基于生物信息学建立室管膜瘤TGF-β通路相关基因预后风险模型及其应用

目的:基于生物信息学方法建立室管膜瘤中TGF-β信号通路相关基因的预后预测模型。方法:利用无监督聚类算法区分室管膜瘤的不同分子亚型；利用基因集变异分析(gene set variation analysis, GSVA)计算不同室管膜瘤分子亚型中TGF-β信号通路相关评分；利用乘积极限法(Kaplan-Meier analysis, KM)计算不同室管膜瘤分子亚型中患者的生存率；利用线性模型算法(linear models for microarray data, limma)分析不同室管膜瘤分子亚型间的差异基因；利CCRG 81045化学结构用最小绝对收缩和选择算子算法(least absolute shrinkage and selection operator, LASSO)和COX比例风险模型(COX proportional-hazards model)构建室管膜瘤中TGF-βCB-839使用方法信号通路相关基因的预后预测模型；利用受试者工作特征曲线(receiver operating characteristic curve, RObiogas slurryC)评估预后预测模型的性能；利用皮尔逊相关性分析考察关键基因的相关性；利用qRT-PCR技术和免疫印迹技术考察室管膜瘤组织中关键基因的表达水平。结果:无监督聚类算法显示，室管膜瘤中存在两种不同的分子亚型；GSVA和KM分析显示，不同亚型的室管膜瘤中TGF-β信号通路评分和预后存在显著差异；基因差异表达分析结果显示，不同亚型的室管膜瘤中TGF-β通路相关基因表达存在显著差异；LASSO显示，BMP4、FBN1、CDC20、TGFB1是预后预测模型的关键基因；ROC分析结果显示，TGF-β信号通路相关基因模型具有较高的预测性能；皮尔逊相关性分析结果显示，BMP4、FBN1、CDC20、TGFB1与TGF-β信号通路下游基因具有显著的表达相关性；qRT-PCR和免疫印迹技术结果显示，BMP4、FBN1、CDC20、TGFB1在室管膜瘤组织中的表达显著上调。结论：基于TGF-β通路相关基因BMP4、FBN1、CDC20、TGFB1构建的预后预测模型能够有效预测患者的生存情况。