发展Ferroptosis-Related lncRNA签名来预测预后和免疫的膀胱癌

文摘

ferroptotic细胞死亡之间的紧张关系和免疫反应证明了最近的研究启发我们检测的基本角色ferroptosis-related长非编码rna (frlncRNAs)在膀胱癌的肿瘤微环境(BCa)。我们从以前的研究收集了121 ferroptosis监管机构。根据他们的表达值,408例BCa集群。病人在不同集群显示不同免疫渗透,免疫治疗反应,化疗效果,重新验证ferroptosis和紧密的相关性肿瘤免疫。通过微分、coexpression kaplan meier套索,考克斯分析,我们开发了一个22-lncRNA-pair签名来预测预后的BCa基因对策略的基础上,在没有明确的表达式值的必要性。曲线下的面积都超过0.8。风险模型也有助于预测免疫渗透,免疫治疗的结果,和化疗敏感性。完全,预后评估模型表示一个有前途的预测价值,也为ferroptosis之间的交互提供了线索和BCa免疫力。

1。介绍

膀胱癌(BCa)是全球最常见的恶性肿瘤之一,发病率和死亡率高(1]。超过500000个新BCa全球每年发生病例和200000 BCa-related死亡[2]。BCa有两个主要亚型:muscle-invasive BCa nonmuscle-invasive BCa。尽管nonmuscle-invasive BCa的5年生存率是90%,大约15 - 20%的这种情况下会进步muscle-invasive阶段甚至远处转移,它有一个惨淡的5年生存率5 - 30%的1]。最近,一些大规模的临床试验,如主题- 045和IMvigor211,证明BCa容易免疫抑制剂检查站(艾多酷),代表一个重要的进步治疗BCa (3,4]。

Ferroptosis, iron-dependent和nonapoptotic细胞死亡的一种形式,正吸引着越来越多的关注的事实,凋亡抵抗肿瘤的特点是(5]。诱导肿瘤细胞ferroptosis似乎是一个有吸引力的和有前途的治疗策略,尤其是对耐药恶性肿瘤。最近的研究证实ferroptotic肿瘤细胞和肿瘤微环境(时间)可能会相互影响6,7),这表明艾多酷和ferroptosis诱导物是一种有前途的治疗方法。

长非编码RNA (lncRNAs),一种转录的RNA分子> 200个核苷酸,参与肿瘤发生和癌症发展不仅通过改变肿瘤细胞的恶性肿瘤,还通过改变时间,据报道在许多研究[8]。近年来,lncRNAs之间的交互和ferroptosis也被调查。例如,lncRNAP53RRA作为一个肿瘤抑制通过促进p53维护在细胞核中,因此,促进ferroptosis [9]。

几种签名预测癌症免疫渗透的状态与临床应用受到越来越多的关注,因此签名可以帮助预测预后和免疫治疗的结果。因为lncRNAs参与基因表达的70%的规定,签名基于lncRNA表达式已被许多研究人员调查。与此同时,一些研究者提出了基因对战略,其重点是两个基因之间的差别无论确切的基因表达,构建预测模型,能够更广泛地适用的几种签名(10]。

本研究有三个阶段。首先,基于已知ferroptosis监管机构进行无监督聚类来确定BCa ferroptosis和时间之间的相关性。第二,使用基因对策略,我们构建了一个ferroptosis-related lncRNA (frlncRNA)签名预测总生存期(OS)。最后,诊断能力计算的风险评分模型的免疫治疗反应,化疗的结果,和免疫渗透也被评估。从这一分析,我们旨在验证ferroptosis之间的密切联系和时间和提出预测预后的一个重要工具和免疫BCa的渗透。

2。材料和方法

2.1。转录组数据收集和Ferroptosis-Related基因

转录的数据(RNA-seq)和相应的临床病理的特点从癌症基因组图谱下载(TCGA) 9月3日,2020 (https://portal.gdc.cancer.gov/)。121 ferroptosis监管机构从一项研究发现5]。选择lncRNAs,注释文件获得运用数据库(http://asia.ensembl.org)。lncRNAs平均表达式值< 0.5被排除在研究之外。微分分析使用磨边机包(11),和错误发现率 和 和2作为ferroptosis监管者和frlncRNAs的阈值,分别。frlncRNAs通过coexpression分析筛选,和皮尔逊相关系数> 0.5 作为过滤条件。

2.2。无监督聚类

121年的mRNA表达谱ferroptosis监管机构采用的共识集群ConsensusClusterPlus R包(12)使用 - - - - - -方式方法。累积分布函数来检测最优实现值,这表示聚类数,结果是验证使用主成分分析(PCA)在R软件。

