论文部分内容阅读
目的:本研究旨在通过生物信息学分析方法探讨N6-甲基腺嘌呤（N6-methyladenosine,m6A）相关的长链非编码RNA（Long non-coding RNA,lnc RNA）在胃癌（Gastric Cancer,GC）中的预后价值并构建预后风险模型。方法:从癌症基因组图谱（The Cancer Genome Atlas,TCGA）中下载胃癌患者的RNA测序数据及相应临床病理数据。利用皮尔逊相关性分析（Pearson Correlation Analysis）确定与m6A相关的lnc RNA。将胃癌患者分为实验组和验证组,而两组患者合并则被定义为联合组。在实验组中,采用单因素Cox回归分析、套索回归分析（Least Absolute Shrinkage and Selection Operator,LASSO）以及多因素Cox回归分析,逐步筛选出具有独立预后价值的lnc RNA用以构建预后风险模型。根据预后风险模型中m6A相关lnc RNA风险系数和胃癌患者该lnc RNA的表达量,为每位胃癌患者计算风险评分。然后,根据风险评分的中位值将胃癌患者分为高低风险组。通过Kaplan-Meier（KM）生存分析、受试者工作曲线（Receiver Operating characteristic Curve,ROC）评估该预后风险模型的预测效能。同时,根据实验组中胃癌患者风险分数的中位值,将验证组及联合组中的胃癌患者同样分为高低风险组并进行KM生存分析以验证预后风险模型的准确性。通过单因素及多因素Cox回归分析评估风险评分与临床病理特征的独立预后价值。使用风险评分和临床病理特征构建列线图。绘制风险评分及各临床病理特征的ROC曲线,通过比较曲线下面积（Area Under the Curve,AUC）反映风险评分在预测胃癌患者预后的优势。通过KM生存分析评估预后风险模型在不同的临床病理特征、肿瘤突变负荷（Tumor Mutation Burden,TMB）以及肿瘤微环境（Tumor Microenvironment,TME）条件下预测胃癌患者预后的实用性。通过肿瘤免疫功能障碍和排斥（Tumor Immune Dysfunction and Exclusion,TIDE）数据库分析高低风险组胃癌患者免疫逃逸潜能的高低,同时分析了常见免疫检查点包括程序性死亡受体1（Programmed Death 1,PD-1）、细胞程序性死亡-配体1（Programmed cell Death-Ligand,PD-L1）、T细胞免疫球蛋白和粘蛋白结构域-3（T-cell immunoglobulin and mucin domain-3,Tim3）以及T细胞免疫球蛋白和ITAM结构域蛋白（The Immunosuppressive T-cell Immunoglobulin and ITAM domain,TIGIT）在高低风险组之间表达水平的差异。最后,通过癌症基因组计划数据库（Cancer Genome Project,CGP）分析高低风险组的胃癌患者对常见化疗药物的敏感性。结果:1.本研究构建了一个包含11个m6A相关lnc RNAs（ZBED5-AS1、PINK1-1AS、AC016737.1、AL355574.1、AC245041.1、LINC01315、AP000695.1、AP001318、AP001318.2、AC078883.2、MIR100HG）的预后风险模型。2.在实验组、验证组及联合组中的KM生存分析均显示高低风险组之间胃癌患者的总生存期（Overall Survival,OS）具有明显差异（P＜0.05）,高风险组较低风险患者相比预后更差。3.多因素Cox回归显示风险评分可作为胃癌患者独立的预后风险因素（P＜0.001）。4.列线图显示预后风险评分可准确预测胃癌患者的预后,其标准ROC曲线下面积为0.831,显著高于年龄（0.587）、性别（0.535）、肿瘤分级（0.561）、TNM分期（0.631）等因素。5.在不同临床病理特征、肿瘤突变负荷及肿瘤微环境条件下,高风险患者的预后仍差于低风险患者,这表明该模型的预测效能不受临床病理因素、肿瘤突变负荷及肿瘤微环境的影响。6.免疫逃逸分析显示低风险组TIDE评分及Dysfunction评分均低于高风险组,表明低风险组患者免疫逃逸潜能较低,对于免疫治疗的敏感性更高。高风险组胃癌患者PD-L1和Tim3的表达水平均高于低风险组,然而两组患者PD-1和TIGIT表达水平无明显差异。化疗药物敏感性分析显示,对于5-氟尿嘧啶,低风险组胃癌患者的半抑制浓度（half maximal inhibitory concentration,IC50）更低,表明低风险组患者对于5-氟尿嘧啶的治疗更敏感;而对于紫杉醇的治疗,两组患者之间无明显差异。结论:1.本研究通过生物信息学分析构建出由11个m6A相关lnc RNAs组成的预后风险模型,该模型对于胃癌患者预后的具有强大的预测效能。2.该预后风险模型在不同的临床病理特征、肿瘤突变负荷及肿瘤微环境的情况下仍具有良好的实用性。3.本研究可以为胃癌患者个体化诊疗方案的制定提供一定基础,同时有利于进一步分析胃癌发生和发展的机制。