CN114317757A - 用于预测胰腺癌预后的评估基因集、试剂盒、应用及系统 - Google Patents
用于预测胰腺癌预后的评估基因集、试剂盒、应用及系统 Download PDFInfo
- Publication number
- CN114317757A CN114317757A CN202210019787.0A CN202210019787A CN114317757A CN 114317757 A CN114317757 A CN 114317757A CN 202210019787 A CN202210019787 A CN 202210019787A CN 114317757 A CN114317757 A CN 114317757A
- Authority
- CN
- China
- Prior art keywords
- pancreatic cancer
- prognosis
- patient
- gene
- mitophagy
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 108090000623 proteins and genes Proteins 0.000 title claims abstract description 73
- 206010061902 Pancreatic neoplasm Diseases 0.000 title claims abstract description 67
- 208000015486 malignant pancreatic neoplasm Diseases 0.000 title claims abstract description 67
- 201000002528 pancreatic cancer Diseases 0.000 title claims abstract description 67
- 208000008443 pancreatic carcinoma Diseases 0.000 title claims abstract description 67
- 238000004393 prognosis Methods 0.000 title claims abstract description 32
- 238000011156 evaluation Methods 0.000 title description 4
- 230000014509 gene expression Effects 0.000 claims abstract description 39
- 230000004083 survival effect Effects 0.000 claims abstract description 31
- 230000021125 mitochondrion degradation Effects 0.000 claims abstract description 25
- 102100022207 E3 ubiquitin-protein ligase parkin Human genes 0.000 claims abstract description 15
- 101000619542 Homo sapiens E3 ubiquitin-protein ligase parkin Proteins 0.000 claims abstract description 15
- 102000001332 SRC Human genes 0.000 claims abstract description 11
- 108060006706 SRC Proteins 0.000 claims abstract description 11
- 101100049129 Caenorhabditis elegans vdac-1 gene Proteins 0.000 claims abstract description 4
- 108010022133 Voltage-Dependent Anion Channel 1 Proteins 0.000 claims description 7
- 102100037820 Voltage-dependent anion-selective channel protein 1 Human genes 0.000 claims description 7
- 230000002438 mitochondrial effect Effects 0.000 claims description 7
- 108010082399 Autophagy-Related Proteins Proteins 0.000 claims description 6
- 238000013480 data collection Methods 0.000 claims description 3
- 239000003153 chemical reaction reagent Substances 0.000 claims description 2
- 238000012821 model calculation Methods 0.000 claims description 2
- 101150090724 3 gene Proteins 0.000 description 13
- 238000004458 analytical method Methods 0.000 description 13
- 206010028980 Neoplasm Diseases 0.000 description 12
- 230000004547 gene signature Effects 0.000 description 11
- 210000002865 immune cell Anatomy 0.000 description 11
- 230000035772 mutation Effects 0.000 description 9
- 238000000611 regression analysis Methods 0.000 description 8
- 102000018634 MRG Human genes 0.000 description 7
- 108050007760 MRG Proteins 0.000 description 7
- 239000002246 antineoplastic agent Substances 0.000 description 6
- 230000002596 correlated effect Effects 0.000 description 6
- 230000004850 protein–protein interaction Effects 0.000 description 6
- 238000010200 validation analysis Methods 0.000 description 6
- 210000001744 T-lymphocyte Anatomy 0.000 description 5
- 238000000513 principal component analysis Methods 0.000 description 5
- 210000001519 tissue Anatomy 0.000 description 5
- 108091008036 Immune checkpoint proteins Proteins 0.000 description 4
- 210000004027 cell Anatomy 0.000 description 4
- 229940044683 chemotherapy drug Drugs 0.000 description 4
- 230000008595 infiltration Effects 0.000 description 4
- 238000001764 infiltration Methods 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 210000002540 macrophage Anatomy 0.000 description 4
- 230000001105 regulatory effect Effects 0.000 description 4
- 210000004881 tumor cell Anatomy 0.000 description 4
- 210000001266 CD8-positive T-lymphocyte Anatomy 0.000 description 3
- 101000798951 Homo sapiens Mitochondrial import receptor subunit TOM20 homolog Proteins 0.000 description 3