2.3。基因对策略

基因对策略被用于0或1的矩阵结构,如前所报道(10]。例如,如果一个基因的表达值高于B的基因,然后C,这意味着基因对由A和B,被认为是1;否则,C被认为是0。frlncRNAs都是成对的,和一个新的矩阵构造了0或1。一对frlncRNA被排除在研究,如果它的值在所有样本是0或1。

2.4。生存分析

病例的随访时间< 30天并不包括在目前的分析。我们实现了生存R包进行kaplan meier(公里)生存分析的生存率较比较不同组之间的操作系统。为了简化模型和尽可能避免过度拟合,Lasso-Cox回归与10倍交叉验证进行了使用glmnet包,和阈值被设定为0.05。单变量和多变量Cox生存分析使用包。曲线下的面积(AUC)值计算使用ROC生存包估计建立模型的有效性。

2.5。与临床病理的因素

检测是否风险评分,计算使用建立模型,是一个独立的危险因素,进行单变量和多变量Cox回归分析使用生存R包。临床病理的特点都变成一分为二变量,包括风险评分(高或低),肿瘤等级(高或低)、年龄(≤64 vs > 64年),性别(女性和男性),病理阶段(1 - 2 vs。3 - 4),阶段(vs。3),阶段(vs。 )。

2.6。免疫渗透评价

不同的方法被用来评估免疫渗透状态。估计算法(13通过估计包R是用于计算的比值免疫和基质成分的时间,分别进行量化ImmuneScore和StromalScore。CIBERSORT [14和计时器15)被用来评估免疫细胞的丰富资料的时间 过滤。

2.7。Single-Sample GSEA (ssGSEA)

ssGSEA方法是使用基因集实现变异分析(GSVA)和GSEABase包分析免疫和炎症浸润配置文件。结果可视化使用pheatmap包。

2.8。富集分析

进行功能富集分析lncRNAs使用LncSEA (http://www.licpathway.net/LncSEA/), 和 。GSEA软件(版本4.1.0)从GSEA下载网站(https://www.gsea-msigdb.org/),执行GSVA使用GSVA R包。特征基因集v7.2和铁代谢相关基因集收集从分子签名数据库(https://www.gsea-msigdb.org/gsea/msigdb/)。GSVA, 和调整 被认为是作为阈值。

2.9。转录因子预测

JASPAR2020 [16]和TFBSTools [17)包被用来预测转录因子序列的下游500个基点至2000年英国石油公司上游lncRNAs转录起始点的。当分数呈正相关,转录结合的可能性,> 0.99,转录因子是包含在进一步的分析。

2.10。估计frlncRNA签名为临床治疗的有效性

免疫反应的可能性估计使用潮流算法(18]。此外,风险评分之间的协会和一些已知的免疫治疗敏感性预测指标,如CXCL9和CXCL13表情,也是研究[19]。的半抑制浓度(IC50)值常用的化疗药物,如顺铂、阿霉素,吉西他滨,甲氨蝶呤、长春花碱,得到在患者使用pRRophetic R包 BCa (20.]。生存的患者接受化疗和信息 BCa TCGA下载。

3所示。结果

3.1。Ferroptosis之间的紧密关联,BCa免疫渗透

从最近的一个评论5),121 ferroptosis监管者被确定,每个基因的mRNA表达从TCGA BCa下载数据集,其中包括408年paracarcinoma组织和19日BCa样本。磨边机包R软件(版本4.0.3)是用于检测差异表达基因,和20 ferroptosis监管因素筛选(图1(一)补充表S1; , )。通过共识聚类算法,能够实现最优分组稳定,否则,所有注册病例分为两组:集群集群1和2(数字1 (b)- - - - - -1 (d))。主成分分析表明,我们的分组方法是可靠的(图1 (e))。集群1中值得注意的是,患者预后明显不如在集群2公里生存分析(图1 (f)), )。Mazdak等人发现51 BCa患者血清铁离子水平明显低于58名健康对照,揭示铁在肿瘤发展的重要作用21]。随后的研究证实,抑制或激活ferroptosis BCa是一个可行的衡量治疗效果(22]。一般来说,我们的分析结果再次证明了重大影响的ferroptosis BCa从大数据的角度分析。

