论文部分内容阅读
目的:利用食管癌的可变剪切数据,构建食管癌预后风险模型并建立列线图.方法:分别从癌症基因图谱(The Cancer Genome Atlas.TCGA)SpliceSeq数据库和TCGA数据库下载食管癌的可变剪切数据和食管癌患者的临床资料,将2个数据集合并,得到食管癌可变剪切的生存数据.采用单因素COX回归分析筛选与预后相关的可变剪切,为避免模型过度拟合,采用最小绝对值收敛和选择算子(least absolute shrinkage and selection operator,LASSO)回归分析筛选变量;随后将筛选得到的可变剪切纳入多因素COZ回归分析构建食管癌的预后风险模型.基于该模型计算每位患者的风险评分并根据风险评分的中位数将患者分为高风险组和低风险组,采用Kaplan-Meie进行生存分析和受试者接受特征(receiver operating characteristic,ROC)曲线对模型效能进行评价.最终将风险模型与临床病理特征合并,采用CO义回归分析探究食管癌的独立预后因素并建立列线图.采用一致性指数(concordance index,C-index),校准图和决策曲线来评价列线图的预测准确度.结果:从TCGA SpliceSeq和TCGA数据库下载得到185例食管癌患者的可变剪切数据和临床资料.采用单因素COX回归分析筛选得到2 389个与食管癌预后相关的可变剪切,随后采用Lasso回归分析筛选得到17个可变剪切,使用多因素COX回归分析建立了基于10个基因CCHRDL2、ERBB2、IAH1,C16orf13、C19orf82、 RNF150、PNKP、ZNF467、TMWRSS4和HPS1)的可变剪切的食管癌预后风险模型.基于模型风险评分,将样本分为高风险组和低风险组;Kaplan-Meier生存分析显示,高风险组的总生存(overall survival,OS)率较低风险组差(P<0.05),ROC分析结果提示,该食管癌预后风险模型预测性良好[曲线下面积(area under curve,AUC)= 0.865％ COX回归分析结果显示,病理分期和风险评分是食管癌的独立预后因子.结合这些预后因子构建的列线图显示出较好的区分度(C-index为0.79;95％可信区间为0.752?0.843),校准曲线及决策曲线提示该列线图具有较好的预测食管癌患者OS期的能力.结论:基于可变剪切的预后风险模型能够明显区分高风险和低风险组食管癌患者的生存率.基于模型风险评分及病理分期构建的列线图能够有效地预测食管癌患者的OS率.