建立 lncRNA 模型有助于 II 期結(jié)腸癌患者的預(yù)后和預(yù)測，提供臨床指導(dǎo)
Prognostic and predictive value of a lncRNA signature in patients with stage II colon cancer
摘要
目前的分期方法無法準(zhǔn)確識別 II 期結(jié)腸癌（CC）的高危復(fù)發(fā)患者。為了改善 II 期 CC 的預(yù)后預(yù)測，我們使用系統(tǒng)和全面的生物標(biāo)志物發(fā)現(xiàn)和驗證方法，構(gòu)建了基于 lncRNA 特征的模型。我們分析了來自 TCGA 數(shù)據(jù)集的 16 對 II 期 CC 腫瘤組織和鄰近正常粘膜組織，鑒定出了 1,377 個表達(dá)差異顯著的 lncRNA。通過單變量和階躍多變量 Cox 回歸模型，在訓(xùn)練隊列中篩選出了 11 個 lncRNA 特征（n = 141），可將患者分為高風(fēng)險和低風(fēng)險組（3 年 AUC = 0.801，95% CI：0.724-0.877；5 年 AUC = 0.801，95% CI：0.718-0.885）。與低風(fēng)險組相比，高風(fēng)險組患者的無復(fù)發(fā)生存期（RFS）更短（時序檢驗，訓(xùn)練隊列中 P < 0.001）。驗證隊列結(jié)果進(jìn)一步證實了基于 lncRNA 的特征的預(yù)測能力（P < 0.001）。多變量 Cox 回歸和分層生存分析表明，該特征的預(yù)后價值獨立于其他臨床病理學(xué)風(fēng)險因素（如CEA、T 分期和化療）。時間依賴性接受者操作特征（ROC）分析表明，該特征比任何其他臨床風(fēng)險因素或單個 lncRNA 都有更高的預(yù)測準(zhǔn)確性（所有P?< 0.05)。我們構(gòu)建了一張列線圖，整合了基于 lncRNA 的特征和臨床風(fēng)險因素（如CEA 和 T 分期），在校準(zhǔn)圖中表現(xiàn)良好，適合于臨床使用?？傊?lncRNA 特征的模型是一種獨立的預(yù)后因素，與目前使用的臨床病理學(xué)風(fēng)險因素相比，在預(yù)測 II 期 CC 患者的復(fù)發(fā)時具有更強的預(yù)測能力。這種基于 lncRNA 特征的模型可能有助于個體化治療決策和術(shù)后咨詢，并最終提高患者的生存率。
結(jié)果
通過分析 TCGA 數(shù)據(jù)集識別 DElncRNA
首先，我們從 TCGA-COAD 數(shù)據(jù)庫中檢索了轉(zhuǎn)錄組分析數(shù)據(jù)，并獲得了 16 個正常樣本和 152 個 II 期 CC 腫瘤樣本。其中，16對腫瘤組織和鄰近的正常組織被用來篩選DElncRNA。結(jié)果，1,377 個 lncRNA 被鑒定為絕對倍數(shù)變化 > 2 且 FDR < 0.05 的 DElncRNA，其中 863 個在 CC 中與鄰近的正常組織相比被上調(diào)，514 個被下調(diào)
從訓(xùn)練隊列中鑒定具有預(yù)后意義的 lncRNA
為了挑出具有預(yù)后意義的 lncRNA，將 1,377 個 DElncRNA 提交給單變量 Cox 回歸分析，以檢查它們在訓(xùn)練隊列中被 RFS 暗殺的情況。在這些 DElncRNA 中，23 個具有最高統(tǒng)計顯著性（ P值≤0.01）的候選 lncRNA通過逐步方法進(jìn)入多變量 Cox 比例風(fēng)險模型。因此，我們訓(xùn)練了一個由 11 個 lncRNA 組成的 RFS 相關(guān)特征?在這些lncRNA中，系數(shù)為正的AC090502.1、AL356652.1、AC011352.3、AC100791.2、AC123768.1、AP000911.1、FOXD3-AS1、AC022784.3和LINC02119被確定為風(fēng)險因子AC093895.1 和AP002358.1是保護(hù)因素。
lncRNA預(yù)后風(fēng)險模型的構(gòu)建及其在訓(xùn)練隊列中的可預(yù)測性評估
我們使用多變量Cox回歸模型的回歸系數(shù)對每個lncRNA在預(yù)后lncRNA特征中的表達(dá)進(jìn)行加權(quán)，并建立風(fēng)險評分公式如下：風(fēng)險評分=（0.2549*AC090502.1）+（0.3677?*?AL356652?。 1）+（0.3862*?AC011352.3）+（-0.3231*?AC093895.1）+（0.4019*?AC100791.2）+（0.3629 *?AC123768.1）+（-0.9391*?AP002358.1）+（0.2024*?AP000911。 1?) + (0.348*`FOXD3-AS1`) + (0.3906*?AC022784.3) + (0.2307*LINC02119)?；谠摴?，計算出訓(xùn)練隊列中每位患者的風(fēng)險評分，并將患者分為兩組：高風(fēng)險組（n??= 32）和低風(fēng)險組（n??= 109）從 X-tile 圖中獲得的截止閾值。數(shù)字?3個A、B分別顯示風(fēng)險評分和復(fù)發(fā)狀態(tài)的分布，表明高?；颊叩纳媛势毡榈陀诘臀；颊?。熱圖顯示了高風(fēng)險組和低風(fēng)險組之間 lncRNA 的表達(dá)模式。Kaplan-Meier 生存曲線表明，高風(fēng)險組患者的 RFS 較短。與低風(fēng)險組相比（時序檢驗，P??< 0.001）。不同時間點的時間依賴性 ROC 表明，lncRNA 特征具有預(yù)測訓(xùn)練隊列中患者復(fù)發(fā)的良好預(yù)后能力（3 年時的 AUC = 0.801，95% CI：0.724–0.877；5 年時的 AUC = 0.801, 95% CI: 0.718–0.885) ??在單變量 Cox 回歸模型中，與低風(fēng)險組相比，高風(fēng)險組的復(fù)發(fā)風(fēng)險（95% CI：4.649–16.482，P < 0.001）增加了 8.754 倍。