一些研究报道,ferroptosis和肿瘤浸润免疫细胞可以相互影响6,7),促使我们检测免疫景观的变化在不同的集群。首先,我们估计免疫细胞的渗透和变化的几种途径使用基于报告基因集ssGSEA [23]。因此,一个不同的免疫景观被发现在每个ferroptosis集群,由估计算法验证(13),用来预测策略的比率免疫和基质成分的时间(图1 (h))。GSEA集群显示病例1代谢途径(图中明显富集1(我)),而集群案例(图2大多是丰富的几种功能1 (j))。作为ferroptosis-related集群的几种,我们发现之间的联系使用CIBERSORT算法聚类和免疫细胞浸润(14]。我们发现不同的免疫细胞有不同的渗透集群集群1和2之间的比例根据Wilcoxon符号秩检验(图1 (g))。一般来说,集群1病人的存活时间较短,而且免疫渗透相对较高,表明免疫抑制环境在这个集群。

考虑到免疫检查站等PDL1,PD1,LAG3,CTLA4,TIM-3,TIGIT可能导致免疫抑制时间,我们分析了关联ferroptosis-relevant集群和免疫检查点的表达。我们发现所有的上述基因显著调节集群1 ( ,图1 (k))。免疫检查站也通常被认为是预测患者的免疫治疗反应BCa,表明患者在集群1更有可能受益于艾多酷,这再次验证了潮流算法(18)( ,图1(左))。除了免疫疗法外,我们还发现化疗有效性的差异之间的两个集群使用pRRophetic R包(19]。病人在集群1显示明显高于化疗敏感性(图1(米))。总之,这种分析揭示了潜在ferroptosis-related基因预测的免疫渗透BCa的改变。

3.2。识别Ferroptosis-Related lncRNAs (frlncRNAs)

408 BCa的转录组数据样本和19 TCGA相应正常组织的网站进行了分析。从运用与注释文件下载,所有lncRNAs选择表达微分分析使用磨边机包,和927 lncRNAs视为差异表达基因的筛选标准 和 (图2(一个))。与此同时,我们计算每个lncRNA之间的皮尔逊相关系数和ferroptosis调节器,皮尔逊的绝对值 和 决心是重要的(补充表吗S2)。最终,105年lncRNAs共同决定通过微分和coexpression分析确认为frlncRNAs(图2 (b))。大多数的这些105 frlncRNAs长非编码rna干预和反义lncRNAs(图2 (c))。

3.3。建设frlncRNA对和预后特征

< 30天的随访期间患者排除在分析之外。基因对策略的基础上,4298年frlncRNA对被识别。125公里后生存率较生存分析,基因对提取 过滤(补充表S3),其中35也由套索回归(数字2 (d)- - - - - -2 (f))。最终,22 frlncRNA对包含在逐步的预后模型通过多变量Cox回归方法(图2 (g))。图2 (h)显示了frlncRNAs风险模型及其可能的目标。

3.4。22-frlncRNA-Pair预后模型的验证

各种方法实现确定的预后价值建立模型。首先,我们生成1 -,3 -,5年接收机操作曲线(roc)的基因签名,发现auc均> 0.8(图3(一个))。剔除病例没有明确的TNM阶段后,我们比较了auc 5年ROC曲线的不同临床病理参数和风险分数(图3 (b))。根据风险评分的中值,分为高危组197例和199例分为低风险组。高危组有明显比低风险组(贫穷的临床结果 ,图3 (c))。更高的风险分数与更多的死亡和生存时间短(数字3 (d)和3 (e))。此外,进行了单变量和多变量Cox回归分析,结果显示风险评分的操作系统是一个独立的预测因子(表1)。此外,我们发现,建立模型优于ImmuneScore StromalScore, BCa ESTIMATEScore预测预后,这可能部分反映了肿瘤免疫渗透(数据的水平3 (g)- - - - - -3 (k))。我们也随机重新取样30%的病例从训练集的内部验证数据集,和风险模型还显示高功效在不同情况下的低风险从那些高风险(补充图S1)。验证的可靠性frlncRNA签名,我们进行了公里生存估计在多个子组根据不同临床病理的特点(补充图S2)。此外,我们评估的临床关联风险评分。我们比较不同肿瘤之间的风险分数成绩和TNM分期使用卡方检验(图4(一))和Wilcoxon符号秩检验(数字4 (b)- - - - - -4 (e))。

3.5。功能性浓缩22-frlncRNA的一对

我们实现了LncSEA [24),一个在线工具开发lncRNA富集分析,主要评估相关的功能(图3 (f)和补充表S4)。在风险模型中,36 frlncRNAs大多富含BCa-related功能,表明签名有一定程度的BCa特异性。

