认为是细胞程序性死亡的另一种模型,并在肿瘤形成过程中发挥作用和癌症转移(5]。在过去的几十年里,许多研究在OS necroptosis进行(6- - - - - -8]。因此,找到相关的一组基因necroptosis预测系统预测至关重要。
尽管长非编码RNA (lncRNA)不能编码蛋白质(9),它是癌症发生和发展的关键10- - - - - -13]。目前,研究表明necroptosis-related lncRNAs (NRlncRNAs)与贫穷有关预测在各种肿瘤,包括肺腺癌、胃癌、乳腺癌、头颈部鳞状细胞。然而,NRlncRNAs在操作系统的功能及其与患者预后仍未知(14- - - - - -17]。
必须屏幕necroptosis lncRNA与操作系统相关预测。在这项研究中,NRlncRNA筛查和检查,TCGA lncRNAs表达数据集的操作系统。NRlncRNA签名验证预测OS病人生存的结果。
2。材料和方法
2.1。操作系统患者数据
RNA序列(RNA-seq)数据和临床数据的OS TCGA患者获得数据库(https://cancergenome.nih.gov/)。在这项研究中,383操作系统病人的数据进行了分析。样本的排除标准(1)临床和随访信息的损失和其他恶性肿瘤(2)的存在。最后,85名患者纳入本研究。
2.2。筛选Necroptosis-Associated基因操作系统
与necroptosis相关基因筛选从基因和基因组的京都百科全书(KEGG) (https://www.kegg.jp),共159个necroptosis-related基因。GENCODE注释文件是用来识别3223 lncRNAs TCGA结合GTEx数据集(http://cancergenohttp://me.nih.gov/abouttcga)。皮尔森相关算法用于识别necroptosis-associated DE lncRNA 和 。筛选过程完成后,65 NRlncRNAs获得进一步的分析使用limma包R。
2.3。分析NRlncRNA预后签名的操作系统
单变量Cox比例风险分析和用于确定kaplan - meier分析NRlncRNA之间的关系和操作系统生存,和 被纳入最极端的收缩和选择算子(套索)回归。多变量Cox比例风险分析建立最好的生存预后风险模型使用R包,和风险评分(RS)是决定使用公式: (13]。操作系统患者被分为两组基于RS中位数:低收入和高危人群。用来估计生存kaplan - meier生存分析两组之间的差异在R生存方案。
2.4。建模的预后
多元和考克斯单变量分析来确定生存预测之间的关系与临床因素(CFs)和RS使用R生存方案。生存ROC R包是用于生成时间接受者操作特征(ROC)情节存活时间的预测精度测量在各种慢性疲劳综合症和RS。R rms包被用来构造一个诺模图包含RS和CFs如年龄、阶段,和性别。诺模图预测-,3 -,五年OS患者的生存。R生存包被用来绘制列线图校准曲线。校准曲线显示列线图的预测能力。
2.5。统计分析
生存的土地使用kaplan meier生成方法,而生存率较被用于比较。套索和Cox回归方法被用来估计预后影响的临床病理的数据和NRlncRNA签名。使用R语言进行了统计分析。两国进行了数据分析 被认为是具有统计学意义。基因集富集分析被用来执行功能注释(GSEA,http://www.broadinstitute.org/gsea/index.jsp),前五名KEGG通路和基因本体论(去)相关条款necroptosis已确定,以及功能性浓缩NRlncRNAs的预后价值。
3所示。结果
3.1。在OS NRlncRNA与预后价值
当necroptosis-associated RNA和lncRNA coexpression网络结合,3223 NRlncRNAs被获得。kaplan meier分析和Cox比例风险分析表明,58 NRlncRNAs TCGA明显与操作系统有关病人生存( )。使用套索分析13 NRlncRNAs被发现是精确地与操作系统有关病人的生存。此外(图1),多变量Cox分析确定7 lncRNAs预后意义,包括1 ddn-as1 AC022915.1, AC090559.1, AL512330.01, SENCR, AC073073.2, AC004812.2从13 NRlncRNAs(表1)。视觉coexpression NRlncRNA-mRNA网络建成使用7 lncRNAs作为最佳预后风险模型(图2)成立。
(一)
(b)
(一)
(b)
根据风险评分公式计算,平均风险评分被用来分类患者分成两组:高风险和低风险组。生存率较被用来比较两组之间的总体生存率。高危人群的整体存活率低于低风险组(图3(一个))。此外,四个lncRNAs (AC022915.1, AC090559.1、AC073073.2 AC004812.2)是良好的预后因素,和其他人(DDN-AS1、AL512330.1 SENCR)有害的预后因素(数字3 (b)- - - - - -3 (h))。
