文摘
鉴于myc已知致癌基因在几个癌症包括肾肾透明细胞癌(KIRC)。我们旨在构建myc-regulated基因(著)的预后签名。我们获得了mRNA表达和临床数据的KIRC癌症基因组图谱(TCGA)从分子签名数据库数据库和著(MSigDB)。然后,预后签名组成的8著(IRF9、UBE2C YBX3, CDKN2B, CKAP2L, CYFIP2, FBLN5,和PDLIM7)是由微分表达式分析,cox回归分析,至少绝对收缩和选择算子(套索)分析。KIRC患者分为高和低风险组基于风险得分MRGs-based签名。患者的高危人群亚临床特点和生存。此外,KIRC风险评分是一个独立的预后因素,和基于风险评分=列线图显示令人满意的性能预测KIRC的生存。MRGs-based签名也与免疫细胞浸润和mRNA表达的重要免疫检查点(IDO2, PDCD1 LAG3, FOXP3, TIGIT)。肿瘤突变负担(三甲)景观之间的高收入和低风险组高危人群的三甲水平高于低风险组,更高水平的三甲KIRC预测预后差。此外,KIRC高危组患者更有可能体验到的免疫逃逸。 At last, we found patients with KIRC in the high-risk group were more sensitive to several chemotherapy drugs such as sunitinib, gefitinib, nilotinib, and rapamycin than patients with KIRC in the low-risk group. Our study successfully constructed and validated an MRGs-based signature that can predict clinical characteristics, prognosis, level of immune infiltration, and responsiveness to immunotherapy and chemotherapy drugs in patients with KIRC.
1。介绍
肾细胞癌(RCC)是全球癌症,每年影响全世界超过300000人(1]。在所有信用社、肾肾透明细胞癌(KIRC)是最常见的病理亚型,占70%以上的信用社(2]。尽管KIRC很常见,其发病是阴险的,早期临床症状轻微或不存在的,一旦病人血尿等发达的典型临床症状,腹部肿块,和背部疼痛,通常表明,癌症已进入高级阶段,治疗的最佳时机已经错过了(3,4]。此外,KIRC是一种侵袭性肿瘤,往往出现远处器官转移(5- - - - - -7]。延迟诊断KIRC和易感性KIRC转移导致不满意的患者预后。因此,治疗的预后签名的识别和定制选项是必要的,允许一个满意的KIRC患者的预后。
Myc是一种最广泛研究癌基因和启动密切相关,维护和发展的几个癌症(8]。它编码一种蛋白质,这种蛋白质功能主要是基因的转录监管机构监管的几个细胞过程,如细胞生长、细胞周期、细胞分化、细胞凋亡、血管生成、代谢、免疫反应(4,9]。myc基因的表达的失调在几种类型的癌症包括KIRC,发现和研究已经证明,myc KIRC的进展中发挥了重要作用[10- - - - - -12]。鉴于中发挥的重要作用myc在KIRC进展,进行综合分析myc基因调控的研究中。
在目前的研究中,我们发现差异表达基因myc-regulated(著),探讨其潜在的功能。这些著进一步筛选,我们终于获得了8著(IRF9、UBE2C YBX3, CDKN2B, CKAP2L, CYFIP2, FBLN5,和PDLIM7)的基础上,我们成功构建和验证预后KIRC的签名。我们发现的相关性MRGs-based签名KIRC的临床特点和预后。基于相关的证据表明myc在癌症免疫反应的调节(13- - - - - -15),我们也探索和公布的相关性MRGs-based签名与免疫细胞浸润,免疫检查点表达式,肿瘤突变负担(三甲)KIRC和免疫治疗反应。最后,我们还发现,MRGs-based签名明显与KIRC对化疗药物的敏感性有关。
2。方法
2.1。数据采集