3.6。免疫渗滤景观和免疫治疗结果高,低风险组之间

各种方法实施估计免疫的情况下在低收入和高风险的子组。一方面,Wilcoxon符号秩检验表明,StromalScore, ImmuneScore, ESTIMATEScore在高风险的情况下显著提高(图据估计算法5(一个)),这意味着高风险患者可能有更多的活动时间。另一方面,收集七集群的免疫和炎症基因从一项研究25],GSVA实施评估免疫和炎症反应浓缩状态(图5 (b))。除了干扰素(干扰素),mhc i,免疫球蛋白,HCK,mhc ii,LCK,STAT1都是根据Wilcoxon与风险评分呈正相关测试(图5 (c), )。肿瘤免疫异质性可能占断开连接的关系干扰素和mhc i风险评分。

考虑到风险评分明显与肿瘤相关的免疫活动,我们分析了免疫细胞的渗透比例。定时器算法(15),类似于CIBERSORT开发估算渗透水平不同的免疫细胞,包括B细胞、CD4 T细胞CD8 T细胞,中性粒细胞,树突状细胞和巨噬细胞。的Wilcoxon符号秩检验表明,只有B细胞与风险(图显示没有明显的联系5 (d), ),而斯皮尔曼相关测试显示,CD8 T细胞和巨噬细胞与风险评分呈正相关(图5 (e), )。我们也评估预后的价值观渗透的CD8 + T细胞水平和M2巨噬细胞,已被报道与ferroptosis密切相关的其他恶性肿瘤(6,7),通过CIBERSORT算法和公里生存分析与生存率较BCa, X-tile是用来确定最优截止。分析结果显示,患者表现出糟糕的操作系统进行高CD8 + T细胞浸润(图5 (f), )和低M2巨噬细胞浸润(图5 (g), )。

风险评分之间的强联系和免疫渗透促使我们调查风险评分是否可以作为应对艾多酷的一项指标。首先,我们研究了常见的表达差异免疫分子检查站和发现PDL1,LAG3,TIM-3在高危人群根据调节Wilcoxon测试(图5 (h), )。我们还发现的表达水平CXCL9和CXCL13与风险评分显著相关(图5(我), )。此外,使用潮流算法,我们预测的免疫疗法的临床结果低收入和高危人群。卡方检验显示显著差异(图5 (j), )。总体而言,我们认为,预后模型也可能是一个潜在的免疫疗法的有效性指标。

3.7。化疗和风险评分之间的联系

新出现的证据表明,某些类型的化疗药物可能诱发恶性肿瘤细胞表达有关的分子模式,结合抗原递呈细胞,引发肿瘤特异性免疫反应,提高恶性肿瘤的免疫治疗敏感性[26]。考虑到上面的结果,我们分析了风险和化疗敏感性之间的关系,发现顺铂和吉西他滨的IC50值与风险负相关(图6(一)),根据Wilcoxon测试,而甲氨蝶呤的IC50值有一个积极的协会(图6(一)),这意味着风险模型有可能预测BCa化疗的疗效。评估风险评分也可以作为一个患者接受化疗的预后生物标志物( ,图6 (b))。

3.8。铁代谢途径的分析

在正常情况下,细胞内铁平衡是通过铁运输系统维护。铁离子的吸收增加或减少他们的射流可以提高癌症细胞氧化损伤的敏感性和ferroptosis27]。因此,我们分析了铁代谢相关通路和功能的变化。虽然卡方检验和Wilcoxon符号秩检验显示,ferroptosis-related集群和frlncRNA-based风险分组(数据高度相关7(一)- - - - - -7 (c)铁代谢相关回路的变化),大多是根据GSVA(数据不同7 (d)- - - - - -7 (g)补充表S5和S6)。值得注意的是细胞铁离子稳态的GSVA得分显著改变风险分组和ferroptosis集群(图7 (h)),并使用GSEA(图结果进行验证7(我))。显著积极的斯皮尔曼GSVA分数和风险评分之间的相关性验证的重要性维持细胞内稳态的出现铁ferroptosis(图7 (j)),也验证我们作为ferroptosis相关的风险模型。

3.9。的功能预测frlncRNA一对至关重要

基因对策略着重于两个基因的相对表达水平,和高预后和诊断价值的相对表达水平暗示这两个基因可能参与相同的分子机制通过相互交互。本研究调查了使用机制AC090825.1和MAGI2-AS3,由frlncRNA对风险最高的比率,作为例子。尽管表达相对较低AC090825.1和MAGI2-AS3在BCa样品(补充图3a、b),差异显著高于paracarcinoma组织(补充图3c)。此外,我们发现患者贫困生存的时候AC090825.1高度表达比吗MAGI2-AS3(补充图3此外,d)。AC090825.1和MAGI2-AS3表达了重大协会paracarcinoma组织和BCa样品(补充图3e, )。最近的研究假定lncRNAs调节目标基因的转录因子相互作用。因此,我们预测frlncRNAs及其目标基因的转录因子(补充表S7- - - - - -S10(补充图)和构建监管网络3f)。HOXD4,ZNF354C,GSX2,NR2C2,MEIS1,HOXC4是由转录因子共同决定的预测(补充图吗3g)和两个frlncRNAs coexpressed(补充图3h, , ),这意味着可能的生物功能AC090825.1和MAGI2-AS3。

