非小细胞肺癌预后的免疫相关预测基因

2021-11-27刘澍张鑫许顺

中国医药导报 2021年29期

刘澍张鑫许顺

中国医科大学附属第一医院胸外科，辽宁沈阳 110001

肺癌发病率和死亡率均很高[1]，其中非小细胞肺癌（non-small cell lung carcinoma，NSCLC）约占所有肺癌病例的85%[2]。NSCLC 的治疗手段不断发展，但总体疗效仍不理想。TMN 分期是公认的预后评估标准之一[3]，但仍有一定的局限性。学者们致力于找到一个更准确的标准来评估NSCLC 患者的预后[4]。

免疫功能在NSCLC 的发生发展中起着重要作用[5]。本研究利用癌症基因组图谱（the cancer genome atlas，TCGA）中肺癌数据来开发一个预测NSCLC 患者预后的风险模型。

1 资料与方法

1.1 实验数据

从TCGA 下载肺癌数据，从IMMPORT 数据库中获得免疫相关基因。从基因表达综合数据库（gene expression omnibus，GEO）下载GSE37745[6]数据集。

1.2 分析方法

1.2.1 鉴定免疫相关差异基因 TCGA 中数据标准化后通过“edgeR”包[7-8]，按照准似然F 检验，筛选出差异表达基因（differentially expressed genes，DEG），标准为|log2FC|>1.5 且P <0.05。取与ImmPort 基因中交集部分。

1.2.2 Cox 回归分析进行Cox 回归分析，进而建立风险模型。风险评估公式为：

其中Coefi是特定模型基因的系数，Expi是每个选定基因的表达水平。

1.2.3 生存分析利用“survival”[9]包，通过对数秩检验进行生存分析，研究了风险评分对患者总生存期（overall survival，OS）的预后价值。

1.2.4 模型性能评估及验证将TCGA 中样本随机分为7∶3 的训练集（647 个样本）和验证集（262 个样本），进行生存分析，绘制受试者操作特征曲线（receiver operator characteristic curve，ROC curve）并计算曲线下面积（area under the curve，AUC），进行100 次重复。最后利用GSE37745 数据按照模型计算风险评分，并依据风险评分将样本分成高、低风险组，通过KM 曲线验证模型。