著来自四个数据集包括DANG_MYC_TARGETS_DN GeneSets基因(31),DANG_MYC_TARGETS_UP GeneSets(130个基因),DANG_REGULATED_BY_MYC_DN GeneSets(251个基因),和DANG_REGULATED_BY_MYC_UP GeneSets(68个基因)的分子签名数据库v7.1 (MSigDB;https://www.gsea-msigdb.org/gsea/msigdb)。KIRC的mRNA表达谱和临床数据样本和正常控制样本来自癌症基因组图谱数据库(https://portal.gdc.cancer.gov/)。
2.2。识别差异表达著
分析之间的微分mRNA表达著KIRC样本和正常样本是由运行控制limma R包。差异表达著被定义为不同的mRNA的表达著KIRC样本和正常控制样本符合|日志2褶皱变化(FC) | > 1和错误发现率(罗斯福)< 0.05。
2.3。富集分析著
基因本体论(去)分析侧重于分子功能、生物过程和细胞基因产物的成分;京都基因和基因组的百科全书(KEGG)通路分析侧重于代谢途径的基因产物。为了探索哪些功能和代谢途径著主要参与,通过运行集群分析器去KEGG分析R包,org.Hs.eg。db R包,enrichplot R包。
2.4。建立和验证MRGs-Based预后签名
样本中包含的建设和验证风险模型受到的两个标准1)拥有完整的mRNA表达著和(2)的最小总生存期(OS)时间不少于30天。样品合格的列入模型建设和验证被随机分为训练集和验证集7:3比通过运行插入符号R包。
首先,确定著与预后相关的KIRC培训组、单变量cox回归了。著的,以避免过度拟合模型,至少绝对收缩和选择算子(套索)回归当时执行删除著overfitted的模型。之后,多变量cox回归分析进行选择风险著独立于其他因素。每个KIRC样本可以估计的风险评分由以下公式:
“系数”是在套索回归模型系数。KIRC样本训练集可以分为高和低风险组中值的基础上的风险分数所有KIRC样本训练集。主成分分析(PCA)进行简化这基因签名模型。kaplan meier生存接受者操作特征分析和时间(ROC)分析然后进行评估的能力这个签名在预测KIRC的预后。评估的可靠性和稳定性签名,相同的分析测试和总集合。”glmnet”,“生存”,“survminer”和“中华民国”R包执行这些分析。
2.5。建立风险参考列线图
MRGs-based签名与临床特征的相关性KIRC样品第一次探索。接下来,Cox回归分析进行分析的风险评分是否MRGs-based签名KIRC样本是一个独立的预后因素。诺模图预测的总生存期(OS) KIRC示例1,2,3年建成基于KIRC的独立因素。然后,校准曲线被绘制计算诺模图的性能预测KIRC 1, 2, 3年的操作系统。“生存”和“rms”R包被用来执行这些分析。
2.6。免疫分析MRGs-Based签名
鉴于肿瘤微环境的重要性(时差)在肿瘤发生和进展,估计算法应用于分析两个重要组件的渗透程度的时间,基质细胞和免疫细胞。计时器,CIBERSORT、CIBERSORT-ABS QUANTISEQ, MCPCOUNTER,伊势亚,和史诗算法应用于评估免疫细胞的差异渗透在高和低风险组,分别。接下来,免疫细胞丰度的差异和差异的浓缩的几种功能显示了高和低风险组ssGSEA富集分析。此外,免疫检查点的mRNA表达差异风险高和低风险组和相关性分数与免疫检查点进行了分析。
2.7。分析基于著签名三甲和潮流
KIRC三甲的评估是基于这个公式:三甲=(总变异数)/(外显子的整个长度)。我们各自的突变分析概要KIRC样本的高收入和低风险组通过应用Maftools R包。三甲KIRC患者之间的差异在高和低风险组,差异kaplan meier生存患者KIRC高和低水平的三甲,和kaplan meier生存的差异由H组分层−三甲+高风险,H−三甲+低风险,L−三甲+高风险和L−三甲+低风险进一步分析运用limma, ggpubr,生存,survminer R包。
此外,免疫抑制剂检查站的治疗效果的差异之间的高收入和低风险组的分析计算,获得了不同肿瘤免疫功能紊乱和排斥(潮流)潮数据库中的分数(http://tide.dfci.harvard.edu/)之间的高收入和低风险组。
2.8。药物敏感性分析
进一步调查KIRC常用化疗药物的敏感性高和低风险组,我们搜查了药物敏感性在癌症的基因组学(GDSC,http://www.cancerRxgene.org)数据库结合的应用R包比较的差异half-maximal抑制浓度(IC50)值。
2.9。统计分析
