肾癌|【RCC文献月评-8】专家领读肾癌领域最新文献及研究进展( 四 )


文章图片


表2. 按肿瘤级别划分的转移性疾病分布(N=11,375)
肾癌|【RCC文献月评-8】专家领读肾癌领域最新文献及研究进展
文章图片


肾癌|【RCC文献月评-8】专家领读肾癌领域最新文献及研究进展
文章图片


图1. 患者特征的分布(A)年龄 , (B)性别 , (C)肾细胞癌组织学亚型 , (D)按性别划分的组织学亚型 , (E)肿瘤分级 , (F)按性别划分的肿瘤分级 , 在11375例可获知肿瘤分级信息的T1a肾癌患者中的分布情况 。
HG , 高级别;LG , 低级别;RCC , 肾细胞癌 。
肾癌|【RCC文献月评-8】专家领读肾癌领域最新文献及研究进展
文章图片


图2. 根据(A)年龄和(B)性别分析的整个队列中的组织学亚型分布(N=13,364) 。
F , 女性;M , 男性;RCC , 肾细胞癌 。
肾癌|【RCC文献月评-8】专家领读肾癌领域最新文献及研究进展
文章图片


图3. 在11375例手术治疗的T1a肾细胞癌患者中 , 透明细胞LG、透明细胞HG、乳头状LG和乳头状HG按(A)年龄类别和(B)性别的分布 。
HG , 高级别;LG , 低级别;RCC , 肾细胞癌 。
基于PPAR通路相关基因的肾透明细胞癌预后风险新模型
目的:建立过氧化物酶体增殖物活化受体(PPAR)通路相关的基因预测肾透明细胞癌(KIRC)的预后风险模型 。
方法:首先在基因集富集分析(GSEA)网站上找到PPAR通路相关的基因 , 并通过癌症基因组图谱(TCGA)数据库找到了KIRC mRNA表达数据和临床数据 。第二 , 使用R语言和多种R语言扩展包来分析KIRC中PPAR通路相关基因的表达 , 风险比和共表达 。第三 , 检索基因/蛋白质相互作用(STRING)网络数据库 , 建立了与PPAR通路相关基因的蛋白质相互作用(PPI)网络 。第四 , 使用LASSO回归曲线建立KIRC预后生存模型 。最后 , 基于该模型 , 对KIRC临床病理特征进行了相关性分析 , 包括单变量分析和多变量分析 。
结果:大多数PPAR通路相关的基因在KIRC中具有不同程度的表达差异 。其中 , 27个基因的高表达与KIRC患者低生存率相关 , 13个基因的高表达与KIRC患者高生存率相关 。并且成功地利用其中13个基因建立准确预测患者预后的风险模型 。该模型与转移 , 肿瘤 , 分期 , 分级和生存状态存在显著相关性 。
结论:这是第一项详细分析KIRC中整条PPAR通路并建立患者预后风险模型的研究 。相信此研究可以为未来的研究人员和临床医生提供有价值的数据 。
专家点评
PPAR既往已经证实与肾癌的发展密切相关 , 这是第一项详细分析KIRC中完整PPAR通路并成功建立PPAR通路相关基因预测KIRC预后风险模型的研究 , 为未来建立肾癌精准预后预测模型提供思路以及数据 。
肾癌|【RCC文献月评-8】专家领读肾癌领域最新文献及研究进展
文章图片


图1.(a)PPAR通路相关基因表达的热图和(b)KIRC中危险因素分析 。
* P
肾癌|【RCC文献月评-8】专家领读肾癌领域最新文献及研究进展
文章图片


图2. PPAR通路分子之间的相互作用和相关性 。PPAR通路相关基因之间的(a)PPI网络和(b)共表达分析 。
肾癌|【RCC文献月评-8】专家领读肾癌领域最新文献及研究进展
文章图片


肾癌|【RCC文献月评-8】专家领读肾癌领域最新文献及研究进展
文章图片


图3. 风险模型的建立及其预测准确性的分析 。(a , b)使用LASSO逻辑回归选择靶基因 。(c)基于此模型在KIRC中进行了生存分析 。(d)5年ROC曲线 。(e)10年ROC曲线 。

推荐阅读