论文部分内容阅读
目的:基于TCGA大数据分析,筛选能够有效预测胶质母细胞瘤(GBM)复发的生物标志物.方法:下载TCGA数据库中GBM患者的mRNA表达谱和临床病理参数数据集,采用基因集富集分析(GSEA)和基因集变异分析(GSVA)两种分析方法分析复发和未复发患者之间的差异信号通路,利用Cox回归分析从差异信号通路中筛选出与总体生存相关的基因,基于筛选出的基因表达水平的线性组合并经Cox回归系数加权处理建立风险评分模型.采用Cox回归分析评估风险评分模型能否预测GBM复发.结果:GSEA和GSVA分析结果显示,PI3K/AKT/mTOR信号通路为目标通路.以总生存为终点事件,经Cox回归分析,从该通路中筛选出5个基因用于风险评分模型的构建.风险评分=0.3771×MAP2K3基因表达水平+(-0.2690)×MAP2K6基因表达水平+(-0.4887)×MAPK1基因表达水平+(-0.3256)×PTEN基因表达水平+0.7945×RAC1基因表达水平.Cox回归分析结果表明,该风险评分模型可以预测GBM复发,HR(95％CI)为1.593(1.153～2.200).结论:成功构建了基于PI3K/AKT/mTOR信号通路的GBM复发风险评分模型.