(一)
(b)
(c)
(d)
(e)
(f)
(g)
(h)
3.2。OS的评估患者的生存
单变量和多变量Cox回归分析确定的独立预后因素(ipf)的操作系统。通过单变量Cox回归分析(UCRA)、RS的风险比(人力资源)为1.038 (95% CI 1.023−1.053) ( )。通过多变量Cox回归分析(MCRA),风险评分保持独立甚至在控制临床特征( ,95% CI 1.031−1.070) ( )(数据4(一)和4 (b))。RS ROC曲线下的面积(AUC)为0.961,相比其他临床因素(图4 (c)),表明7 NRlncRNAs适合OS预后风险模型。风险评分、转移和性别被用来建立一个计算图表预测生存在OS病人(图5)。根据中华民国情节,下的地区之一,三,和行5年生存率分别为0.903,0.907和0.903(图6(一))。校准情节表现出优秀的诺模图预测能力,和预后模型的c指数为0.797(0.761 - -0.833)(图6 (b))。
(一)
(b)
(c)
(一)
(b)
3.3。GSEA浓缩
去分析表明NRlncRNA cell-matrix粘连明显富集。KEGG通路分析表明NRlncRNA在粘着斑大大丰富,细胞骨架的监管行动,代谢过程(图7)。
(一)
(b)
4所示。讨论
骨肉瘤是一种挑衅和威胁生命的骨肿瘤。操作系统没有转移,患者的五年存活率为70%左右。然而,当伴有远端转移,降低到20% (18]。因此,重要的是识别生物标记,可以预测系统的预测病人。有一些NRlncRNAs可以用作癌症预后的生物标志物。他们有能力调节肿瘤进展和转移19]。因此,有必要建立一个预测系统预测NRlncRNA签名。就我们所知,这是第一个研究建立基于NRlncRNA风险模型预测病人结果操作系统。
在这项研究中,58预后NRlncRNAs被证实通过分析公共RNA序列数据。多变量Cox比例风险分析和套索Cox回归分析显示,7 NRlncRNAs (AC004812.2、AC022915.1 AC073073.2, AC090559.1, AL512330.1, DDN-AS1,和SENCR)是强有力的候选人作为预后标记。一,三,五年的生存,ROC曲线下的面积分别为0.903,0.907,和0.903,分别。结果表明,风险评分签名可以预测生存。根据中华民国阴谋的结果,建立的AUC的RS使用7 NRlncRNAs为0.961,这是优于当前指数(如性别、转移和转移网站)预测预后。NRlncRNA模型中,我们发现合比低风险病人更糟的结果。基于校准曲线的结果,ROC曲线,和c指数,模型表现出更大的准确性和歧视,表明它可以作为一种可行的方法预测OS的病人。
GSEA透露NRlncRNA和cell-matrix附着力之间的密切联系。Cell-matrix粘附在生物过程中起着重要作用,如基因表达调控、生存、分化、增殖和细胞的能动性。焦粘连形成的cell-extracellular矩阵微环境。一些片段的焦粘连导致的形成肌动蛋白细胞骨架和膜受体之间的联系。多分子的复合物的蛋白质斑块连接锚跨膜受体整合素家族的肌动蛋白丝。其他的碎片粘着斑包含信号分子如蛋白质激酶,磷酸酶、基质和其他适配器蛋白质。信号转导通路是高度依赖于nonreceptor酪氨酸激酶活动和适配器蛋白质功能启动下游信号事件,如FAK、src,人体自燃现象和蛋白质。最后,肌动蛋白细胞骨架重组由于这些信号事件。
大量研究表明,粘附,这是由粘着斑点衬底,长久以来一直被认为是细胞迁移的一个至关重要的一步。移民不足会导致癌症转移(20.),而肌动蛋白细胞骨架的精确协调运动需要肿瘤转移(21]。实现转移再生,细胞外基质(ECM)的改造,激活下游信号通路,肌动蛋白细胞骨架动力学的精确的协调至关重要,使癌细胞应对外部线索和定义复杂的入侵和转移癌细胞的潜力(21,22]。
尽管如此,有一些我们的研究的局限性。首先,样本大小可能不足够大概括的结论。其次,TCGA的数据仅用于分析收集,为了更好地理解签名体内的价值,临床试验是必需的。
5。结论
最后,我们开发和验证的小说模式necroptosis-associated生存使用7 lncRNAs (AC004812.2、AC022915.1 AC073073.2, AC090559.1, AL512330.1, DDN-AS1,和SENCR)的操作系统。这些7 NRlncRNAs可能作为操作系统的新靶点治疗和作为一个更精确的和个性化的预后监测方法。
数据可用性
本研究的数据集用于支持这些发现可从TCGA (https://cancergenome.nih.gov/)数据库。
的利益冲突
作者宣称没有利益冲突。
作者的贡献
鑫郑和杰徐同样应该考虑这个工作和co-first作者。
确认
这项工作是支持的科研启动基金,福建医科大学(批准号2020 qh1185)和福建省卫生科技项目(批准号2021 qna007)。