- 238000010824 Kaplan-Meier survival analysis Methods 0.000 description 3
- 102100034007 Mitochondrial import receptor subunit TOM20 homolog Human genes 0.000 description 3
- 210000003719 b-lymphocyte Anatomy 0.000 description 3
- 201000011510 cancer Diseases 0.000 description 3
- 230000000875 corresponding effect Effects 0.000 description 3
- 210000004443 dendritic cell Anatomy 0.000 description 3
- 230000005965 immune activity Effects 0.000 description 3
- 238000000034 method Methods 0.000 description 3
- 210000000440 neutrophil Anatomy 0.000 description 3
- -1 palzopanib Chemical compound 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 238000013517 stratification Methods 0.000 description 3
- 108010092776 Autophagy-Related Protein 5 Proteins 0.000 description 2
- 102000016614 Autophagy-Related Protein 5 Human genes 0.000 description 2
- 102000003954 Autophagy-Related Proteins Human genes 0.000 description 2
- KLWPJMFMVPTNCC-UHFFFAOYSA-N Camptothecin Natural products CCC1(O)C(=O)OCC2=C1C=C3C4Nc5ccccc5C=C4CN3C2=O KLWPJMFMVPTNCC-UHFFFAOYSA-N 0.000 description 2
- 102100040753 Casein kinase II subunit alpha' Human genes 0.000 description 2
- 102100025064 Cellular tumor antigen p53 Human genes 0.000 description 2
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 2
- 101000892015 Homo sapiens Casein kinase II subunit alpha' Proteins 0.000 description 2
- 101001052512 Homo sapiens Microtubule-associated proteins 1A/1B light chain 3B Proteins 0.000 description 2
- 101000764216 Homo sapiens Mitochondrial import receptor subunit TOM40 homolog Proteins 0.000 description 2
- 102000037982 Immune checkpoint proteins Human genes 0.000 description 2
- 239000005551 L01XE03 - Erlotinib Substances 0.000 description 2
- 239000002147 L01XE04 - Sunitinib Substances 0.000 description 2
- 239000005536 L01XE08 - Nilotinib Substances 0.000 description 2
- 102100024177 Microtubule-associated proteins 1A/1B light chain 3B Human genes 0.000 description 2
- 102100026905 Mitochondrial import receptor subunit TOM40 homolog Human genes 0.000 description 2
- 102100025725 Mothers against decapentaplegic homolog 4 Human genes 0.000 description 2
- 101710143112 Mothers against decapentaplegic homolog 4 Proteins 0.000 description 2
- 229930012538 Paclitaxel Natural products 0.000 description 2
- CBPNZQVSJQDFBE-FUXHJELOSA-N Temsirolimus Chemical compound C1C[C@@H](OC(=O)C(C)(CO)CO)[C@H](OC)C[C@@H]1C[C@@H](C)[C@H]1OC(=O)[C@@H]2CCCCN2C(=O)C(=O)[C@](O)(O2)[C@H](C)CC[C@H]2C[C@H](OC)/C(C)=C/C=C/C=C/[C@@H](C)C[C@@H](C)C(=O)[C@H](OC)[C@H](O)/C(C)=C/[C@@H](C)C(=O)C1 CBPNZQVSJQDFBE-FUXHJELOSA-N 0.000 description 2
- 229960003005 axitinib Drugs 0.000 description 2
- RITAVMQDGBJQJZ-FMIVXFBMSA-N axitinib Chemical compound CNC(=O)C1=CC=CC=C1SC1=CC=C(C(\C=C\C=2N=CC=CC=2)=NN2)C2=C1 RITAVMQDGBJQJZ-FMIVXFBMSA-N 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 229940127093 camptothecin Drugs 0.000 description 2
- VSJKWCGYPAHWDS-FQEVSTJZSA-N camptothecin Chemical compound C1=CC=C2C=C(CN3C4=CC5=C(C3=O)COC(=O)[C@]5(O)CC)C4=NC2=C1 VSJKWCGYPAHWDS-FQEVSTJZSA-N 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000005929 chemotherapeutic response Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 229940127089 cytotoxic agent Drugs 0.000 description 2
- 230000034994 death Effects 0.000 description 2
- 231100000517 death Toxicity 0.000 description 2
- 238000005315 distribution function Methods 0.000 description 2
- VSJKWCGYPAHWDS-UHFFFAOYSA-N dl-camptothecin Natural products C1=CC=C2C=C(CN3C4=CC5=C(C3=O)COC(=O)C5(O)CC)C4=NC2=C1 VSJKWCGYPAHWDS-UHFFFAOYSA-N 0.000 description 2
- 238000010201 enrichment analysis Methods 0.000 description 2
- AAKJLRGGTJKAMG-UHFFFAOYSA-N erlotinib Chemical compound C=12C=C(OCCOC)C(OCCOC)=CC2=NC=NC=1NC1=CC=CC(C#C)=C1 AAKJLRGGTJKAMG-UHFFFAOYSA-N 0.000 description 2
