今天给大家介绍的一篇文章题目为“Comprehensive Characterization of RNA Processing Factors in Gastric Cancer Identifies a Prognostic Signature for Predicting Clinical Outcomes and Therapeutic Responses”(对胃癌中RNA加工因子的综合角色塑造识别出预测临床结果和治疗反应的预后特征)。 引言 RNA加工将初始转录物RNA转化为成熟RNA。改变RNA加工驱动肿瘤的发生和维持,并可能产生新的治疗机会。然而,RNA加工因子在胃癌(GC)中的作用尚未明确阐明。 研究方法 一:识别五种不同的RNA加工模式。 (A)显示五种定义的RNA加工模式的一致聚类分析的热图。 (B)显示五种不同RNA处理模式的主成分分析(PCA)的散点图。 (C)具有五种不同RNA加工模式OS患者的Kaplan-Meier生存分析。 (D)显示五种定义RNA加工模式的标志基因组的GSVA分数的热图。 二:RNA加工相关预后特征的鉴定。 (A)显示105个OS相关RNA加工因子的功能富集分析的散点图。 (B,C)105个OS相关RNA处理因子的LASSO回归分析。 (D)包含在签名中的10个基因。相应的系数和HR分别用水平条和点描述。 (E-G)来自训练和验证数据集的患者的Kaplan-MeierOS曲线,通过对数秩检验进行差异检测。 三:复合预后列线图的识别。 (A)1年、3年和5年操作系统的综合诺模图预测。 (B,F,J)训练和验证数据集中复合预后列线图和临床模型的RMS曲线。 (C,G,K)训练和验证数据集中不同时间点的列线图、签名模型和临床模型的时间依赖性ROC曲线。 (D,H,L)训练和验证数据集中列线图的观察和预测概率的校准曲线。 (E,I,M)训练和验证数据集中列线图的DCA曲线。 四:RNA加工相关预后特征相关基因的功能分析。 (A)基于风险评分相关mRNA的预先排序Pearson相关系数的风险评分标志基因集的GSEA。 (B)基于拓扑重叠以及指定的模块颜色的不同的前5000个mRNA的聚类树状图。 (C)模块-特质关系。每一行显示一个模块特征基因; 每一列对应一个临床特征。每个单元格包含相应的相关性(上数)和p值(下数)。 (D-F)棕色(D),黄色(E)和绿松石(F)模块的标志基因集的功能富集分析。 五:鉴定RNA加工相关预后特征的表达和临床特征。 (A)热图显示10个预后相关的RNA加工因子的整个1079样本GC集的表达模式按照签名风险评分升序排序。 (B)10个预后相关的RNA加工因子在低风险组和高风险组之间的差异表达。P值通过Mann-Whitney检验获得。 (C)直方图显示TNM分期在低风险组和高风险组之间的分布。 (D)直方图显示五种不同的RNA加工模式在低风险组和高风险组之间的分布。 (E)HPA数据库中7个预后相关的RNA加工因子的蛋白质表达的免疫组织化学分析。 结论 总之,我们的研究强调了RNA加工基因在GC中的预后价值,并揭示了RNA加工相关的预后特征,以进一步改善具有明确TNM亚组的GC患者的预后预测。临床结果,遗传变异,途径激活,免疫异质性,剪接特征和药物反应特征的签名也确定。我们的研究结果为理解RNA加工的作用提供了基础,并指出RNA加工因子在GC中的潜在临床意义。 参考文献:Torre LA, Bray F, Siegel RL, Ferlay J, Lortet-Tieulent J, Jemal A. Global Cancer Statistics, 2012. CA Cancer J Clin (2015) 65(2):87–108. doi: 10.3322/ caac. 免责声明:本号所载内容、图片来源互联网,微信公众号等公开渠道,仅交流之目的,不存在任何商业行为。对转载、分享、陈述、观点保持中立,版权归原作者和机构所有,如有侵权,请联系我们,我们将即刻删除妥善处理。 |
|