低级别胶质瘤细胞焦亡相关lncRNA预后模型的构建方法技术

本发明专利技术提供一种低级别胶质瘤细胞焦亡相关lncRNA预后模型的构建方法，属于医学技术领域，从TCGA数据库收集低级别胶质瘤患者转录组测序及临床资料相关数据，采用皮尔逊相关性算法对lncRNA进行筛选，通过单多因素cox回归方法探索细胞焦亡相关lncRNA并构建模型，采用GSEA、免疫浸润和ssGSEA对模型进行免疫相关分析，为临床低级别胶质瘤患者的治疗及预后提供重要的参考依据。重要的参考依据。重要的参考依据。

【技术实现步骤摘要】
低级别胶质瘤细胞焦亡相关lncRNA预后模型的构建方法


[0001]本专利技术涉及医学
，具体涉及一种低级别胶质瘤细胞焦亡相关 lncRNA预后模型的构建方法。

技术介绍

[0002]胶质瘤是最常见的颅内恶性肿瘤，传统上分为低级别胶质瘤和高级别胶质瘤，低级别的胶质瘤是指WHO1～2级的胶质瘤。随着分子检测和测序技术的发展，低级别胶质瘤和高级别胶质瘤的区分已经从组织学向分子标志物转变。参考IDH和1p/19q等分子状态，基于传统组织学的胶质瘤误诊概率约为6％～35％。2016年，WHO对胶质瘤进行了分子分类，指出分子特征对胶质瘤的诊断和预后有重要影响。因此，准确的诊断和分子靶向治疗对于提高低级别胶质瘤患者的生存时间和生存质量具有重要意义。
[0003]LncRNAs是一种长度大于200个核苷酸的非编码RNA。LncRNAs在结构上与mRNA相似，但有许多mRNA不具备的特性。lncRNAs的生物学功能非常多样和异质的，取决于它们的亚细胞定位，可以通过影响mRNA的翻译或直接与蛋白质和其他RNA物种相互作用来控制染色质修饰、染色体循环、DNA 转录、编辑和稳定mRNA[]。
[0004]细胞焦亡(pyroptosis)是一种独特的程序性细胞死亡形式(programmed celldeath,PCD)，其特征是DNA断裂、染色质凝结、胞肿胀，胞质外流，最终导致细胞膜破裂，既往研究发现，它与炎症性疾病和恶性肿瘤等密切相关。随着研究的不断深入，少部分肿瘤可以通过诱导细胞焦亡发生炎症反应进而促进免疫细胞T细胞抗肿瘤免疫的发生，最终诱发肿瘤细胞死亡。先前的研究报道了gasdermin相关蛋白在肿瘤诱导细胞焦亡在肿瘤免疫中发挥重要作用，但目前研究发现，在胶质瘤中非编码RNA
‑
hsa_circ_0001836被证明其下调能够诱导NLRP1上调促使胶质瘤细胞的焦亡发生。此外，细胞焦亡相关lncRNA与低级别胶质瘤患者的预后评价尚不明确。因此，需要提供一种低级别胶质瘤细胞焦亡相关lncRNA预后模型的构建方法，以解决上述现有存在的问题。