4所示。讨论

近年来,提出了几个模型预测恶性肿瘤的预后和免疫渗滤(28]。然而,很少有研究关注基因对建模方法,它不需要精确的基因表达水平。此外,大多数研究选择屏幕上的几种基因预测恶性肿瘤的免疫渗透,而很少有研究使用ferroptosis-related基因预测免疫渗透状态尽管一些报告表明ferroptosis和时间可以互相影响。在这项研究中,发现了frlncRNAs基于基因对策略的构建一个合理的模型来预测预后和肿瘤首次BCa的免疫反应。

首先,我们最初确定121 ferroptosis监管者从先前的研究5)和转录组数据中提取TCGA BCa数据集。无监督聚类后,所有注册病例分成两个子组。我们发现子组有不同的预测,免疫渗透,免疫疗法的反应,和化疗的结果,这意味着ferroptosis BCa与时间密切相关,因此,支持构建一个frlncRNA签名的相关性预测肿瘤免疫渗透在将来的研究中。此外,所有lncRNAs提取,frlncRNAs通过基因组差异分析及皮尔森系数计算。frlncRNAs配对和微分分析之后,我们最终建立了一个0或1的矩阵。使用公里生存分析、套索算法和多变量Cox回归,22 frlncRNA对被识别。公里情节分析,ROC曲线分析,随机抽样验证和亚组分析对模型进行验证,表明小说签名是一种BCa预后预测的有力工具。此外,发现风险评分计算frlncRNA签名明显与免疫渗透,免疫治疗效果,和化疗的结果。GSVA显示细胞铁内稳态失衡,这是经常被描述为ferroptosis的关键机制之一,是重要的铁代谢相关通路在不同的子组,验证构建的集群战略和风险模型ferroptosis相关。

一些研究人员导致的建设lncRNA签名预测免疫渗透BCa的概要文件。吴等人发现八的几种lncRNAs,发现风险评分呈正相关,可怜的临床结果和高免疫渗透(29日]。通过使用估计算法和相关分析,元等人构建的几种lncRNA签名来评估免疫细胞渗透的时间(30.]。使用lncRNAs预测肿瘤免疫渗透是一个有效的策略,因为lncRNAs广泛参与的生物过程(31日]。大多数研究构造了lncRNA诊断模型基于免疫相关基因或算法,这是一个合理的和逻辑方法。然而,证据显示ferroptosis和肿瘤免疫反应之间的联系。例如,王等人发现干扰素γ从CD8 + T细胞可以释放压抑的表达SLC7A11,从而促进肿瘤细胞的脂质过氧化反应和诱导ferroptosis [6)(图8)。此外,据报道,细胞外蛋白质喀斯特ferroptotic发布的肿瘤细胞,巨噬细胞对M2巨噬细胞极化,因此,导致胰腺肿瘤细胞的发展(7)(图8)。同样,低渗透的CD8 + T细胞水平和高渗透水平的M2巨噬细胞被发现与患者的不良预后有关BCa(数字5 (f)和5 (g)),入渗率高和低风险组之间明显不同(图5 (d)),这表明在BCa相同的生物学机制可能存在。之间的密切关系ferroptotic细胞死亡和时间促使我们开发ferroptosis-linked lncRNA模型预测预后和诊断免疫BCa的渗透。

frlncRNA签名是一种有效和实用的预测患者的预后BCa的工具。与其他临床特征相比,新模型能够区分情况下与高或低风险更高的功效。单变量和多变量分析表明,风险评分是一个独立的预后因素。随机重新取样检验,临床参数关联分析,亚组分析验证了模型的鲁棒性。值得注意的是,我们使用一个基因对策略而不是确切的表达水平的检测,建立预测模型,它只需要检查基因在两人有较高的表达,因此,扩展应用程序的风险模型。

