杨彩珍,何杰,柳广南

    (1 广西医科大学,广西 南宁 530021； 2 广西医科大学第二附属医院)

    肺腺癌(LUAD)约占肺癌病例的40%，其起病隐匿，多数病人检出时往往已处于晚期，总生存期低于5年[1-2]。LUAD病因复杂且具有异质性[3]，其预后差且难以预测，因此需要一个预测其预后的模型。铁死亡是新近发现的一种细胞程序性死亡过程，机制可能主要与脂质及脂质过氧化物蓄积等有关[4]，诱发癌细胞铁死亡成为一种新的治疗方法[5]。有研究表明，铁死亡在LUAD的发生发展中起重要作用，铁死亡相关基因(FeRGs)参与了LUAD的发生[6]。然而，FeRGs是否与LUAD的预后相关尚不清楚。本文旨在用生物信息学方法研究FeRGs对LUAD的预后价值并建立预后模型，为LUAD病人的预后评估提供新方法。

    1 材料与方法

    1.1 数据来源

    从公共数据库癌症基因组图谱(https://portal.gdc.cancer.gov)下载585例病人的RNA-seq表达矩阵及其临床数据，数据截止时间为2020年9月。从相关文献中收集到60个FeRGs[7-10]。

    1.2 预后模型的构建

    应用R语言中的“limma”包[11]筛选肿瘤组织与癌旁组织的差异表达FeRGs，筛选条件为伪发现率(FDR)<0.05。应用单因素Cox回归分析筛选出与预后相关的FeRGs。取差异表达FeRGs和预后相关的FeRGs的交集，得到预后相关的差异表达FeRGs。为了最大限度地降低过度拟合的风险，采用“glmnet”包[11]中的LASSO回归分析构建预后模型。模型的惩罚参数(λ)根据十折交叉验证来确定。根据每个基因的表达水平及其相应的回归系数计算病人的风险评分，以评分的中位数为界，将病人分为高风险组和低风险组。采用“stats”和“Rtsne”包[12]进行主成分分析(PCA)和t-分布随机邻近插入(t-SNE)分析，以评估模型的病人分类能力 ......