TY -的A2 -劳夫,阿布杜尔盟——赵,陈盟——熊Kewei盟——赵Fangrui盟——亚当,阿布达拉AU - Li Xiangpan PY - 2022 DA - 2022/03/04 TI - Glycosylation-Related基因预测卵巢癌患者的预后和免疫分数基于加权基因Coexpression网络分析(WGCNA)和机器学习SP - 3665617六世- 2022 AB - 背景。卵巢癌(OC)是一种恶性肿瘤表现出女性肿瘤的高死亡率。糖基化是蛋白质的转译后的修改但研究未能证明系统glycosylation-related签名和肿瘤OC的环境之间的联系。 目的。本研究的目的是开发一个小说模型glycosylation-related信使rna (GRmRNAs)预测预后和OC患者的免疫功能。 方法。OC转录概况和临床表型的患者收集到的基因表达综合和癌症基因组图谱数据库。加权基因coexpression网络分析和机器学习进行寻找最优survival-related GRmRNAs。至少绝对收缩和选择算子进行了回归(套索)和Cox回归计算每个GRmRNA的系数,计算每个病人的风险评分以及开发预测模型。诺模图模型构造,和几个算法被用来调查风险亚型和immune-infiltrating水平之间的关系。 结果。总共四个签名(ALG8, DCTN4、DCTN6 UBB)测定计算风险评分,患者到高位低风险组分类。高危患者表现出明显较贫穷的生存结果,建立了计算图表模型有一个有前途的预测OC病人的预后。肿瘤纯洁和肿瘤突变的负担和风险分数负相关。此外,风险得分统计协会与Wnt等途径签名,河马,活性氧,产生突变。 结论。当前建立的风险分数基于GRmRNAs可以准确预测预后,免疫微环境,和OC患者的免疫治疗疗效。SN - 1942 - 0900 UR - https://doi.org/10.1155/2022/3665617 - 10.1155 / 2022/3665617摩根富林明氧化医学和细胞寿命PB - Hindawi KW - ER