中lncRNAs frlncRNA签名,一些已经被证明与免疫力,ferroptosis和恶性肿瘤。例如,ADAMTS9-AS1,据报道,抑制乳腺癌细胞的恶性表型(32),也可以调节大肠癌细胞增殖和迁移33]。基因对策略也有助于揭示底层成对lncRNAs之间的协会。AC090825.1 MAGI2-AS3,包括最高的基因对风险率模型中,基于RNA表达水平均有紧密的关联paracarcinoma组织和肿瘤样本(补充图3e)。虽然据报道,MAGI2-AS3可能抑制BCa细胞的发展34],AC090825.1和MAGI2-AS3之间的相互作用仍然是未知的。功能预测分析表明AC090825.1和MAGI2-AS3可能调节他们的目标,NOX4和ZEB1通过与转录因子交互(补充图3f)。总的来说,我们的模型帮助确定新的生物标志物,提出小说BCa的机制。

据我们所知,这是第一个研究使用frlncRNAs预测BCa的免疫格局。此外,本研究首先使用基因对策略构建lncRNA签名预测BCa的临床结果。从模型性能的角度,建立模型最高为BCa AUC值中已知的预后模型。我们还发现了许多小说lncRNA生物标记,如AC090825.1,在进一步的研究可能是有用的。

然而,目前的研究有几个局限性。TCGA分析原始数据都下载,和外部验证建立的模型是不够的。作为一般规则,验证在不同的人群需要诊断或预后模型因为个人的基因表达的变化。减少错误造成的基因表达差异,我们创新使用基因对建模方法构造一个frlncRNA签名。随机重采样、亚组分析和相关分析的临床参数进行风险来验证我们的模型的鲁棒性。虽然外部验证不足,但这些方法和证据表明,新模型是可以接受的。然而,在其他外部验证BCa军团是十分必要的。

5。结论

我们开发了一个小说lncRNA签名来预测预后和免疫的BCa基于景观基因对战略和ferroptosis-related基因。这个lncRNA签名提供了新线索识别监管ferroptosis和时间之间的关系,可以帮助临床医生估计预后,免疫治疗的结果,和BCa患者化疗反应。

数据可用性

使用的数据来支持本研究的发现可以从癌症基因组图谱(TCGA,https://portal.gdc.cancer.gov/),代码将提供相应的作者。

的利益冲突

作者声明没有潜在的利益冲突的研究,本文的作者,和/或出版。

确认

我们感谢每一位帮助在这项研究中所做的那样。这项研究是由中国国家自然科学基金(81772257),南方医科大学的青少年培养计划(没有。PY2018N076),广东省医学科学研究基金会(没有。A2019557)。

补充材料

补充图S1:验证风险模型的重采样。注意:(a) kaplan meier生存分析的病例在高危组和低风险组( )。(b) ROC曲线内部风险评分的验证数据集。补充图S2: kaplan meier群TCGA-BLCA患者的生存分析。注意:(a) ( )。(b) ( )。(c)男( )。(d)女( )。(e)病理1 - 2阶段( )。(f)病理3 - 4阶段( )。(g)阶段( )。(h) - - - - - - 阶段( )。(我)阶段( )。(j)阶段( )。补充图S3: AC090825.1和MAGI2-AS3功能预测。注意:(a)的表达差异AC090825.1 BCa样本和paracarcinoma组织通过Wilcoxon符号秩检验。(b)的表达差异MAGI2-AS3 BCa样本和paracarcinoma组织通过Wilcoxon符号秩检验。(c)之间的差值表达式AC090825.1和MAGI2-AS3 BCa样品和paracarcinoma样本。(d)表达式值的情况下遭受贫穷的生存当AC090825.1高于MAGI2-AS3 ( )。(e)的表达水平AC090825.1和MAGI2-AS3呈正相关BCa样本和paracarcinoma样本。(f)的网络lncRNAs,目标基因及其可能的转录因子。(g)沮丧图显示6重叠转录因子。(h) lncRNAs的关联网络,目标基因和转录因子。BCa:膀胱癌。补充表S1: 20 ferroptosis监管者BCa和paracarinoma样本之间的差异表达。补充表S2: lncRNAs和ferroptosis监管者的皮尔森相关分析。补充表S3: kaplan meier lncRNA对生存分析。补充表S4:浓缩LncSEA网站的结果。补充表S5: GSVA结果不同的集群基于ferroptosis监管机构。 Supplementary Table S6: GSVA results of different risk subgroups based on frlncRNA signature. Supplementary Table S7: the prediction of the transcription factors of AC090825.1. Supplementary Table S8: the prediction of the transcription factors of MAGI2-AS3. Supplementary Table S9: the prediction of the transcription factors of NOX4. Supplementary Table S10: the prediction of the transcription factors of ZEB1.(补充材料)