统计分析在目前的研究都是由R(4.0.0版)。Wilcoxon rank-sum测试是用来比较基因表达差异KIRC样本和正常样本的控制。至于相关分析、皮尔逊相关系数时采用连续变量的数据满足三个条件,正态分布,线性关系,否则,采用斯皮尔曼相关系数。值小于0.05被认为是统计上的不同。
3所示。结果
3.1。识别差异表达著
我们从MSigDB数据库获得480年著,著的信使rna表达水平与获得的RNA-seq TCGA数据下载的数据库包括539 KIRC样本和72正常控制样本。通过微分表达式的分析,我们终于成功地确定了94个差异表达著包括18表达下调著和76年调节著基于日志2 FC | | > 1的筛选标准和罗斯福< 0.05。这个微分表达式分析的结果提出了形式的热图和火山的地图,分别为(数字1(一),1 (b))。
(一)
(b)
3.2。功能富集分析差异表达著
发现差异表达的潜在分子功能和机制著,我们执行去KEGG通路富集分析差异表达著。按低到高p价值观和高到低相关系数,我们发现三大方面在生物过程(BP)反应氧含量,伤口愈合,应对氧气水平下降。在细胞组件(CC)类别,包含细胞外基质胶原−,顶端的一部分细胞,分泌颗粒膜占领了三大方面。细胞外基质的结构组成、生长因子绑定和G蛋白−耦合的受体结合在分子功能三大方面去(MF)类别。KEGG通路富集分析的结果表明,差异表达著与Epstein−巴尔病毒感染密切相关,人类乳头状瘤病毒感染,PI3K−Akt信号通路。去KEGG通路富集分析的结果在图所示2。
(一)
(b)
3.3。建设和预后MRGs-Based签名的验证
总共有515 KIRC样本包含在建设和风险模型的验证。515年KIRC样本下随机分为361个样本的训练集和测试集的154个样本的比例7:3。单变量Cox回归分析的结果在训练集显示37著KIRC样本与预后显著相关( )(图3(一个))。接下来,我们成功构建了一个风险模型组成的8所著(IRF9、UBE2C YBX3, CDKN2B, CKAP2L, CYFIP2, FBLN5,和PDLIM7)通过执行套索回归分析(数据3 (b)和3 (c))。基因的列表和风险系数用于构造模型如表所示1。
(一)
(b)
(c)
KIRC样本风险的风险评分模型是根据以下公式获得:风险评分= (IRF9的mRNA表达0.223355169440029)−(UBE2C的mRNA表达0.223355169440029)+ (YBX3的mRNA表达0.480900005160846)−(CDKN2B的mRNA表达0.596863859303069)+ (CKAP2L的mRNA表达0.953589914105029)−(CYFIP2的mRNA表达0.470828182577709)−(FBLN5的mRNA表达0.186711438630099)+ (PDLIM7的mRNA表达0.334470058632468)。通过这种方式,我们可以计算出所有KIRC样品的风险分数值中值模型,基于中值,KIRC样品可分为高风险和低风险组。PCA分析的结果显示,一个重要的离散趋势的三维平面高和低风险组(图4)。
(一)
(b)
(c)
八的mRNA表达著高和低风险组提出的热图图5(一个)。有显著不同的操作系统之间的高和低风险组,如图5 (b),kaplan meier高和低风险组之间生存分析显示,操作系统在高危组显著低于低风险组( )。与此一致的是,高危人群的生存状态(状态54%)死亡的比例也明显比低风险组的(比例的死亡状态17%)(图5 (c))。时间民国显示风险评分的准确性预测系统在1、2和3年KIRC样品是0.743,0.726,和0.739,分别(图5 (d))。测试组和整体组进行同样的分析来验证模型的稳定性和可靠性从训练集构造。著纳入构建风险模型展出表达水平一致的训练集测试和总(数据集5(一个),6(一),7(一))。OS和生存状态的差异在高和低风险组在测试和总集是一致的与那些在高和低风险组训练集(数字5 (b),5 (c),6 (b),6 (c),7 (b),7 (c))。时间ROC分析表明,风险评分在预测的准确性1年,2年,和3年OS KIRC样本的测试集是0.893,0.803,和0.735,分别(图6 (d)),在整个设置为0.788,0.748,和0.739,分别(图7 (d))。成绩测试和总风险集展示类似的准确性预测1年,2年,3年的OS KIRC样本作为训练集的风险评分。
(一)
(b)
(c)
(d)
(一)
(b)
(c)
(d)
(一)
(b)
(c)
(d)
3.4。MRGs-Based签名之间的相关性及临床特点
