結(jié)果

數(shù)據(jù)來源和處理

我們從 TCGA 中的 UCEC RNA 測序數(shù)據(jù)中獲得了 13,413 個 lncRNA 表達(dá)和 339 個 COVID-19 基因表達(dá)譜。通過免疫基因列表的共表達(dá)分析，我們獲得了 1,262 個與 COVID-19 免疫相關(guān)的 lncRNA（|Pearson R|>0.3，p?< 0.001）。然后使用整個組來觀察高風(fēng)險和低風(fēng)險組患者的臨床特征、免疫學(xué)特征和化療結(jié)果。

子宮內(nèi)膜癌患者 COVID-19 相關(guān) lncRNA 模型的鑒定和驗證

整個TCGA數(shù)據(jù)被隨機(jī)分配到訓(xùn)練組和實驗組，其中325個患者樣本被分配到訓(xùn)練組，216個患者樣本被分配到實驗組。我們對訓(xùn)練集中 COVID-19 相關(guān) lncRNA 的表達(dá)譜進(jìn)行了單變量 Cox 回歸分析，并獲得了 40 個與 OS 顯著相關(guān)的 lncRNA.?我們進(jìn)行了 LASSO 懲罰 Cox 分析，以選擇 18 個與 COVID-19 相關(guān)的 lncRNA，這些 lncRNA 與 OS 顯著相關(guān)（圖 1B、C).?獲得了 10 個 COVID-19 免疫相關(guān) lncRNA，即 AP001107.9、LINC01116、AP002761.4、AL121906.2、BX322234.1、RAB11B-AS1、AC009283.1、AC080013.4、AC019080.5和 VIM- ASI.?

平均風(fēng)險評分是對 UCEC 樣本中的低風(fēng)險和高風(fēng)險群體進(jìn)行分類的不可忽略的基礎(chǔ)。兩組風(fēng)險評分顯示了低風(fēng)險組和高風(fēng)險組的生存狀態(tài)和生存期之間的區(qū)別。每位患者 10 個 COVID-19 相關(guān) lncRNA 的相關(guān)表達(dá)情況如圖

值得注意的是，在 Kaplan-Meier 生存分析中，低風(fēng)險組的 OS 短于高風(fēng)險組 (?p?< 0.001) (圖 2D).?ROC 曲線顯示，與 COVID-19 相關(guān)的 lncRNA 模型具有預(yù)測 OS 的潛力（1 年 AUC = 0.774，2 年 AUC = 0.803，3 年 OS = 0.837

為了證明 COVID-19 相關(guān) lncRNA 模型的可預(yù)測性，在測試中獲得了各個患者的風(fēng)險評分，并且整個集合使用相同的公式。圖 3描繪了風(fēng)險評分的分布、生存期和生存狀態(tài)，以及測試集中 COVID-19 相關(guān) lncRNA 的表達(dá)和整個集合.?本研究在 UCEC 高危組中 OS 較高，與訓(xùn)練集結(jié)果一致。Kaplan-Meier 生存分析進(jìn)行了測試，整個集與 TCGA 訓(xùn)練集中的結(jié)果一致：具有較低風(fēng)險分?jǐn)?shù)的 UCEC 患者具有更長的 OS.?ROC 分析表明，COVID-19 相關(guān) lncRNA 模型對測試集中的 UCEC 具有準(zhǔn)確的預(yù)測性（1 年 AUC = 0.774、2 年 AUC = 0.698 和 3 年 AUC = 0.675) 和整個集合（1 年 AUC = 0.772，2 年 AUC = 0.771，3 年 AUC = 0.793)?

然后，根據(jù)通用臨床病理學(xué)參數(shù)進(jìn)行分層，在 TCGA 整組中分析兩個風(fēng)險組之間的 OS 差異，按年齡、組織學(xué)類型和腫瘤分期分類時，低風(fēng)險組的 OS 持續(xù)優(yōu)于高風(fēng)險組。

PCA 根據(jù)整個基因表達(dá)檢查低風(fēng)險和高風(fēng)險人群之間的差異, COVID-19 基因, COVID-19相關(guān)的lncRNA基因, 和風(fēng)險模型.?我們的模型結(jié)果表明，低風(fēng)險和高風(fēng)險群體通常分布在不同的方向。然而，高風(fēng)險和低風(fēng)險人群的分布如圖，這證實了我們的預(yù)后特征能夠區(qū)分高危和低危人群。

通過風(fēng)險評估模型進(jìn)行臨床評估

我們探討了風(fēng)險模型與臨床病理特征之間的關(guān)系。由 Wilcoxon 符號秩檢驗操作，帶狀圖和隨后的散點圖顯示年齡?組織學(xué)類型, 和生存狀態(tài) ?顯然與風(fēng)險相關(guān)。進(jìn)一步利用單變量和多變量 Cox 回歸分析來探討 COVID-19 相關(guān) lncRNA 模型是否獨立于當(dāng)前的臨床病理預(yù)后指標(biāo)。為了評估該風(fēng)險評分在 UCEC 患者預(yù)后中的可預(yù)測性的敏感性和特異性，獲得了一致性指數(shù)。隨著時間的推移，風(fēng)險評分的一致性指標(biāo)優(yōu)于其他臨床因素，表明風(fēng)險評分可能有益于 UCEC 的預(yù)后。