- 229960001433 erlotinib Drugs 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000010230 functional analysis Methods 0.000 description 2
- 230000008088 immune pathway Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 210000003470 mitochondria Anatomy 0.000 description 2
- HHZIURLSWUIHRB-UHFFFAOYSA-N nilotinib Chemical compound C1=NC(C)=CN1C1=CC(NC(=O)C=2C=C(NC=3N=C(C=CN=3)C=3C=NC=CC=3)C(C)=CC=2)=CC(C(F)(F)F)=C1 HHZIURLSWUIHRB-UHFFFAOYSA-N 0.000 description 2
- 229960001346 nilotinib Drugs 0.000 description 2
- 229960001592 paclitaxel Drugs 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 210000000130 stem cell Anatomy 0.000 description 2
- WINHZLLDWRZWRT-ATVHPVEESA-N sunitinib Chemical compound CCN(CC)CCNC(=O)C1=C(C)NC(\C=C/2C3=CC(F)=CC=C3NC\2=O)=C1C WINHZLLDWRZWRT-ATVHPVEESA-N 0.000 description 2
- 229960001796 sunitinib Drugs 0.000 description 2
- RCINICONZNJXQF-MZXODVADSA-N taxol Chemical compound O([C@@H]1[C@@]2(C[C@@H](C(C)=C(C2(C)C)[C@H](C([C@]2(C)[C@@H](O)C[C@H]3OC[C@]3([C@H]21)OC(C)=O)=O)OC(=O)C)OC(=O)[C@H](O)[C@@H](NC(=O)C=1C=CC=CC=1)C=1C=CC=CC=1)O)C(=O)C1=CC=CC=C1 RCINICONZNJXQF-MZXODVADSA-N 0.000 description 2
- 229960000235 temsirolimus Drugs 0.000 description 2
- QFJCIRLUMZQUOT-UHFFFAOYSA-N temsirolimus Natural products C1CC(O)C(OC)CC1CC(C)C1OC(=O)C2CCCCN2C(=O)C(=O)C(O)(O2)C(C)CCC2CC(OC)C(C)=CC=CC=CC(C)CC(C)C(=O)C(OC)C(O)C(C)=CC(C)C(=O)C1 QFJCIRLUMZQUOT-UHFFFAOYSA-N 0.000 description 2
- 108010061408 Autophagy-Related Protein 12 Proteins 0.000 description 1
- 102000012035 Autophagy-Related Protein 12 Human genes 0.000 description 1
- 108010014380 Autophagy-Related Protein-1 Homolog Proteins 0.000 description 1
- 102100027992 Casein kinase II subunit beta Human genes 0.000 description 1
- 206010009944 Colon cancer Diseases 0.000 description 1
- 206010059866 Drug resistance Diseases 0.000 description 1
- 102100030478 FUN14 domain-containing protein 1 Human genes 0.000 description 1
- 206010064571 Gene mutation Diseases 0.000 description 1
- 101000892026 Homo sapiens Casein kinase II subunit alpha Proteins 0.000 description 1
- 101000858625 Homo sapiens Casein kinase II subunit beta Proteins 0.000 description 1
- 101000721661 Homo sapiens Cellular tumor antigen p53 Proteins 0.000 description 1
- 101001062715 Homo sapiens FUN14 domain-containing protein 1 Proteins 0.000 description 1
- 101001052506 Homo sapiens Microtubule-associated proteins 1A/1B light chain 3A Proteins 0.000 description 1
- 101000801530 Homo sapiens Mitochondrial import receptor subunit TOM22 homolog Proteins 0.000 description 1
- 101000764239 Homo sapiens Mitochondrial import receptor subunit TOM5 homolog Proteins 0.000 description 1
- 101000648387 Homo sapiens Mitochondrial import receptor subunit TOM6 homolog Proteins 0.000 description 1
- 101000648421 Homo sapiens Mitochondrial import receptor subunit TOM7 homolog Proteins 0.000 description 1
- 101000648395 Homo sapiens Mitochondrial import receptor subunit TOM70 Proteins 0.000 description 1
- 101001019367 Homo sapiens Mitofusin-1 Proteins 0.000 description 1
- 101001018717 Homo sapiens Mitofusin-2 Proteins 0.000 description 1
- 101000772905 Homo sapiens Polyubiquitin-B Proteins 0.000 description 1
- 101000662049 Homo sapiens Polyubiquitin-C Proteins 0.000 description 1
- 101000644537 Homo sapiens Sequestosome-1 Proteins 0.000 description 1
- 101000605835 Homo sapiens Serine/threonine-protein kinase PINK1, mitochondrial Proteins 0.000 description 1
- 101001099058 Homo sapiens Serine/threonine-protein phosphatase PGAM5, mitochondrial Proteins 0.000 description 1
- 101001115218 Homo sapiens Ubiquitin-40S ribosomal protein S27a Proteins 0.000 description 1
- 101000840051 Homo sapiens Ubiquitin-60S ribosomal protein L40 Proteins 0.000 description 1
- 206010021143 Hypoxia Diseases 0.000 description 1
- 210000004322 M2 macrophage Anatomy 0.000 description 1
