![]()
我們的研究設(shè)計(jì)流程是為了發(fā)現(xiàn)免疫相關(guān)的特征 lncRNA 模型。TSCC：舌鱗狀細(xì)胞癌。TCGA：癌癥基因組圖譜。從 TCGA 數(shù)據(jù)庫(kù)中提取 TSCC 患者的 lncRNA 譜數(shù)據(jù)，并鑒定出 TSCC 和正常對(duì)照之間存在顯著差異水平的 lncRNA。隨后，進(jìn)行 Pearson 相關(guān)分析，以確定差異表達(dá)的免疫相關(guān) lncRNA。接下來(lái)，具有有意義的生存數(shù)據(jù)的 TSCC 患者（n= 145 名（排除 4 名缺少生存數(shù)據(jù)的 TSCC 受試者）被隨機(jī)分為訓(xùn)練隊(duì)列和測(cè)試隊(duì)列（訓(xùn)練與測(cè)試隊(duì)列比例：~2:1）。進(jìn)行單變量和多變量 cox 回歸分析來(lái)構(gòu)建特征 lncRNA 模型。最后，使用測(cè)試隊(duì)列來(lái)驗(yàn)證我們開(kāi)發(fā)的lncRNA模型的功效，并進(jìn)行后續(xù)的預(yù)后分析、ROC分析和PCA來(lái)評(píng)估特征lncRNA模型。?結(jié)果
數(shù)據(jù)處理和差異表達(dá)分析
149 名 TSCC 受試者的臨床病理學(xué)和轉(zhuǎn)錄組數(shù)據(jù)最初從 TCGA-HNSC 項(xiàng)目下載。從完整的轉(zhuǎn)錄組譜中總共提取了16,902個(gè)lncRNA，通過(guò)edgeR包進(jìn)行差異表達(dá)分析，發(fā)現(xiàn)1108個(gè)lncRNA在TSCC和正常組織之間存在顯著差異表達(dá)（調(diào)整p < 0.05和|log2FC| ≥?1） 。TSCC 中顯著變化的 lncRNA 的熱圖和火山圖。利用ImmPort中的免疫相關(guān)基因列表（n?= 2483），從TSCC數(shù)據(jù)集中提取1502個(gè)免疫相關(guān)基因的表達(dá)數(shù)據(jù)，然后通過(guò)Pearson相關(guān)分析1108個(gè)lncRNA與1502個(gè)免疫相關(guān)基因之間的表達(dá)量基因（mRNA），獲得了 695 個(gè)差異表達(dá)的免疫相關(guān) lncRNA（p?< 0.001 和 |R| > 0.4）。這些免疫相關(guān)lncRNA對(duì)免疫相關(guān)基因的表達(dá)有正向或負(fù)向調(diào)節(jié)。
TSCC ( n = 149) 和正常 ( n = 15) 組織樣本之間差異表達(dá) lncRNA 的熱圖 ( A ) 和火山圖 ( B )。熱圖表明 TSCC 和正常對(duì)照之間的 lncRNA 處于顯著差異水平（調(diào)整后的p < 0.05，|log 2 FC| ≥ 1，F(xiàn)C：倍數(shù)變化），而火山圖則顯示TSCC 之間所有 lncRNA 的FC 和p值和正常控制。在火山圖中，紅點(diǎn)代表顯著上調(diào)的lncRNA，而綠點(diǎn)代表顯著下調(diào)的lncRNA（調(diào)整后的p < 0.05，|log 2足球俱樂(lè)部| ≥1)。黑點(diǎn)代表 TSCC 中無(wú)顯著變化的 lncRNA（圖2B）。免疫相關(guān)特征lncRNA的鑒定及六種lncRNA預(yù)后模型的構(gòu)建
缺少生存數(shù)據(jù)或生存時(shí)間少于 30 天的患者被排除在模型構(gòu)建之外。因此，本研究納入了 145 例 TSCC 患者進(jìn)行后續(xù)分析。145 例 TSCC 患者的人口統(tǒng)計(jì)數(shù)據(jù)，包括年齡、性別和 TNM 分期