在訓(xùn)練隊列中識別與患者 RFS 顯著相關(guān)的 11-lncRNA 特征。( A – C ) 根據(jù) lncRNA 特征，高風(fēng)險和低風(fēng)險組患者的風(fēng)險評分分布、生存狀態(tài)和 lncRNA 表達(dá)模式。( D ) 高、低危組患者RFS的Kaplan-Meier曲線分析。( E ) 時間相關(guān)的 ROC 曲線分析。我們使用 3 年和 5 年的 AUC 來評估預(yù)后準(zhǔn)確性，并使用對數(shù)秩檢驗計算P值。
在驗證隊列中驗證用于 RFS 預(yù)測的 lncRNA 簽名
為了評估 lncRNA 特征在識別高?；颊叻矫娴姆€(wěn)健性，我們使用驗證隊列進(jìn)一步檢查了特征的預(yù)后性能。我們計算了驗證隊列中患者的風(fēng)險評分，并將他們分為高風(fēng)險組和低風(fēng)險組。在訓(xùn)練隊列中進(jìn)行了相同的生存分析。與訓(xùn)練隊列的結(jié)果一致，高風(fēng)險患者的 RFS 較差低于驗證隊列中的低風(fēng)險患者。時間相關(guān)的 ROC 分析?表明用于預(yù)測復(fù)發(fā)的 lncRNA 特征的 AUC 在 3 年時為 0.732（95% CI：0.618-0.847），在 5 年時為 0.733（95% CI：0.634-0.832），突出了 lncRNA 特征的有效性.
驗證隊列中 lncRNA 特征的 Kaplan-Meier 生存分析和時間依賴性 ROC 曲線。( A ) 高危組和低危組患者RFS的Kaplan-Meier曲線分析。( B ) 時間相關(guān)的 ROC 曲線分析。我們使用 3 年和 5 年的 AUC 來評估預(yù)后準(zhǔn)確性，并使用對數(shù)秩檢驗計算P值。
lncRNA特征的預(yù)后價值
為了檢查 lncRNA 特征是否可以預(yù)測復(fù)發(fā)而不考慮其他臨床病理學(xué)特征，我們對由 204 名患者組成的整個隊列（訓(xùn)練隊列和驗證隊列的組合）進(jìn)行了單變量和多變量 Cox 回歸分析。結(jié)果表明，lncRNA 特征的風(fēng)險評分與患者的 RFS 顯著相關(guān)，即使通過其他臨床參數(shù)進(jìn)行調(diào)整此外，在單變量分析中，患者的年齡、T 分期和術(shù)前 CEA 水平是 II 期 CC 患者的重要預(yù)后因素（P??< 0.05）。為了更好地評估我們的 lncRNA 特征的預(yù)后潛力，引入了分層分析以確認(rèn)我們的 lncRNA 特征在各個亞組中的獨立性（根據(jù)年齡、T 分期和術(shù)前 CEA 水平）。數(shù)字?5個表明高危組的生存曲線在所有亞組中均低于低危組。此外，對數(shù)秩檢驗顯示，與所有亞組中的低風(fēng)險患者相比，高風(fēng)險患者的 RFS 較差一些II期CC患者接受了術(shù)后輔助化療，這可能會影響患者的預(yù)后和復(fù)發(fā)。為了消除潛在的混雜效應(yīng)，我們還通過術(shù)后化療進(jìn)行了分層分析，結(jié)果表明，在化療和非化療亞組中，通過基于 lncRNA 的特征識別的高風(fēng)險患者的 RFS 均低于低風(fēng)險患者無論化療狀態(tài)如何，都證實了其可靠的預(yù)測能力。
多變量 Cox 分析表明，術(shù)前 CEA 水平和 T 分期是 II 期 CC 患者 RFS 的獨立預(yù)后因素。然后，我們進(jìn)行了 ROC 分析，以比較 lncRNA 特征與術(shù)前 CEA 水平和 T 分期的預(yù)測能力。數(shù)字?6個顯示基于 lncRNA 的簽名風(fēng)險評分模型比任何其他風(fēng)險因素（術(shù)前 CEA 水平和 T 分期）或單獨的單個 lncRNA（所有 P < 0.05）具有更強大的預(yù)測能力，證實了我們的 lncRNA 簽名的可靠預(yù)測?能力.
基于lncRNA特征構(gòu)建列線圖
為了為臨床醫(yī)生提供一種預(yù)測癌癥復(fù)發(fā)概率的定量方法，我們構(gòu)建了一個列線圖，它整合了患者 RFS 的 lncRNA 特征和臨床病理學(xué)獨立危險因素。校準(zhǔn)圖顯示 3 年和 5 年的偏差校正線非常接近理想的 45 度曲線，表明預(yù)測與觀察之間的一致性很.?此外，通過生存 ROC 分析評估列線圖的預(yù)測準(zhǔn)確性。列線圖在 3 年和 5 年時的 AUC 分別為 0.818（95% CI：0.700-0.936）和 0.920（95% CI：0.884-0.956），表明具有良好的辨別性能
