王兴国，马 刚，董 健，徐智阳，刘淑娟(空军军医大学西京医院妇产科，陕西 西安 700；解放军第90部队医院，吉林 延边 000；空军军医大学西京医院消化内科，陕西 西安 700)

    卵巢癌是妇科常见的恶性肿瘤之一，在全球范围内发病率居妇科恶性肿瘤第3位，死亡率居第2位[1]。上皮性卵巢癌是卵巢癌最常见的组织学类型，手术和化疗是上皮性卵巢癌的主要治疗方法[2]。由于卵巢癌早期缺乏典型症状，且无有效的早期筛查手段，以致75%的患者在确诊时已处于晚期，5年生存率仅为39%[3]。随着手术、化疗、靶向及免疫治疗等手段的联合应用，近年来卵巢癌患者的生存获益改善明显，但其预后仍不尽人意[4]。通常，临床分期、肿瘤细胞减灭术的实施情况和对化疗药物的敏感性是预测卵巢癌患者预后的基本因素[5]。然而，上皮性卵巢癌是一种具有复杂分子特征和遗传物质改变的高度异质性疾病，以致临床特征相似病例的生存率和治疗反应差异很大，故探索基于分子水平的预后评估显得尤为重要[6]。

    随着生物信息学的发展，挖掘在线数据库已成为当下热门。然而，在基因表达谱数据中，预测变量远远大于样本含量且各变量之间常具有强相关性，呈现高维度和共线性。最小化绝对收缩和选择算子(least absolute shrinkage and selection operator，LASSO)回归算法可在系数的绝对值之和上增加一个约束条件来对高维资料进行降维，实现变量选择的目的[7]。逐步回归的基本思想是逐个引入新变量，每引入一个新变量时考虑是否剔除已选变量，直至不再引入新变量。这种方法所得的回归方程的变量较少，并保留了影响最显著的重要变量[8]。LASSO回归联合逐步回归的优势在于可筛选出相关度更高的预后变量。

    本研究基于高通量基因表达(Gene Expression Omnibus，GEO)数据库中的GSE26712数据集，利用LASSO回归联合逐步回归向后法对上皮性卵巢癌预后相关基因进行筛选与模型构建，为评估上皮性卵巢癌患者的预后及个体化治疗方案的制定提供了一个较为准确的工具。

    1 对象与方法

    1.1 对象

    在GEO公共数据库(https：//www.ncbi.nlm.nih.gov/gds)检索并获取GSE26712的基因表达谱数据 ......