TY-JOURA2-Li 目标 .这项研究旨在建立记名图预测膀胱癌患者总体生存量,预测方法与铁质疏松相关长非编码RNAs签名 方法论 .FRlncRNAs表达剖面图和BC患者临床数据取自癌症基因组地图集数据库病人划分为培训集、测试集和整体集Lasso回归和多变量Cox回归用于建立FRlncRNAs签名,对每组预测用Kaplan-Meier分析比较,接收器操作特征曲线评价模型精度GeneSet浓缩分析用于FRlncRNAs功能浓缩可视化GEPIA数据库和K-M绘图器数据库随后用于功能分析主要的FRlncRNAs 结果 .十三大预测FRINCRNAs(LINC00942、MAFG-DT、AL049840.3、AL136084.3、OCIAD1-AS1、AC062017.1、AC008074.2、AC01863.3、AL031775.1、USP30-AS1、LINC01767、AC132807.2和AL35492)被发现大相径庭,构成FRINCRNAs签名不列颠哥伦比亚病人通过培训、测试和全套签名划分为低风险组和高风险组K-M分析显示,高危组病人预测差,分组分析差在统计上意义重大。ROC分析显示模型预测能力比传统评估方法更准确风险评分基于FRlncRNAs签名是BC病人独立预测因子(HR=1.388CI=1.228-1.568 P级 < 0.001 )组合FRINCRNAs签名和临床病理学因素后,搭建了预测式NOM图名片可精确预测病人总体生存并具有高临床实用性GSIA分析显示初级路径为WNT、MAPK和细胞矩阵连接信号路径大型FRINCRNAs(MAFG-DT)与GEPIA和K-M绘图器数据库预测差相关 结论 .十三大预测FRINCRNAs及其名片精确预测OSBC工具,这可能是分子生物标志和治疗目标SN-1687-8450UR-https://doi.org/101155/2021853464DO-10.1155/2021853464JF-Ocistic PB-HindawiKW-ER