技术实现思路

[0005]有鉴于此，本专利技术提供一种低级别胶质瘤细胞焦亡相关lncRNA预后模型的构建方法，通过TCGA中低级别胶质瘤数据筛选与细胞焦亡相关lncRNAs，并利用Cox回归分析筛选预后相关lncRNAs建立模型，并进行GSEA，ssGSEA 和免疫浸润相关分析，为临床低级别胶质瘤患者的治疗及预后提供重要的参考依据。
[0006]为解决上述技术问题，本专利技术提供一种低级别胶质瘤细胞焦亡相关 lncRNA预后模型的构建方法，包括以下步骤：
[0007]步骤1、数据来源和处理，筛选出低级别胶质瘤患者生存的信息、与细胞焦亡强相关的lncRNA；
[0008]步骤2、利用R语言合并经步骤1中筛选的低级别胶质瘤患者生存的信息及与细胞焦亡强相关的LncRNA表达矩阵信息，运行“survival”包对步骤1筛选的与细胞焦亡强相关
lncRNA进行单因素Cox回归分析，计算每个差异 LncRNA与患者的生存风险比；
[0009]步骤3、将步骤2中的差异lncRNA进行多因素Cox回归分析并建立预后风险评分模型，筛选条件设定P<0.05。
[0010]进一步的，所述步骤3中的风险评分模型的公式为其中 Coef表示lncRNA在多因素cox回归分析中的回归系数，X为基因表达量，n 为对应的模型基因总数。
[0011]进一步的，根据风险评分模型的公式计算出所有样品的风险得分，取中位值将样本分为高低风险组。
[0012]进一步的，所述风险评分模型的高低风险组的生存分析采用R软件“survival”包进行Kaplan
‑
Meier生存曲线进行绘制，同时利用“time ROC”包和“ggDCA”建立时间依赖型的ROC曲线和DCA决策曲线，并计算曲线下面积，评价模型的有效性。
[0013]进一步的，所述风险评分模型的可靠性评价利用“rms”包绘制列线图评估实际与预测生存是否一致，并绘制校准曲线以评价模型的可靠性。
[0014]进一步的，所述步骤1采用如下方式实现：从TCGA数据库中下载LGG 患者的RNA测序数据及相应的临床信息，包括若干低级别胶质瘤测序数据，应用perl软件将测序数据与临床数据合并后得到一定数量包含测序结果以及生存、年龄、性别和分级的患者数据，从分子特征数据库MSig
‑
DB用pyroptosis 检索并将数据库中检索基因合并，最后得到一定数量细胞焦亡相关基因，利用皮尔逊相关性算法对低级别胶质瘤矩阵中的lncRNA矩阵进行共表达分析，过滤标准为P<0.001,cor值大于0.7，筛选出一定数量与细胞焦亡强相关的 lncRNA。
[0015]本专利技术的上述技术方案至少包括以下有益效果：本专利技术通过TCGA中低级别胶质瘤数据筛选与细胞焦亡相关lncRNAs，并利用Cox回归分析筛选预后相关lncRNAs建立模型，并进行GSEA，ssGSEA和免疫浸润相关分析，为临床低级别胶质瘤患者的治疗及预后提供重要的参考依据。
附图说明
[0016]图1为本专利技术实施例中单因素Cox回归分析细胞焦亡lncRNA与预后关系的森林图；
[0017]图2为本专利技术实施例中相关性网络图和模型临床相关性热图，图2A为相关性网络，图2B为临床相关性热图；
[0018]图3为本专利技术实施例中RS分布图及K
‑
M法生存曲线分析，图3A为高低风险组RS分布，图3B为预后模型患者生存状况，图3C为低级别胶质瘤患者的生存曲线，图3D为预后模型的ROC曲线；
[0019]图4为本专利技术实施例中模型预测效能评估及列线图，图4A为各临床指标与RS的ROC曲线和DCA曲线分析比较，图4B为模型列线图，图4C为列线图1、3、5年校准曲线；
[0020]图5为本专利技术实施例中基于高低风险分组对免疫细胞、免疫功能和免疫检查点相关性分析，图5A为不同算法免疫细胞相关性分析，图5B为免疫功能相关性分析，图5C为免疫检查点相关性分析。
具体实施方式
[0021]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例
的附图1
‑
5，对本专利技术实施例的技术方案进行清楚、完整地描述。显然，所描述的实施例是本专利技术的一部分实施例，而不是全部的实施例。基于所描述的本专利技术的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本专利技术保护的范围。
[0022]一种低级别胶质瘤细胞焦亡相关lncRNA预后模型的构建方法，包括以下步骤：步骤1：数据来源和处理，筛选出低级别胶质瘤患者生存的信息、与细胞焦亡强相关的lncRNA；采用如下方式实现：从TCGA数据库中下载LGG 患者的RNA测序数据及相应的临床信息，包括529例低级别胶质瘤测序数据，其中临床信息完整的样本数为523例。应用perl软件将测本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种低级别胶质瘤细胞焦亡相关lncRNA预后模型的构建方法，其特征在于，包括以下步骤：步骤1、数据来源和处理，筛选出低级别胶质瘤患者生存的信息、与细胞焦亡强相关的lncRNA；步骤2、利用R语言合并经步骤1中筛选的低级别胶质瘤患者生存的信息及与细胞焦亡强相关的LncRNA表达矩阵信息，运行“survival”包对步骤1筛选的与细胞焦亡强相关lncRNA进行单因素Cox回归分析，计算每个差异LncRNA与患者的生存风险比；步骤3、将步骤2中的差异lncRNA进行多因素Cox回归分析并建立预后风险评分模型，筛选条件设定P<0.05。2.根据权利要求1所述的低级别胶质瘤细胞焦亡相关lncRNA预后模型的构建方法，其特征在于，所述步骤3中的风险评分模型的公式为其中Coef表示lncRNA在多因素cox回归分析中的回归系数，X为基因表达量，n为对应的模型基因总数。3.根据权利要求2所述的低级别胶质瘤细胞焦亡相关lncRNA预后模型的构建方法，其特征在于，根据风险评分模型的公式计算出所有样品的风险得分，取中位值将样本分为高低风险组。4.根据权利要求3所述的低级别胶质瘤细胞焦亡相关lncRNA预后模型的构建方法，其特征在于，所述风险评分模型的高低风险组的生存分析采用R软件...

【专利技术属性】
技术研发人员：徐茜，赵辉，高萧芳，孙宪凯，姚伦广，
申请(专利权)人：徐茜，
类型：发明
国别省市：