基于生物信息学筛选子宫内膜癌预后相关的lncRNAs分子标签

摘要

目的:寻找与子宫内膜癌预后相关的lncRNAs分子标签,为预测子宫内膜癌患者的预后及个体化治疗提供有效指导。方法:下载TCGA数据库中的523例子宫内膜癌患者样本,随机分为训练集(n=262)和测试集(n=261)。在训练集中,采用单因素Cox回归结合LASSO回归分析筛选与子宫内膜癌预后相关的lnc RNAs分子标签,构建lncRNAs风险评分模型,预测子宫内膜癌预后,并在测试集中验证其预测的有效性。最后,采用基因集富集分析(GSEA)研究lncRNAs风险评分模型预测的高、低风险组之间生物学通路富集的差异。结果:基于LASSO Cox回归分析,一共筛选出13个与子宫内膜癌预后显著相关的差异lncRNAs(P<0.001),并以它们作为分子标签构建lncRNAs风险评分模型,将子宫内膜癌患者划分为高风险组和低分险组;生存曲线分析表明,低风险组患者的总生存期在训练集(P<0.001)和测试集(P<0.001)中均显著优于高风险组。多因素Cox回归分析显示,这13个lncRNAs在训练集(HR=1.08,95%CI:1.06~1.10,P<0.001)和测试集(HR=1.54,95%CI:1.34~1.78,P<0.001)中均为影响子宫内膜癌预后的独立危险因素。进一步构建lncRNAs分子标签联合临床指标模型并绘制ROC曲线发现,lncRNAs分子标签联合临床指标的模型可进一步提高预测效能。GSEA富集分析表明,细胞周期调控相关的基因集在高风险组中有显著富集,免疫和代谢相关通路则更多地在低风险组富集。结论:本研究确定了与子宫内膜癌预后相关的lncRNAs,基于13个lnc RNAs构建的风险评估模型可作为预测子宫内膜癌预后标志物的分子标签。