我们也探讨了相关性MRGS-based签名和KIRC样本的临床特点。热图(图8)表明,IRF9的信使rna表达水平,UBE2C, YBX3, CKAP2L,高危组和PDLIM7高于低风险组,虽然CDKN2B的信使rna表达水平,CYFIP2, FBLN5高危组低于低风险组中。除此之外,一个重要的发现是,样品在高危人群拥有亚临床特点包括更高的年级,舞台,T-staging, M-staging TNM分期系统比低风险组。
此外,MRGs-based签名和KIRC的预后之间的关系在每个临床小组按年龄分层(≤65岁或> 65年),性别(男性或女性),年级(G1 + 2或G3 + 4)阶段(I + II或III +第四阶段),T台(T1 + 2或T3 + 4), M阶段(M0、M1)和N阶段(N0和N1)进行了分析。kaplan meier分析表明,风险更高分数与预后差相关在多个子组包括≤65岁或> 65年,女性或男性,G1 + 2或G3 + 4, I + II或III +第四阶段,T1 + 2或T3 + 4阶段,M0、M1阶段,N0期相比,风险得分较低(图9)。应该注意的是,在N1子群(图9),与预后相关的风险评分没有明显的KIRC样本,这可能是由于少数N1 KIRC样本的子群。
(一)
(b)
3.5。建设的诺模图
我们包括临床特点包括年龄,性别,年级,舞台,舞台,舞台,N阶段,风险评分KIRC样本的单变量和多变量Cox回归分析模型。单变量Cox回归分析的结果显示年龄(HR 1.019;95%可信区间0.998 - -1.039; ),年级(HR 1.914;95%可信区间1.362 - -2.688; ),阶段(HR 1.685;95%可信区间1.342 - -2.116; ),T台(HR 1.830;95%可信区间1.376 - -2.435; ),M阶段(HR 3.437;95%可信区间2.008 - -5.884; ),N阶段(HR 3.018;95%可信区间1.369 - -6.654; ),和风险评分(HR 1.133;95%可信区间1.084 - -1.184; )KIRC样本的预后有显著相关性(图10 ())。然而,多变量Cox回归分析的结果显示,只有年龄(HR 1.043;95%可信区间1.018 - -1.068; ),M阶段(HR 3.338;95%可信区间1.038 - -10.741; ),和风险评分(HR 1.088;95%可信区间1.027 - -1.152; )是独立的预后因素KIRC样本(图10 (b))。此外,我们比较传统风险和临床特点的准确性KIRC在预测预后。结果表明,风险预测的准确性一年期OS KIRC样本的0.743,这是只比舞台上的不准确(AUC = 0.854)和T (AUC = 0.839),和更好的比大多数的临床变量如年龄(AUC = 0.579),性别(AUC = 0.497),年级(AUC = 0.716), M阶段(AUC = 0.721), N (AUC = 0.567)(图阶段10 (c))。
(一)
(b)
(c)
KIRC进一步预测预后,我们构造了一个MRGs-based列线图。如图(11日)的诺模图预测OS KIRC示例1,2,3年,分别。0.747暗示列线图的c指数中等精度预测KIRC 1年、2年和3年的操作系统。此外,校准曲线还表明,1年,2年,3年KIRC患者的生存概率预测的计算图表符合实际的生存概率的病人(数字11 (b)- - - - - -11 (c))。
(一)
(b)
(c)
(d)
3.6。不同的免疫特点MRGs-Based签名
探讨MRGs-based签名和免疫之间的相关性特征在时间,我们进行了一系列的分析包括MRGs-based签名之间的相关性分析和免疫细胞,免疫检查点,和免疫逃避。间质细胞和免疫细胞渗透分析的结果在时间显示,高水平的免疫细胞浸润在高危人群比低风险组的时间( )(数据12(一个)-12 (c))。免疫细胞浸润的结果分析基于定时器,CIBERSORT, CIBERSORT-ABS, QUANTISEQ MCPCOUNTER,伊势亚,史诗算法表明,MRGs-based签名的风险评分密切相关免疫细胞的渗透(图12 (d))。富集分析几种职能的高和低风险组表明,APC_co_stimulation检查点,cytolytic_activity, HLA,炎症−促进,T_cell_coinhibition, T_cell_costimulation, Type_I_IFN_response更活跃在高危组比低风险组(图12 (e))。
