大家好呀！今天小编和大家分享的是2021年6月发表在杂志Frontiers in Oncology（IF = 6.244）上的一篇文章，题目为：
Identification of a Novel GlycolysisRelated Gene Signature for Predicting Breast Cancer Survival
基于新的糖酵解相关基因的乳腺癌患者的生存预后预测模型的构建
DOI: 10.3389/fonc.2020.596087
摘要
为了识别可用于乳腺癌（Breast cancer, BC）患者预后评估的糖酵解相关的基因标志物，我们分析了来自TCGA数据库（训练集）和来自GEO和ICGC数据库中的队列数据（4个验证集），其中包括1,632名乳腺癌患者。GSEA、单因素Cox回归、LASSO和多因素Cox回归分析结果共发现11个糖酵解相关的基因标志物，可用于乳腺癌患者的生存预测。Kaplan Meier生存曲线和ROC分析表明，这些基因标志物在TCGA、ICGC和GEO数据集中均显示了良好的乳腺癌患者预后预测能力。单因素和多因素Cox回归分析表明，这些基因标志物是独立于多种临床特征的重要预后因素。此外，研究基于基因标志物和临床特征构建了乳腺癌患者预后预测列线图。研究结果为鉴别预后不良的乳腺癌患者提供重要信息。
研究结果概况
1. 基于基因集富集分析（GSEA）的初步的基因筛选 从TCGA数据库获取1057名BC患者和112名正常对照组的临床信息，以及24991个mRNA表达水平数据。从MSigDB version6.2数据库中下载5个糖酵解相关的基因集，共获得443个糖酵解相关基因。基于上述数据，使用GSEA分析验证哪个基因集中的癌和癌旁正常组织间存在显著差异。研究结果显示了4个显著富集的基因集（图1），其包含的共381个基因用于后续分析。
图1 | 下载的5个基因集中使用GSEA分析筛选癌组织和癌旁正常组织存在显著差异的基因集。
2. 糖酵解相关的风险标志物的构建和评估 基于381个基因，进行单因素Cox回归分析。LASSO和多因素Cox回归分析结果表明，共有11个基因（PGK1、SDC1、NUP43、NT5E、IL13RA1、GCLC、CACNA1H、P4HA1、TSTA3、MXI1、STC1）与患者总生存期（OS）显著相关（adjusted P<0.05）（图2）。使用风险评分公式计算糖酵解相关基因模型的风险评分。风险评分=0.00710×PGK1+0.00187×SDC1+0.05107×NUP43+0.05599×NT5E+0.00587×IL13RA1+0.05692×GCLC+0.01385×CACNA1H(-0.00535)×P4HA1+0.011698×TSTA3+0.026129×MXI1+0.00305×STC1。然后我们分析了这11个基因在cBioPortal数据库中TCGA BC样本中的突变情况。我们也对这11个基因在癌组织和癌旁正常组织之间的差异表达情况进行分析。这11个基因在肿瘤组织中均显著上调（P<0.05）。
图2 | 基于LASSO模型和多因素Cox模型筛选糖酵解相关基因。
3. 列线图的构建与评估 进行单因素分析，以检查几种临床病理特征(年龄、病理分期、ER、PR和HER2)的预后价值。因此，11个糖酵解相关基因风险标志物与OS相关（HR=1.178; 95% CI=1.128-1.231, P<0.001）(表3)。年龄>60、高病理阶段（III/IV）也是乳腺癌患者的风险因素。此外，多因素Cox回归分析结果显示，风险评分、年龄、肿瘤分期可作为独立预后因素（p<0.001）。此外，ROC分析表明，11个基因标志物的敏感性和特异性高于其他临床病理特征。C-index、AUC、标准曲线结果表明列线图预测具有较高的准确度。
表3 | BC患者生存时间影响因素Cox比例风险回归模型
图4 | BC患者临床特征与风险模型、nomogram生存分析ROC曲线。
该思路可重复，相关分析咨询
欢迎扫描下方二维码联系小编