使用R軟件，將TSCC受試者按2:1的比例隨機(jī)分為訓(xùn)練組和測(cè)試組。在訓(xùn)練隊(duì)列中，對(duì) 695 個(gè)差異表達(dá)的免疫相關(guān) lncRNA 的表達(dá)譜進(jìn)行單變量分析，得到 10 個(gè)具有潛在預(yù)后價(jià)值的免疫相關(guān)特征 lncRNA
對(duì)于10個(gè)免疫相關(guān)特征lncRNA，進(jìn)行逐步多元Cox回歸分析，進(jìn)一步篩選免疫相關(guān)lncRNA，得到6個(gè)免疫相關(guān)特征lncRNA（表3）。然后使用這 6 個(gè)特征 lncRNA 構(gòu)建 TSCC 的預(yù)后模型。使用第 2.4 節(jié)中描述的以下公式，計(jì)算每位患者的風(fēng)險(xiǎn)評(píng)分。然后根據(jù)中位風(fēng)險(xiǎn)評(píng)分將 TSCC 患者分為低風(fēng)險(xiǎn)組和高風(fēng)險(xiǎn)組。六個(gè) lncRNA 基因中每個(gè)基因的p值均 <?0.05，表明這些基因具有統(tǒng)計(jì)顯著性。
?六種免疫相關(guān) lncRNA 預(yù)后模型的驗(yàn)證
使用上述公式計(jì)算出訓(xùn)練隊(duì)列患者的風(fēng)險(xiǎn)評(píng)分后，即可計(jì)算出中位風(fēng)險(xiǎn)評(píng)分并用于將患者分為高風(fēng)險(xiǎn)組和低風(fēng)險(xiǎn)組。高風(fēng)險(xiǎn)和低風(fēng)險(xiǎn)患者組之間的生存狀態(tài)分布。?Kaplan-Meier 生存曲線顯示高風(fēng)險(xiǎn)組和低風(fēng)險(xiǎn)組患者的生存概率存在相對(duì)明顯的差異。然后，我們通過(guò)執(zhí)行相同類型的分析，在測(cè)試隊(duì)列中驗(yàn)證了模型，數(shù)據(jù)分析顯示了與訓(xùn)練隊(duì)列相似的結(jié)果
通過(guò)訓(xùn)練隊(duì)列構(gòu)建六種免疫相關(guān)lncRNA特征模型（n = 94）。( A ) 訓(xùn)練隊(duì)列中 TSCC 患者的風(fēng)險(xiǎn)評(píng)分分布。風(fēng)險(xiǎn)評(píng)分是根據(jù) 6 個(gè)特征 lncRNA 使用以下公式計(jì)算的： 風(fēng)險(xiǎn)評(píng)分 = βgene 1 × exprgene 1 + βgene 2 × exprgene 2 + … + βgene n × exprgene n（βgene n是系數(shù)，exprgene n是表達(dá)式等級(jí)）。計(jì)算每位 TSCC 患者的風(fēng)險(xiǎn)評(píng)分，然后根據(jù)中位風(fēng)險(xiǎn)評(píng)分將患者分為高風(fēng)險(xiǎn)組和低風(fēng)險(xiǎn)組。（B）高危組和低危組（訓(xùn)練隊(duì)列）患者的生存狀態(tài)和時(shí)間。( C )高危組和低危組患者的Kaplan-Meier生存曲線。
通過(guò)測(cè)試隊(duì)列驗(yàn)證六種免疫相關(guān) lncRNA 特征模型（n = 51）。( A ) 測(cè)試隊(duì)列中患者的風(fēng)險(xiǎn)評(píng)分分布。( B )高危組和低危組（測(cè)試隊(duì)列）患者的生存狀態(tài)和時(shí)間。( C )高危和低?；颊呓M的Kaplan-Meier生存曲線。ROC分析
基于訓(xùn)練隊(duì)列的數(shù)據(jù)計(jì)算了六種免疫相關(guān)特征lncRNA的3年和5年ROC曲線，以評(píng)估六種lncRNA模型的性能，得出AUC值分別為0.773和0.795。對(duì)兩個(gè)測(cè)試隊(duì)列進(jìn)行了相同的分析，其 3 年和 5 年 AUC 值分別為 0.677 和 0.754，整個(gè)隊(duì)列的 AUC 值分別為 0.677 和 0.754