- 101710045703 MTERF3 Proteins 0.000 description 1
- 102100024178 Microtubule-associated proteins 1A/1B light chain 3A Human genes 0.000 description 1
- 102100033590 Mitochondrial import receptor subunit TOM22 homolog Human genes 0.000 description 1
- 102100026902 Mitochondrial import receptor subunit TOM5 homolog Human genes 0.000 description 1
- 102100028812 Mitochondrial import receptor subunit TOM6 homolog Human genes 0.000 description 1
- 102100028764 Mitochondrial import receptor subunit TOM7 homolog Human genes 0.000 description 1
- 102100028811 Mitochondrial import receptor subunit TOM70 Human genes 0.000 description 1
- 102100034715 Mitofusin-1 Human genes 0.000 description 1
- 102100033703 Mitofusin-2 Human genes 0.000 description 1
- 102100030432 Polyubiquitin-B Human genes 0.000 description 1
- 102100037935 Polyubiquitin-C Human genes 0.000 description 1
- 230000010799 Receptor Interactions Effects 0.000 description 1
- 101150071241 SIGLEC15 gene Proteins 0.000 description 1
- 102100020814 Sequestosome-1 Human genes 0.000 description 1
- 102100038376 Serine/threonine-protein kinase PINK1, mitochondrial Human genes 0.000 description 1
- 102100039988 Serine/threonine-protein kinase ULK1 Human genes 0.000 description 1
- 102100038901 Serine/threonine-protein phosphatase PGAM5, mitochondrial Human genes 0.000 description 1
- 230000020385 T cell costimulation Effects 0.000 description 1
- 102100035551 Transcription termination factor 3, mitochondrial Human genes 0.000 description 1
- 108010078814 Tumor Suppressor Protein p53 Proteins 0.000 description 1
- 102100023341 Ubiquitin-40S ribosomal protein S27a Human genes 0.000 description 1
- 102100028462 Ubiquitin-60S ribosomal protein L40 Human genes 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000031018 biological processes and functions Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000005773 cancer-related death Effects 0.000 description 1
- 231100000504 carcinogenesis Toxicity 0.000 description 1
- 230000003833 cell viability Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 208000029742 colonic neoplasm Diseases 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 230000001461 cytolytic effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000013399 early diagnosis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 210000002889 endothelial cell Anatomy 0.000 description 1
- 238000010195 expression analysis Methods 0.000 description 1
- 210000002950 fibroblast Anatomy 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 210000001035 gastrointestinal tract Anatomy 0.000 description 1
- 230000007954 hypoxia Effects 0.000 description 1
- 230000028993 immune response Effects 0.000 description 1
- 230000002055 immunohistochemical effect Effects 0.000 description 1
- 238000011532 immunohistochemical staining Methods 0.000 description 1
- 238000009169 immunotherapy Methods 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 230000010468 interferon response Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 230000036210 malignancy Effects 0.000 description 1
- 230000003211 malignant effect Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- 230000002503 metabolic effect Effects 0.000 description 1
- 230000006609 metabolic stress Effects 0.000 description 1
- 230000004879 molecular function Effects 0.000 description 1
- 230000036438 mutation frequency Effects 0.000 description 1
- 238000003012 network analysis Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000000101 novel biomarker Substances 0.000 description 1
- 230000036284 oxygen consumption Effects 0.000 description 1
- 230000037361 pathway Effects 0.000 description 1
- 238000010837 poor prognosis Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000000770 proinflammatory effect Effects 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 238000007634 remodeling Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000015607 signal release Effects 0.000 description 1