評估 COVID-19 相關(guān) lncRNA 模型與免疫治療和化療在子宮體子宮內(nèi)膜癌患者中的相關(guān)性

為了探索風(fēng)險模型與腫瘤浸潤免疫細(xì)胞之間的關(guān)系，我們使用了七種標(biāo)準(zhǔn)可接受的方法來估計免疫浸潤細(xì)胞。結(jié)果表明，該風(fēng)險模型與腫瘤免疫微環(huán)境有關(guān).?為了探索免疫治療反應(yīng)，我們檢測了 TMB 的表達(dá)。高風(fēng)險患者的 TMB 表達(dá)低于低風(fēng)險患者，表明免疫治療可能對低風(fēng)險患者有益。采用常見的化療藥物（例如，吉西他濱和順鉑）來確定治療 UCEC 患者的潛在臨床療效。結(jié)果表明，低風(fēng)險與化療藥物（如吉西他濱和順鉑）的較高半抑制濃度（IC50）相關(guān)，這表明該模型可作為化療敏感性的潛在預(yù)測因子.?總的來說，上述數(shù)據(jù)突出了所提出的模型在 UCEC 患者免疫治療和化療藥物鑒定中的潛在臨床意義。

在本研究中，我們建立了免疫預(yù)后特征來觀察 UCEC 患者的免疫狀態(tài)并預(yù)測臨床結(jié)果。我們的數(shù)據(jù)顯示，就臨床效果而言，預(yù)后特征與腫瘤分級之間存在顯著相關(guān)性（p< 0.001)，這意味著我們的模型計算的風(fēng)險評分在晚期病例中明顯更高。此外，當(dāng)患者按年齡分層時，構(gòu)建的預(yù)后模型也顯示出預(yù)測高風(fēng)險和低風(fēng)險組（<60 和≥60）、組織學(xué)類型（子宮內(nèi)膜樣子宮內(nèi)膜腺癌和漿液性子宮內(nèi)膜腺癌）之間的差異預(yù)后的潛力)、臨床分期（I + II 和 III + IV）和事件（存活和死亡）。說明本研究能夠有效預(yù)測不同臨床和病理情況下患者的預(yù)后。接下來，PCA 確認(rèn)我們的預(yù)后特征具有良好的分組能力。

目前的研究采用了一種新的免疫相關(guān)子宮內(nèi)膜癌預(yù)后方法。我們對 10 種 COVID-19 相關(guān) lncRNA 進(jìn)行了更多功能研究，以進(jìn)一步發(fā)現(xiàn)潛在的免疫相關(guān)機(jī)制。值得注意的是，我們目前正在對這些結(jié)果進(jìn)行臨床驗證和機(jī)制解讀。在各種研究中，將癌癥和正常組織之間的基因表達(dá)差異與篩查預(yù)后基因進(jìn)行了比較。這可能會遺漏一些細(xì)微差異的基因，但這些差異不大的基因可能會對腫瘤的生物學(xué)行為、化療、免疫治療等影響患者生存的因素產(chǎn)生很大的影響。這項研究是第一個報告對已建立的子宮內(nèi)膜癌 COVID-19 相關(guān) lncRNA 特征進(jìn)行外部驗證的研究。然而，10 種與 COVID-19 相關(guān)的 lncRNA 從未在 UCEC 患者中進(jìn)行過研究。但是，我們也認(rèn)識到研究中還存在一些不足和局限。首先，使用回顧性數(shù)據(jù)，UCEC 患者可能存在一些異質(zhì)性。設(shè)計更多前瞻性隊列研究的研究人員可以在更廣泛的人群中驗證該風(fēng)險模型的預(yù)后價值。其次，需要進(jìn)一步廣泛的分子實驗來揭示 COVID-19 相關(guān) lncRNA 的潛在機(jī)制。設(shè)計更多前瞻性隊列研究的研究人員可以在更廣泛的人群中驗證該風(fēng)險模型的預(yù)后價值。其次，需要進(jìn)一步廣泛的分子實驗來揭示 COVID-19 相關(guān) lncRNA 的潛在機(jī)制。設(shè)計更多前瞻性隊列研究的研究人員可以在更廣泛的人群中驗證該風(fēng)險模型的預(yù)后價值。其次，需要進(jìn)一步廣泛的分子實驗來揭示 COVID-19 相關(guān) lncRNA 的潛在機(jī)制。

總之，這項研究為促進(jìn) UCEC 患者的個體化生存預(yù)測提供了一個有希望的途徑，并可能闡明 lncRNA COVID-19 修飾的機(jī)制和過程。此外，該預(yù)測模型有助于篩選對化療和免疫治療反應(yīng)良好的 UCEC 患者的臨床適應(yīng)性。