引用

1. v . g . Patel w . k .哦,和m . d . Galsky”治疗膀胱癌muscle-invasive和先进的2020年,“CA:临床医生的癌症杂志》上,卷70,不。5,404 - 423年,2020页。视图:出版商的网站|谷歌学术搜索
2. a . t .微弱的p . m . Lec k .总体而言,m . MSHS“膀胱癌:审查,”《美国医学会杂志》,卷324,不。19日,1980 - 1991年,2020页。视图:出版商的网站|谷歌学术搜索
3. a . b .阿波罗j . r .亲王a Balmanoukian et al .,“Avelumab, anti-programmed death-ligand 1抗体,患者的耐火材料转移移行细胞癌:结果从多中心,Ib研究阶段,“中华肿瘤防治杂志,35卷,不。19日,2117 - 2124年,2017页。视图:出版商的网站|谷歌学术搜索
4. p·沙玛,m . Retz a Siefker-Radtke et al .,“Nivolumab铂治疗后转移移行细胞癌(275年挫败):多中心,单臂,第二阶段试验,”柳叶刀肿瘤学,18卷,不。3、312 - 322年,2017页。视图:出版商的网站|谷歌学术搜索
5. d . Tang x陈、r·康和g .获得“Ferroptosis:分子机制和健康的影响,”细胞研究没有,卷。31日。2、107 - 125年,2021页。视图:出版商的网站|谷歌学术搜索
6. m . w . Wang Green CD8 j . e . Choi et al。。⁺T细胞调节肿瘤ferroptosis在癌症免疫疗法”,自然,卷569,不。7755年,第274 - 270页,2019年。视图:出版商的网站|谷歌学术搜索
7. 刘e·戴·l·汉,j . et al .,“Autophagy-dependent ferroptosis驱动肿瘤相关巨噬细胞极化通过释放和吸收的致癌喀斯特蛋白质,”自噬,16卷,不。11日,第2083 - 2069页,2020年。视图:出版商的网站|谷歌学术搜索
8. m . k . Atianand d·r·凯弗雷和k·a·菲茨杰拉德“长非编码rna的免疫生物学”,年度回顾的免疫学,35卷,不。1,第198 - 177页,2017。视图:出版商的网站|谷歌学术搜索
9. 毛,x, y刘et al .,”一个G3BP1-interacting lncRNA促进ferroptosis通过核封存p53和细胞凋亡在癌症,”癌症研究,卷78,不。13日,3484 - 3496年,2018页。视图:出版商的网站|谷歌学术搜索
10. b . Li崔y、m . Diehn、r·李”的开发和验证一个个性化的免疫在早期nonsquamous非小细胞肺癌预后的签名,“JAMA肿瘤学,3卷,不。11日,第1537 - 1529页,2017年。视图:出版商的网站|谷歌学术搜索
11. m·d·罗宾逊、d·j·麦卡锡和g·k·史密斯,“磨边机:Bioconductor包微分表达式数字基因表达数据的分析,“生物信息学,26卷,不。1,第140 - 139页,2010。视图:出版商的网站|谷歌学术搜索
12. m·d·威尔克森和d·n·海耶斯ConsensusClusterPlus:一个类发现工具评估和项目跟踪与信心,“生物信息学,26卷,不。12日,第1573 - 1572页,2010年。视图:出版商的网站|谷歌学术搜索
13. k·吉原俊井认为,m . Shahmoradgoli e·马丁内斯et al .,“纯洁和推断肿瘤基质和免疫细胞外加剂表达数据,”自然通讯,4卷,不。1,p。2612年,2013。视图:出版商的网站|谷歌学术搜索
14. a . m .纽曼,c . l . Liu m·r·格林et al。“健壮的枚举的细胞从组织表达谱子集,”自然方法,12卷,不。5,453 - 457年,2015页。视图:出版商的网站|谷歌学术搜索
15. t . Li j .傅z曾庆红et al .,“TIMER2.0分析肿瘤浸润免疫细胞,”核酸的研究,48卷,不。W1, W509-W514, 2020页。视图:出版商的网站|谷歌学术搜索
16. 欧福尔,j . a . Castro-Mondragon a汗et al .,“JASPAR 2020:转录因子结合的开放获取数据库的更新资料,”核酸的研究,48卷,不。D1, D87-D92, 2020页。视图:出版商的网站|谷歌学术搜索
17. g . Tan和b . Lenhard TFBSTools: R / bioconductor包转录因子结合位点分析,“生物信息学,32卷,不。10日,1555 - 1556年,2016页。视图:出版商的网站|谷歌学术搜索