(一)
(b)
(c)
(d)
(e)
我们进一步探讨不同免疫抑制分子的表达在高和低风险组。结果表明,大多数免疫分子检查站的高危人群,包括这个理事会,PDCD1, CD70, LAIR1, CD28、CD40, CD160, TNFSF9, LAG3, BTLA, CD48因子,CD44, CD200R1, TIGIT, TNFSF4, TMIGD2, TNFRSF14, LGALS9, TNFRSF9, CD86, CD244 TNFRSF25,高表达水平比低风险组(图(13日))。我们也分析了几个关键的免疫检查点的表达之间的相关性和风险评分。结果表明,IDO2 (R= 0.3, ),PDCD1 (R= 0.33, ),LAG3 (R= 0.44, ),FOXP3 (R= 0.4, ),和TIGIT (R= 0.3, )与风险评分呈正相关(图13 (b))。免疫渗滤分析的结果显示,免疫抑制状态KIRC样本的高危人群。
(一)
(b)
3.7。基于著签名三甲和潮流之间的区别
我们进一步探讨高和低风险组之间突变特征。高和低风险组的三甲格局表明,突变的频率SETD2, BAP1, MTOR高危组高于低风险组(图(14日))。此外,风险和三甲水平之间的相关分析结果表明,三甲的水平高和低风险样本接近统计不同( )(图14 (b))。的相关kaplan - meier生存分析显示更高水平的三甲KIRC患者预后差( )(图14 (c))。生存分析的结果为子组分层H−三甲+高风险,H−三甲+低风险,L−三甲+风险很高,和L−三甲+低风险表明,高水平的三甲和高风险患者预后最差,而三甲水平较低和低风险有最好的预后( )(图14 (d))。
(一)
(b)
(c)
(d)
免疫抑制疗法检查站癌症已成为一个热门的治疗模式(16]。潮水得分是越来越受欢迎,因为它比一个更精确的预测生物标记免疫检查点封锁对癌症的功效[17]。我们分析了潮汐分数的差异之间的高收入和低风险组,和结果表明,潮汐高风险组的得分显著高于低风险组( )(图15)。
3.8。MRGs-Based签名和化疗药物敏感性分析
之间的相关分析结果MRGs-based签名和化疗药物敏感性表明患者高危人群IC50值较低为舒尼替病人低风险组相比,吉非替尼,nilotinib、雷帕霉素、丝裂霉素。C、紫杉醇、长春花碱、salubrinal parthenolide和二甲双胍。然而,embelin的IC50值和thapsigargin低风险组低于高危人群(图16)。
4所示。讨论
在这项研究中,我们确定了94年著和分析这些著的潜在功能。去和KEGG通路富集分析结果显示著签名的功能的复杂性,暗示著签名的应用潜力。cox回归分析和套索回归分析相结合,我们成功构建了一个预后签名组成的八著(IRF9、UBE2C YBX3, CDKN2B, CKAP2L, CYFIP2, FBLN5,和PDLIM7)。PCA和t-SNE分析结果显示签名收到良好的降维,这隐含风险模型的可靠性。预后结果的分析样品在测试和总组进一步增加我们的风险模型的可信度使用训练集构造。结果MRGs-based签名和临床特征之间的相关分析显示,患者在与恶性肿瘤临床特点相关的高危人群明显如高品位、高阶段,高温阶段,阶段和高米,这意味着对患者预后不良。此外,子组kaplan meier生存分析的结果显示显著差异在操作系统之间跨多个子组患者在高和低风险组。这些分析的结果暗示MRGs-based签名的令人满意的性能预测KIRC的预后。单变量和多变量Cox回归分析的结果表明,独立风险评分可以预测患者的预后KIRC,和风险参考列线图和校准曲线表示满意的精度MRGs-based签名在预测KIRC患者的预后。
时间是高度复杂的,研究的时间可以帮助为肿瘤的治疗提供新思路18]。基质细胞和免疫细胞是两个重要的细胞的时间(19]。基质细胞已被证明是与经济增长密切相关,转移,耐药性的癌症20.- - - - - -22],免疫细胞,这取决于他们的类型,可以发挥重要的作用在对抗肿瘤和在促进肿瘤进展或免疫逃逸,分别为(23,24]。分析结果的时间基于著签名表明,更高的风险分数与更高水平的免疫细胞浸润有关,与基质细胞和风险分数之间没有显著相关。这表明MRGs-based签名可能影响预后的KIRC通过影响免疫细胞景观在时间。更高层次的免疫细胞浸润和免疫功能富集得分在高危人群进一步表明,免疫细胞的渗透时间可能是导致肿瘤恶化。