- 238000002626 targeted therapy Methods 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 231100000588 tumorigenic Toxicity 0.000 description 1
- 230000000381 tumorigenic effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Landscapes
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
本发明提供了一种用于预测胰腺癌预后的评估基因集，评估基因集为线粒体自噬相关基因集，其包括3种线粒体自噬相关基因，3种线粒体自噬相关基因为PRKN、SRC、VDAC1。本发明同时还提供了一种用于预测胰腺癌患者预后的试剂盒、检测3种线粒体自噬相关基因表达水平的试剂盒在制备胰腺癌患者总体生存率诊断或辅助诊断产品中的应用和用于预测胰腺癌患者预后的系统；本发明能够能更可靠地应用到临床实践中，可以更准确地预测胰腺癌患者预后，为医疗决策提供科学依据。
Description
技术领域
本发明属于肿瘤分子生物学技术领域，具体涉及一种用于预测胰腺癌预后的评估基因集，本发明同时还提供了一种用于预测胰腺癌患者预后的试剂盒、检测3种线粒体自噬相关基因表达水平的试剂盒在制备胰腺癌患者总体生存率诊断或辅助诊断产品中的应用和用于预测胰腺癌患者预后的系统。
背景技术
胰腺癌(PC)是一种恶性的消化道恶性肿瘤，占癌症相关死亡的4.7％，据报道，到2025年可能成为癌症死亡的第三大原因(Sunget al.，2021)；高异质性、早期诊断困难、疗效有限是PC预后不良的原因，现有研究表明，基于基因检测的靶向治疗可能为克服PC治疗缺陷提供了有效的治疗选择，然而，由于PC患者复杂的分子分型和肿瘤异质性，大多数基因表达变异的特征仍然很差，抑制了它们的临床转化。因此，迫切需要一种全新的生物标记物用于预后分层和治疗选择，以改善PC患者的预后。
线粒体自噬是一种线粒体质量控制机制，主要负责肿瘤细胞内的代谢重塑和调节肿瘤细胞之间的相互作用。线粒体自噬通过缺氧和代谢应激的功能激活，通过去除多余的线粒体和减少氧气消耗来提高肿瘤细胞的生存。线粒体自噬缺失会对胰腺癌干细胞的干细胞性产生负面影响，损害其致瘤能力。
越来越多的证据表明，肿瘤的发展和进展在很大程度上取决于其所处的复杂微环境，包括肿瘤细胞及其周围的免疫细胞、成纤维细胞和内皮细胞。现有研究认为，在传统TNM分期系统的基础上，可以将免疫评分作为癌症分期系统的一部分，进一步提高对总体预后的评估。现有针对结肠癌患者的研究中建立了基于免疫评分的癌症分类，结果表明适应性免疫细胞浸润的预后价值优于当前的经典肿瘤浸润(TNM期)。因此，免疫评分系统的引入将进一步有助于为PC分层和预后预测提供新的见解。
发明内容
本发明基于TCGA数据库、ICGC数据库和GEO数据库中获取胰腺癌病例的基因表达谱及相应的临床信息，将TCGA队列中的患者分为两组并筛选了两组之间的差异表达基因，根据基因表达值得到预测胰腺癌预后的评估基因集。
本发明的第一目的是提供一种用于预测胰腺癌患者预后的评估基因集，其中，评估基因集为线粒体自噬相关基因集，其包括3种线粒体自噬相关基因，3种线粒体自噬相关基因为PRKN、SRC、VDAC1。
本发明的第二目的是提供一种用于预测胰腺癌患者预后的试剂盒，其包括检测前述评估基因集中3中线粒体自噬相关基因表达水平的试剂。
本发明的第三目的是提供一种检测3种线粒体自噬相关基因表达水平的试剂盒在制备胰腺癌患者总体生存率诊断或辅助诊断产品中的应用，其中，试剂盒为前述的试剂盒。
本发明的第四目的是提供一种用于预测胰腺癌患者预后的系统，其包括以下模块：
1)数据收集模块：收集患者的样本，测定其基因表达值，其中基因为权利要求1所述的评估基因集中的3种线粒体自噬相关基因；
2)模型计算模块：计算胰腺癌患者的3种线粒体自噬相关基因的总表达值，即风险评分，风险评分的计算公式如下：
风险评分＝(-0.929609894*PRKN的表达水平)+(0.006652335*SRC的表达水平)+(0.001093884*VDAC1的表达水平)；
3)输出预测模块：根据胰腺癌患者的风险评分数据来预测患者的预后情况，患者的风险评分越低，则预后情况越好。
作为本发明的进一步实施方案，将患者的风险评分与设定值进行比较，如果高于设定值，则预后风险为高风险，如果低于设定值，则预后风险为低风险。
作为本发明的进一步实施方案，设定值为1.070577。
本发明具备以下有益效果：
本发明提供了一种用于胰腺癌预后预测的评估基因集及相应的试剂盒，能更可靠地应用到临床实践中，相较于现有技术，可以更准确地预测胰腺癌患者预后，为医疗决策提供科学依据。
下面结合附图对本发明作进一步的详细说明。
附图说明
图1是TCGA队列中两个免疫评分亚群之间的线粒体自噬相关差异表达基因(DEGs)；
其中1A是TCGA队列中高免疫评分组和低免疫评分组胰腺癌患者中29个线粒体相关基因表达谱的热图，*表示P<0.05；**代表P<0.01；***代表P<0.001；1B是DEGs表达的箱线图；1C是DEGs之间的相关性网络，红色代表正相关，蓝色代表负相关；1D是DEGs之间的蛋白-蛋白相互作用(PPI)网络；
图2基于线粒体自噬相关基因的肿瘤分类；
其中2A是累积分布函数曲线；2B是共识聚类的Delta面积曲线；2C是共识聚类矩阵(K＝3)；2D是三个亚组的Kaplan-Meier生存分析；2E是三种亚型线粒体自噬相关基因表达的热图；
图3是TCGA队列中线粒体自噬相关基因特征的建立；
其中3A是单变量Cox回归分析后预后相关基因的森林图；3B是最小绝对收缩和选择算子(LASSO)变量筛选过程；3C是基于最小lambda值的候选基因交叉验证；3D是使用多变量Cox回归分析的独立预后相关基因的森林图；3E是TCGA队列中PC样本的风险评分分布；3F是根据风险评分，每个PC样本的生存时间和状态；3G是3基因特征的主成分分析(PCA)；3H是两个危险亚组之间的生存分析；3I是3基因特征的ROC曲线；
图4是ICGC、GSE28735、GSE62452队列中线粒体自噬相关基因特征的验证；
其中4A、4F、4J是PC样本的风险评分分布；4B、4G、4K是基于风险评分的PC样本生存时间和状态、4C、4H、4L是两个危险亚组之间的生存分析；4E、4I、4M是3基因特征的ROC曲线；
图5是3个特征基因分析；
其中5A是TCGA队列中3个特征基因表达水平及风险评分与临床特征相关性的Heatmap；5B、5C、5D是TCGA队列中3个特征基因的生存分析；5E、5F、5G是胰腺正常组织和胰腺癌组织中3个特征基因的免疫组化染色情况；5H是3个特征基因和6个免疫细胞之间的关系，*表示P<0.05；**代表P<0.01；***代表P<0.001；5I是基于TIMER数据库发现，PRKN与肿瘤纯度负相关，并与6种免疫浸润显著正相关；
图6是独立预后因素的鉴定和列线图的构建；
其中6A是TCGA队列风险评分及临床特征的单因素Cox回归分析和多因素Cox回归分析；6B是TCGA队列的列线图预测PC患者1、3、5年生存率；6C、6D、6E是列线图的校准图；6F、6G、6H是3个独立预后因素与列线图的ROC曲线分析；
图7是TCGA队列中3基因特征的功能分析；
其中7A是高、低风险组DEGs的GO富集分析，BP：生物过程，MF：分子功能，CC：细胞成分；7B是高危组与低危组DEGs的KEGG富集分析；7C是在两个风险亚组之间的16种免疫细胞富集分数的差异；7D是两个风险亚组之间13种免疫通路富集分数的差异，*表示P<0.05；**代表P<0.01；***代表P<0.001；
图8是TCGA队列中3基因签名的免疫状况和免疫治疗预测；
其中8A-8F是风险评分与6种免疫浸润细胞(B细胞、CD4+T细胞、CD8+T细胞、中性粒细胞、巨噬细胞、树突状细胞)的相关性；8G是22种免疫细胞在PC样本中的比例；8H是22种免疫细胞在高危和低风险亚组之间的相对比例；8I是两个危险亚群之间22种免疫细胞组成的差异，*表示P<0.05；**代表P<0.01；***代表P<0.001；8J是2个危险亚群中8个免疫检查点基因的表达水平；
图9是3基因特征的突变情况；
其中9A是低危患者突变状态瀑布图；9B是高危患者突变状态瀑布图；
图10是3基因特征的化疗反应预测；
其中10A-10I分别是阿西替尼、喜树碱、托泊苷、尼罗替尼、帕佐帕尼、舒尼替尼、替西莫司、厄洛替尼、紫杉醇的IC50值。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不限于下面公开的具体实施例的限制。