18. p .江顾,d .锅et al .,“签名的T细胞功能障碍和排斥预测癌症免疫疗法的反应,”自然医学,24卷,不。10日,1550 - 1558年,2018页。视图:出版商的网站|谷歌学术搜索
19. k . Litchfield j·l .阅读,c•帕蒂克et al .,“肿瘤的荟萃分析——和T细胞内在机制检查点抑制致敏,“细胞,卷184,不。3、596 - 614页。2021年e14灯头,e514。视图:出版商的网站|谷歌学术搜索
20. p . Geeleher:考克斯,R . s .黄”pRRophetic: R方案预测的临床肿瘤化疗反应基因的表达水平,”《公共科学图书馆•综合》,9卷,不。9篇文章e107468 2014。视图:出版商的网站|谷歌学术搜索
21. h . Mazdak f . Yazdekhasti a .让n . Mirkheshti和m . Shafieian”的比较研究血清铁、铜和锌含量在膀胱癌患者和对照组之间,“国际泌尿外科和肾脏学,42卷,不。1,第93 - 89页,2010。视图:出版商的网站|谷歌学术搜索
22. d·m·唐z Chen吴,l .陈“Ferritinophagy / ferroptosis: iron-related新人在人类疾病中,“细胞生理学杂志,卷233,不。12日,第9190 - 9179页,2018年。视图:出版商的网站|谷歌学术搜索
23. 沈y、x彭和c .沈”识别和验证的几种lncRNA乳腺癌预后签名,“基因组学,卷112,不。3、2640 - 2646年,2020页。视图:出版商的网站|谷歌学术搜索
24. j . j . Chen, y高et al .,“LncSEA:平台长非编码RNA相关集和富集分析,“核酸的研究卷,49号D1, D969-D980, 2021页。视图:出版商的网站|谷歌学术搜索
25. c . Zhang, z, g . Zhang et al .,“小说复发的临床意义和炎症风景——免疫签名早期肺腺癌有关,”癌症的信卷。479年,31-41,2020页。视图:出版商的网站|谷歌学术搜索
26. f . Meric-Bernstam j·拉金、j . Tabernero和c . Bonini”与免疫疗法组合,增强抗肿瘤效果”《柳叶刀》,卷397,不。10278年,第1022 - 1010页,2021年。视图:出版商的网站|谷歌学术搜索
27. c .梁张x m·杨和x盾,“最近进展ferroptosis诱发癌症治疗,”先进材料e1904197条,卷。31日,2019年。视图:出版商的网站|谷歌学术搜索
28. z Lv, c .彭日成j .王et al。”识别的基于免疫相关基因在膀胱癌预后签名,“基因组学,卷113,不。3、1203 - 1218年,2021页。视图:出版商的网站|谷歌学术搜索
29. l . y . Wu, s . et al。”识别的几种lncRNA预测预后和免疫治疗反应在膀胱癌,”老化(奥尔巴尼纽约),12卷,不。22日,第23325 - 23306页,2020年。视图:出版商的网站|谷歌学术搜索
30. 马曹r, l .元,b, g . Wang和y .田”的几种长非编码RNA签名确认预后和免疫治疗膀胱癌的效率(BLCA)”癌细胞国际,20卷,不。1,p。276年,2020。视图:出版商的网站|谷歌学术搜索
31. l . Statello c . j .郭l . l . Chen和m .这个词,“由长非编码rna基因调控及其生物功能,“自然评论。分子细胞生物学22卷,1,2020页。视图:谷歌学术搜索
32. 方,y赵,x,“LncRNA ADAMTS9-AS1抑制乳腺癌细胞的侵略性特质通过骗取mir - 513 - 5 - p”癌症管理和研究,第12卷卷,第10703 - 10693页,2020年。视图:出版商的网站|谷歌学术搜索
33. 问:j . n . Li Li Mi et al .,“长非编码RNA ADAMTS9-AS1抑制大肠癌通过抑制Wnt /β列车连环蛋白信号通路,是一个潜在的诊断生物标记,”细胞和分子医学杂志》上,24卷,不。19日,11318 - 11329年,2020页。视图:出版商的网站|谷歌学术搜索
34. c . Tang y Cai,江h . et al .,“LncRNA MAGI2-AS3抑制膀胱癌进展通过瞄准miR-31-5p / TNS1轴,“老化(奥尔巴尼纽约),12卷,不。24日,第25563 - 25547页,2020年。视图:出版商的网站|谷歌学术搜索

版权

版权©2021 Ranran周et al。这是一个开放分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。