分析结果中的差异表达的免疫检查点的高和低风险组之间隐含的免疫抑制状态KIRC样品从高危人群。研究表明,IDO2与b细胞免疫和可以通过影响b细胞内在调节种免疫机制(25,26]。PDCD1,也称为PD1,被称为程序性死亡配体和受体,分别和它结合PD-L1允许肿瘤细胞逃避机体免疫监视(27]。FOXP3亚群的一个重要标志分子,直接或间接控制的活动和功能亚群,和它的蛋白质含量的变化是密切相关的各种人类疾病包括肿瘤发生和转移(28- - - - - -31日]。LAG-3证明负调节t细胞功能,LAG-3抗体可以缓解抑制t细胞功能的亚群(32]。TIGIT表达在不同的T细胞亚群(CD4 + T, CD8 + T,亚群,可以抑制人体的先天和适应性免疫通过各种机制和免疫治疗被认为是一种很有前途的目标(33]。LAG-3高松等人证明资料,TIM-3, TIGIT KIRC的有价值的预测预后和时间34]。显著正相关的风险分数与这些关键免疫检查站进一步证实upregulation KIRC病人的免疫检查点的表达从高危人群可能会负责他们的不良预后。
高通量测序技术的广泛使用,三甲已成为预测反应的免疫标记检查点封锁在几种类型的癌症35]。尽管如此,一般来说,更高水平的三甲癌症可以导致更多的CD8 + T细胞的渗透,从而有助于更好的预后发挥抗肿瘤效应,KIRC已被证明是癌症挑战传统思维对癌症免疫学基于这个证据表明KIRC温和突变的负担,但对免疫疗法和更高的CD8 + T细胞浸润通常与预后差(36,37]。KIRC我们的研究显示,患者的高危人群有更高水平的三甲比KIRC低风险组,三甲越高越KIRC预后,这也进一步验证了KIRC三甲和免疫学的不同寻常的关系。SETD2、BAP1 MTOR突变频率在高危人群拥有高于低风险组中暗示这三个cancer-driven突变可以促进KIRC的进展。潮分数之间的差异KIRC高和低风险组反映免疫检查点封锁的有效性,潮流得分越高表明贫穷免疫检查点封锁,和更高的潮汐分数KIRC患者的高危人群比低风险组表明患者的高危人群更有可能体验到免疫逃避,这是符合我们的分析结果,KIRC高危组患者预后差的低风险组。
这些著,一些已被证明与KIRC进展有关。IRF9被认为可以预测预后和免疫的特点KIRC作为基因签名(38,39]。UBE2C显示与扩散密切相关,入侵KIRC和可以预测的免疫特点和预后KIRC [40- - - - - -42]。Jafri等人发现生殖系CDKN2B突变作为一个新的家族KIRC病原体,表明一个重要的角色在发起KIRC CDKN2B [43]。CYFIP2被预测的差别在KIRC表达下调,对这些基因的表达CYFIP2 KIRC与不良预后有关(44]。在大鼠模型中,FBLN5被发现与转移相关的KIRC [45]。其他在KIRC著没有报告,因此我们的未来的研究将集中在这些著。
分析的结果对化疗药物的敏感性差异,高危组和低风险组透露,患者从治疗中受益更多舒尼替,吉非替尼,nilotinib、雷帕霉素、丝裂霉素。C、紫杉醇、长春花碱、salubrinal parthenolide,和二甲双胍,而低风险组的患者从治疗中受益更多embelin和thapsigargin。这些发现提供了一个理论依据个性化KIRC患者的药物治疗。
缺乏预后信息在所有KIRC-related GEO数据库中的数据集导致我们无法验证我们的结果与一个独立的外部数据集,这是本研究的主要限制。需要进行进一步的研究来探索的分子机制和生物功能MRGs-based签名。
5。结论
在这项研究中,组成的一个预后签名8著(IRF9、UBE2C YBX3, CDKN2B, CKAP2L, CYFIP2, FBLN5,和PDLIM7)在KIRC成功构建和验证。MRGs-based签名可以预测的临床特点、预后、免疫特性,KIRC患者对化疗药物的敏感性,有可能应用于临床。
数据可用性
本研究中所有原始数据从环球数码创意获得数据库(https://portal.gdc.cancer.gov/),潮汐数据库(http://tide.dfci.harvard.edu/),GDSC数据库(http://www.cancerRxgene.org)。
的利益冲突
作者宣称没有利益冲突。
作者的贡献
Wenjie谢和马明设计和研究综述;Shengqiang傅、逸夫刘和张至诚完成的画的图片和文本的写作手稿;明美、羌族陈和本王收集和分析数据;Xiaorong杨和Ting太阳图像和数据的结果分析和检查手稿的内容。所有作者已阅读及同意的最终版本的手稿。