实施例1
数据收集
PC的转录组测序数据[Fragments Per Kilobase of transcript Per Millionmapped reads(FPKM)标准化]、突变数据和相应的临床信息均来自TCGA数据库(https://tcga-data.nci.nih.gov/tcga/)，以此作为训练集。
验证队列从ICGC数据库(https://dcc.icgc.org)和GEO数据库(https://www.ncbi.nlm.nih.gov/geo)下载；共收集了176份TCGA-胰腺癌(TCGA-PAAD)样本、79份ICGC-胰腺癌-澳大利亚(ICGC-PACA-AU)样本、41份GSE28735(Zhang et al.，2013a)样本和62份GSE62452(Yang et al.，2016)样本进行分析。
TCGA的转录本测序数据、ICGC的读计数数据以及GSE28735、GSE62452的序列矩阵数据，采用R包“limma”进行“log2(data+1)”处理(Ritchie et al.，2015)。此外，PC患者的免疫评分来自ESTIMATE数据库(https://bioinformatics.mdanderson.org/estimate/disease.html)。从Pathway Unification数据库(https://pathcards.genecards.org/)获得29个线粒体自噬相关基因(MRGs)，分别为：ATG12、ATG5、CSNK2A1、CSNK2A2、CSNK2B、FUNDC1、MAP1LC3A、MAP1LC3B、MFN1、MFN2、MTERF3、PGAM5、PINK1、PRKN、RPS27A、SQSTM1、SRC、TOMM20、TOMM22、TOMM40、TOMM5、TOMM6、TOMM7、TOMM70、UBA52、UBB、UBC、ULK1、VDAC1。
差异表达基因的筛选
根据中位免疫评分，将来自TCGA队列的PC样本分为高免疫评分组和低免疫评分组。接下来，从TCGA队列的表达谱数据中提取29个MRGs表达谱，并使用R包“pheatmap”生成热图。
在两个免疫评分组间筛选显著差异的基因(DEGs)，错误发现率阈值(FDR)小于0.05；使用R包“reshape2”和“ggpubr”绘制DEGs表达的箱线图；用R包“igraph”生成DEGs的相关性网络，用交互作用基因检索工具(STRING)数据库(http://string-db.org)构建DEGs的蛋白质-蛋白质相互作用网络(Protein-Protein Interaction,PPI)。
具体展开的，根据中位免疫评分，将PC样本分为两个免疫评分亚组。7个MRGs在高、低免疫评分组间有差异表达(均为FDR<0.05,图1A-1B)，其中ATG5、MAP1LC3B、PRKN的基因表达水平下调，其他4个基因(SRC、TOMM20、TOMM40、VDAC1)的表达水平在高免疫评分组上调。
DEGs之间的相关性网络如图1C所示，不同颜色代表不同的相关系数。接着发明人还进一步构建了PPI网络来识别这些线粒体自噬相关DEGs之间的相互作用，PPI网络分析结果表明TOMM20是一个枢纽基因(图1D)。
基于MRGs的肿瘤分类
为了进一步探讨29个MRGs与PC患者分层之间的关系，使用R包“ConsensusClusterPlus”进行一致性分析；采用R软件包“survival”和“survminer”对不同亚型进行Kaplan-Meier生存分析，应用R包“pheatmap”绘制热图。
具体展开的，通过一致性聚类分析来评估MRGs对PC样本的影响。
如图2A-B所示，根据累积分布函数(CDF)曲线和CDF曲线下面积的相对变化结果，最佳聚类数被确定为K＝3，即最大的聚类数在保持聚类内最大一致性的情况下，引起CDF曲线下面积增量变化最小。图2C的结果显示，PC样本可以根据线粒体自噬相关基因分为三组；TCGA队列PC患者被分为三组(N＝124、48、6)，三种亚型之间的生存期差异有统计学意义(P＝0.023，图2D)，其中三个聚类之间的基因表达谱如图2E所示。
线粒体自噬相关基因特征的构建与验证
使用单变量Cox回归分析筛选生存相关基因，然后应用多因素Cox回归分析筛选与独立的生存相关基因。
为了进一步缩小候选基因的范围，发明人还采用最小绝对收缩选择算子(leastabsolute contraction and selection operator,LASSO)算法来防止模型过拟合；采用Lasso回归系数计算风险评分。
具体展开的，经单因素Cox回归分析，从TCGA队列中确定3个MRGs为预后相关基因。SRC和VDAC1是危险基因(HR>1)，而PRKN是一个保护性基因(HR<1)(图3)；LASSO回归进一步缩小了候选基因的范围，最终以λ的最佳值0.02895928为基础建立了3个基因的预后特征(图3B-3C)。
多因素Cox回归进一步筛选了预后相关基因，确定了PRKN是一个独立的预后基因(P＝0.0192，图3D)。
风险评分的的计算公式如下：
风险评分＝(-0.929609894*PRKN的表达水平)+(0.006652335*SRC的表达水平)+(0.001093884*VDAC1的表达水平)；
根据中位风险评分，将PC样本分为高、低风险组，Kaplan-Meier分析两危险组生存差异，和采用R中“stats”软件包的“prcomp”函数进行主成分分析(PCA)，和采用R软件包“timeROC”进行ROC曲线下面积(AUC)分析，以评估预后模型的性能。
具体展开的，根据中位风险评分，PC样本被分为高风险组(n＝88)和低风险组(n＝88)，风险评分越高的患者死亡风险越大，生存时间越短(图3E-F)。PCA显示出高、低风险组之间的明显区别(图3G)。生存曲线显示高危患者的生存期远低于低危患者(P＝0.006267，图3H)。TCGA队列的3年和5年生存AUC值分别为0.785和0.782(图3I)。
在验证队列(ICGC-PACA-AU、GSE28735和GSE62452)中，使用相同的公式计算风险评分，并使用上述方法验证风险特征的性能。
其中外部验证集显示上述3种基因特征具有较高的预测精度，具体展开的，在三个验证队列中，风险评分分布和他们的生存状态与TCGA队列的结果一致(图4B、4F、4G、4J、4K)，高危患者生存时间比低风险病人更低(P＝0.02327,ICGC-PACA-AU，图4C；GSE28735,P＝0.04975，图4H；GSE62452,P＝0.0062，图4L)。
同时，三个验证队列的AUC值显示了对3年生存率的良好预测能力和稳定性(ICGC-PACA-AU,AUC＝0.818，图4E；GSE28735,AUC＝0.821，图4I；GSE62452,AUC＝0.822，图4M)，表明本实施例中3种基因特征能够可靠地预测PC患者的生存情况。
进一步的，本实施例还进行有如下过程：
3种特征基因与生存和免疫活性相关
为了评估3种特征基因的预后预测能力和免疫相关性，发明人评估了它们在TCGA队列和人类免疫组化组织中的表达水平，并对这些基因进行了生存和免疫相关性分析。
具体展开的，图5A显示了TCGA队列中3种特征基因的表达以及风险评分与临床特征之间的相关性(年龄、性别、酒精、分级、分期、TNM和状态)。PRKN在高危组的表达水平低于低危组，而SRC和VDAC1的表达水平则相反，3种特征基因的生存分析也显示了它们与预后的紧密联系(图5B-D)。
此外，在HPA数据库的肿瘤样本和正常样本中验证了特征基因的表达；如图5E-5G所示，PRKN在PC组织中低表达，SRC和VDAC1在PC组织中高表达，与基因表达分析结果一致。接下来进一步分析了这3种特征基因与免疫活性的关系，发现PRKN与6种免疫细胞(B细胞、巨噬细胞、髓系树突状细胞、中性粒细胞、CD4+T细胞、CD8+T细胞)密切相关(P<0.05,图5H)；从TIMER数据库中提取的结果显示，PRKN与6个免疫浸润细胞呈正相关(图5I)。
预后模型与临床特征的相关性
为了评估重要的临床预后因素和我们预后模型的临床适用性，发明人进行了单因素和多因素分析以确定独立的预后因素，并建立了列线图。
从TCGA队列中提取PC患者的年龄、性别、酒精、分级、分期、T、N等临床信息，经单因素和多因素Cox回归分析，年龄、N分期和风险评分被确定为独立的预后因素(P＝0.0341、0.0103和0.0375，图6A)；根据独立预后因素构建列线图预测PC患者1年、3年、5年生存率(图6B)；校准图显示预测结果和实际结果之间有很好的一致性(图6C-6E)。列线图预测1年、3年、5年生存率的AUC分别为0.647、0.870、1.00(图6F-6H)。
3基因特征的功能富集