六種免疫相關(guān)lncRNA特征模型的ROC分析。( A ) 訓(xùn)練隊(duì)列 ( n = 94) 的 3 年和 5 年生存 ROC 曲線。( B ) 測(cè)試隊(duì)列 ( n = 51) 的 3 年和 5 年生存 ROC 曲線。( C ) 整個(gè)隊(duì)列的 3 年和 5 年生存 ROC 曲線 ( n = 125)。AUC：曲線下面積。6-lncRNA模型與TSCC其他臨床病理參數(shù)的比較
我們進(jìn)行了單變量和多變量 Cox 回歸分析，以確定我們的模型是否可以獨(dú)立用于 TSCC 的預(yù)后。我們納入了其他臨床病理學(xué)特征，例如年齡、性別和分期進(jìn)行比較。單變量和多變量 Cox 回歸分析均表明，與臨床病理因素（年齡、性別和分期）相比，我們的 6-lncRNA 模型具有較高的中位風(fēng)險(xiǎn)比和較小
用于評(píng)估 6-lncRNA 特征模型與個(gè)體臨床病理因素的單變量和多變量 Cox 回歸分析。訓(xùn)練隊(duì)列中 6-lncRNA 模型的( A ) 單變量和 ( B ) 多變量 Cox 回歸分析。測(cè)試隊(duì)列中 6-lncRNA 模型的( C ) 單變量和 ( D ) 多變量 Cox 回歸分析。( E ) 單變量和 ( F）對(duì)整個(gè)隊(duì)列中的 6-lncRNA 模型進(jìn)行多變量 Cox 回歸分析。單變量 cox 回歸獨(dú)立于所有其他變量計(jì)算變量與 TSCC 患者生存之間的風(fēng)險(xiǎn)比，而多變量 cox 回歸在計(jì)算風(fēng)險(xiǎn)比時(shí)考慮存在的其他變量。與臨床病理因素、年齡、性別和癌癥分期相比，我們的 6-lncRNA 模型具有較高的中位風(fēng)險(xiǎn)比和較小的變異。?六種免疫相關(guān)lncRNA模型的預(yù)后價(jià)值
進(jìn)行 ROC 分析以確定 6 個(gè) lncRNA 特征與其他臨床病理因素（如年齡、性別、分期、T 和 N）相比的臨床意義。ROC 曲線表明，與其他因素相比，我們的 6-lncRNA 模型在 3 年和 5 年總生存率?
ROC 分析用于比較 6-lncRNA 特征模型與臨床病理因素。( A ) 風(fēng)險(xiǎn)評(píng)分（基于六-lncRNA模型）和臨床病理因素（年齡、性別、分期、淋巴結(jié)N、腫瘤大小T）的3年生存ROC曲線。( B ) 風(fēng)險(xiǎn)評(píng)分（基于六-lncRNA模型）和臨床病理因素（年齡、性別、分期、淋巴結(jié)N、腫瘤大小T）的5年生存ROC曲線。六-lncRNA 特征模型顯示了最高的 AUC 值。與六種特征 lncRNA 相關(guān)的免疫狀態(tài)
基于六種免疫相關(guān)特征lncRNA或所有免疫相關(guān)lncRNA的表達(dá)譜進(jìn)行PCA分析以顯示高風(fēng)險(xiǎn)組和低風(fēng)險(xiǎn)組之間的差異。根據(jù)六種免疫相關(guān)特征 lncRNA 的表達(dá)譜，兩個(gè)患者組之間存在明顯的區(qū)別。兩個(gè)患者組傾向于不同方向分布，表明高風(fēng)險(xiǎn)和低風(fēng)險(xiǎn)患者組之間的免疫狀態(tài)存在顯著差異。
主成分分析（PCA）。( A ) 基于所有免疫相關(guān) lncRNA 的表達(dá)譜對(duì)高風(fēng)險(xiǎn)和低風(fēng)險(xiǎn)患者組進(jìn)行 PCA。( B ) 基于六種免疫相關(guān)特征 lncRNA 表達(dá)譜的高風(fēng)險(xiǎn)和低風(fēng)險(xiǎn)患者組之間的 PCA。根據(jù)六種免疫相關(guān)特征 lncRNA 的表達(dá)譜，高風(fēng)險(xiǎn)和低風(fēng)險(xiǎn)患者組被很好地分開(kāi)。
標(biāo)簽：
