生信学习,咨询,代做,请关注公众号:生信风暴。或添加客服微信:ShengxinBoss1

3.6分TCGA生信分析:WGCNA 鉴定 9 个基因特征以预测结肠腺癌的预后

生信基础 管理员 244℃ 0评论

题目:Identification of 9 Gene Signatures by WGCNA to Predict Prognosis for Colon Adenocarcinoma

杂志:Comput Intell Neurosci

日期:2022 年 3 月 29 日

Doi:10.1155/2022/8598046. eCollection 2022

3.6分TCGA生信分析:WGCNA 鉴定 9 个基因特征以预测结肠腺癌的预后插图

 

背景: 基于加权基因共表达网络分析(WGCNA)建立了结肠腺癌(COAD)预后预测风险评估模型。

方法: 从癌症基因组图谱(TCGA)数据库中,检索到 COAD 患者的 RNA-seq 数据和临床数据。在筛选差异表达基因 (DEG) 后,进行 WGCNA 以识别基因模块并筛选与 COAD 进展相关的基因模块。然后,通过模块基因的蛋白质-蛋白质相互作用(PPI)网络构建,得到hub基因,然后对其进行最小绝对收缩和选择算子(LASSO)和Cox回归,构建基于hub基因的预后评分模型。绘制受试者工作特征曲线(ROC 曲线)以获得风险评分的最佳截止值(OCO),根据该曲线将患者分配到高风险组或低风险组。计算 ROC 曲线下面积 (AUC),模型性能使用 Kaplan-Meier (KM) 生存曲线进行可视化,并在外部数据集 GSE29621 中进行验证。最后,通过单变量和多变量 Cox 回归分析评估模型的独立预后价值,并建立列线图。

结果: 从TCGA的COAD数据集中筛选出2840个DEG,其中上调1401个,下调1439个,WGCNA将其分为10个模块。发现黑色模块的特征值与 COAD 进展具有高度相关性。对黑色模块中的基因构建PPI交互网络,利用MCODE插件获得34个hub基因。采用LASSO-Cox回归方法分析枢纽基因,构建了基于9个基因(CHEK1、DEPDC1B、FANCI、MCM10、NCAPG、PARPBP、PLK4、RAD51AP1和RFC4)特征的预后风险评分模型。KM 分析确定高风险组的总体生存期较短。通过训练集和验证集验证了该模型具有良好的预测能力。列线图,

结论: 基于9个基因(CHEK1、DEPDC1B、FANCI、MCM10、NCAPG、PARPBP、PLK4、RAD51AP1和RFC4)特征构建的COAD预后风险模型可以有效预测COAD患者的生存状态。

转载请注明:智汇基因 » 3.6分TCGA生信分析:WGCNA 鉴定 9 个基因特征以预测结肠腺癌的预后

喜欢 (0)
发表我的评论
取消评论
表情

Hi,您需要填写昵称和邮箱!

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址