为了进一步探索这3个基因特征的功能富集，发明人对这3中基因特征进行了GO富集、KEGG分析和免疫富集评分。在TCGA队列中，两组共筛选出2128个DEGs。GO富集结果显示，这些DEGs主要富集于膜电位调控和信号释放(图7A)。KEGG分析显示，DEGs在神经活性配体-受体相互作用和细胞因子-细胞因子受体相互作用的相关通路显著富集(图7B)。对预后模型的进一步功能分析表明，3基因特征与免疫活性显著相关。
高危组多数免疫细胞浸润水平明显低于低危组(14/16,87.5％，所有P<0.05,图7C)；与低危组相比，高危组的CCR、checkpoint、溶细胞活性、HLA、促炎、T细胞共抑制、T细胞共刺激、II型IFN反应等免疫通路富集评分显著降低(所有P<0.05,图7D)。
3基因特征与免疫微环境和免疫检查点相关
为进一步探讨3基因标记与免疫微环境的差异，采用spearman相关性分析风险评分与免疫评分。如图8A-8F所示，风险评分与6个免疫浸润细胞(B细胞、CD4+T细胞、CD8+T细胞、中性粒细胞、巨噬细胞、骨髓树突状细胞)呈负相关(均为P<0.05)，来自TCGA队列的PC患者中22个免疫细胞的比例见图8G，M0巨噬细胞、M2巨噬细胞、静息记忆CD4+T细胞所占比例最高。
22个肿瘤免疫细胞在高危和低危患者之间的分布如图8H所示，具体而言，大多数免疫细胞浸润细胞(18/22,81.8％)在两个危险亚组之间有显著差异(所有P<0.05)，表明3基因特征与免疫微环境有很强的相关性(图8I)。
此外，发明人还研究了预后模型与免疫检查点基因表达值之间的相关性，这可以作为预测免疫应答的一个指标；如图8J所示，在TCGA队列的高危患者中，除SIGLEC15基因外，其余7个免疫检查点基因均下调(所有P<0.05)。
3基因特征的突变情况
发明人比较了TCGA队列中高风险和低风险患者的突变情况，如图9A-9B所示，高危患者的突变率高于低危患者(97.67％vs.75.9％)；在基因突变频率方面，KRAS、肿瘤蛋白p53(TP53)和SMAD家族成员4(SMAD4)是高危患者比低危患者改变最多的基因(分别为90％比61％、73％比53％和30％比17％)。此外，错义突变是PC患者最常见的突变类型。
3基因特征可以预测化疗药物敏感性
化疗药物一直是PC治疗的主要手段，不良预后与化疗耐药性有关；在此，发明人进一步预测了两个危险亚组对常用化疗药物的化疗反应。
如图10A-10G所示，高危患者对八种化疗药物(阿西替尼、喜树碱、依泊苷、尼罗替尼、帕佐帕尼、舒尼替尼、替西莫司)的IC50值均高于低危组患者，提示低危患者可从这些化疗药物中获益。此外，发明人还发现高危患者对厄洛替尼和紫杉醇更敏感(P＝0.038,P＝0.00011，图10H-10I)。
虽然本发明以较佳实施例揭露如上，但并非用以限定本发明实施的范围。任何本领域的普通技术人员，在不脱离本发明的发明范围内，当可作些许的改进，即凡是依照本发明所做的同等改进，应为本发明的范围所涵盖。
Claims (6)
1.用于预测胰腺癌患者预后的评估基因集，其特征在于，所述评估基因集为线粒体自噬相关基因集，其包括3种线粒体自噬相关基因，3种线粒体自噬相关基因为PRKN、SRC、VDAC1。
2.用于预测胰腺癌患者预后的试剂盒，其特征在于，包括检测权利要求1所述评估基因集中3中线粒体自噬相关基因表达水平的试剂。
3.检测3种线粒体自噬相关基因表达水平的试剂盒在制备胰腺癌患者总体生存率诊断或辅助诊断产品中的应用，其中，试剂盒为权利要求2所述的试剂盒。
4.用于预测胰腺癌患者预后的系统，其特征在于，包括以下模块：
1)数据收集模块：收集患者的样本，测定其基因表达值，其中基因为权利要求1所述的评估基因集中的3种线粒体自噬相关基因；
2)模型计算模块：计算胰腺癌患者的3种线粒体自噬相关基因的总表达值，即风险评分，风险评分的计算公式如下：
风险评分＝(-0.929609894*PRKN的表达水平)+(0.006652335*SRC的表达水平)+(0.001093884*VDAC1的表达水平)；
3)输出预测模块：根据胰腺癌患者的风险评分数据来预测患者的预后情况，患者的风险评分越低，则预后情况越好。
5.如权利要求4所述的用于预测胰腺癌患者预后的系统，其特征在于，将患者的风险评分与设定值进行比较，如果高于设定值，则预后风险为高风险，如果低于设定值，则预后风险为低风险。
6.如权利要求5所述的用于预测胰腺癌患者预后的系统，其特征在于，设定值为1.070577。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210019787.0A CN114317757B (zh) | 2022-01-10 | 2022-01-10 | 用于预测胰腺癌预后的评估基因集、试剂盒、应用及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210019787.0A CN114317757B (zh) | 2022-01-10 | 2022-01-10 | 用于预测胰腺癌预后的评估基因集、试剂盒、应用及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114317757A true CN114317757A (zh) | 2022-04-12 |
| CN114317757B CN114317757B (zh) | 2024-02-23 |
Family
ID=81025643
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210019787.0A Active CN114317757B (zh) | 2022-01-10 | 2022-01-10 | 用于预测胰腺癌预后的评估基因集、试剂盒、应用及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114317757B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114645088A (zh) * | 2022-04-22 | 2022-06-21 | 广东省人民医院 | 克罗恩病进展风险相关评估基因集、试剂盒、应用和系统 |
| CN115093473A (zh) * | 2022-05-12 | 2022-09-23 | 中国医学科学院北京协和医院 | 一种基于vdac1蛋白的多肽及其应用 |
| CN117165682A (zh) * | 2023-08-04 | 2023-12-05 | 广东省人民医院 | 用于乳腺癌新辅助化疗获益和/或预后评估的标志物组合及其应用 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112626218A (zh) * | 2021-01-07 | 2021-04-09 | 浙江科技学院 | 一种用于预测胰腺癌转移风险的基因表达分类器、体外诊断试剂盒 |
| CN113234835A (zh) * | 2021-07-09 | 2021-08-10 | 北京泱深生物信息技术有限公司 | 预后相关基因及风险模型预测胰腺癌预后的应用 |
| CN113430267A (zh) * | 2021-06-29 | 2021-09-24 | 复旦大学附属中山医院 | 一种化疗相关基因表达特征在预测胰腺癌预后中的应用 |
-
2022
- 2022-01-10 CN CN202210019787.0A patent/CN114317757B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112626218A (zh) * | 2021-01-07 | 2021-04-09 | 浙江科技学院 | 一种用于预测胰腺癌转移风险的基因表达分类器、体外诊断试剂盒 |
| CN113430267A (zh) * | 2021-06-29 | 2021-09-24 | 复旦大学附属中山医院 | 一种化疗相关基因表达特征在预测胰腺癌预后中的应用 |
| CN113234835A (zh) * | 2021-07-09 | 2021-08-10 | 北京泱深生物信息技术有限公司 | 预后相关基因及风险模型预测胰腺癌预后的应用 |
Non-Patent Citations (2)
| Title |
|---|
| CHANGFENG LI等: "PINK1 and PARK2 Suppress Pancreatic Tumorigenesis through Control of Mitochondrial Iron-mediated Immunometabolism", DEV CELL, pages 441 - 455 * |
| ZEWEI ZHUO等: "Mitophagy-Related Gene Signature for Prediction Prognosis, Immune Scenery, Mutation, and Chemotherapy Response in Pancreatic Cancer", FRONTIERS IN CELL AND DEVELOPMENTAL BIOLOGY, pages 1 - 17 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114645088A (zh) * | 2022-04-22 | 2022-06-21 | 广东省人民医院 | 克罗恩病进展风险相关评估基因集、试剂盒、应用和系统 |
| CN114645088B (zh) * | 2022-04-22 | 2023-12-15 | 广东省人民医院 | 克罗恩病进展风险相关评估基因集、试剂盒、应用和系统 |
| CN115093473A (zh) * | 2022-05-12 | 2022-09-23 | 中国医学科学院北京协和医院 | 一种基于vdac1蛋白的多肽及其应用 |
| CN117165682A (zh) * | 2023-08-04 | 2023-12-05 | 广东省人民医院 | 用于乳腺癌新辅助化疗获益和/或预后评估的标志物组合及其应用 |
| CN117165682B (zh) * | 2023-08-04 | 2024-06-11 | 广东省人民医院 | 用于乳腺癌新辅助化疗获益和/或预后评估的标志物组合及其应用 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114317757B (zh) | 2024-02-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Long et al. | Development and validation of a TP53-associated immune prognostic model for hepatocellular carcinoma | |
| CN114317757B (zh) | 用于预测胰腺癌预后的评估基因集、试剂盒、应用及系统 | |
| CN114317532B (zh) | 用于预测白血病预后的评估基因集、试剂盒、系统及应用 | |
| Dong et al. | Identification of a Pyroptosis‐Related Gene Signature for Prediction of Overall Survival in Lung Adenocarcinoma | |
| Zhao et al. | Comprehensive analysis of molecular clusters and prognostic signature based on m7G-related LncRNAs in esophageal squamous cell carcinoma | |
| Ye et al. | Immunological characteristics of alternative splicing profiles related to prognosis in bladder cancer | |
| Zhao et al. | A signature constructed with mitophagy-related genes to predict the prognosis and therapy response for breast cancer | |
| Zhang et al. | Deciphering Treg cell roles in esophageal squamous cell carcinoma: a comprehensive prognostic and immunotherapeutic analysis | |
| Chen et al. | The aging-related prognostic signature reveals the landscape of the tumor immune microenvironment in head and neck squamous cell carcinoma | |
| Xu et al. | Development of an oncogenic driver alteration associated immune-related prognostic model for stage I-II lung adenocarcinoma | |
| CN111471773A (zh) | 预测胃腺癌患者预后的诊断生物标记物及其确定方法、应用 | |
| Cao et al. | Integrated analysis of inflammatory response subtype-related signature to predict clinical outcomes, immune status and drug targets in lower-grade glioma | |
| Tian et al. | Development and validation of a novel prognostic model for lower-grade glioma based on enhancer RNA-regulated prognostic genes | |
| Zhuge et al. | Construction of the model for predicting prognosis by key genes regulating EGFR-TKI resistance | |
| Nie et al. | Comprehensive analysis of an individualized immune-related lncRNA pair signature in gastric cancer | |
| CN116153387A (zh) | 一种肺鳞癌患者总体生存率预后模型及应用 | |
| Guo et al. | Establishment and validation of a ubiquitination-related gene signature associated with prognosis in pancreatic duct adenocarcinoma | |
| Zhou et al. | Mitochondria-related lncRNAs: predicting prognosis, tumor microenvironment and treatment response in lung adenocarcinoma | |
| Zhang et al. | Machine learning based identification of hub genes in renal clear cell carcinoma using multi-omics data | |
| Liang et al. | Identification of disulfidptosis-related subtypes, characterization of tumor microenvironment infiltration, and development of a prognosis model in breast cancer | |
| Tian et al. | An Independent Prognostic Model Based on Ten Autophagy-Related Long Noncoding RNAs in Pancreatic Cancer Patients | |
| Yu et al. | A novel cervix carcinoma biomarker: pathological-epigenomics, integrated analysis of MethylMix algorithm and pathology for predicting response to cancer immunotherapy | |
| Zhang et al. | Novel chemokine related LncRNA signature correlates with the prognosis, immune landscape, and therapeutic sensitivity of esophageal squamous cell cancer | |
| Li et al. | A novel oxidative stress-related gene signature as an indicator of prognosis and immunotherapy responses in HNSCC | |
| CN111961721B (zh) | 血浆sfmbt2基因甲基化在结直肠癌中转移预测及动态监测中的应用 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |