在前列腺癌中识别具有预后价值的CNV相关lncRNA特征的多omics方法
Neetu Tyagi1,2, Shikha Roy1, Krishnan Vengadesan2
1Translational Bioinformatics Group, International Centre for Genetic Engineering and Biotechnology (ICGEB), New Delhi, India.
Non-coding RNA research
|December 11, 2023
概括
这项研究确定了六种通过副本数变异 (CNVs) 放松调节的长非编码RNA (lncRNAs),作为前列腺癌预后的潜在生物标志物. 开发的风险评分模型准确地预测了无复发的生存率,有助于个性化治疗策略.
科学领域:
- 在瘤学瘤学.
- 基因组学就是基因组学.
- 生物标志物发现发现
背景情况:
- 前列腺癌是男性的主要恶性瘤,预后不佳.
- 对于新型生物标志物来改善患者的治疗结果和个性化治疗的需求至关重要.
- 这项研究调查了长非编码RNAs (lncRNAs) 受到前列腺癌拷贝数变异 (CNVs) 的影响的预后价值.
研究的目的:
- 基于多omics数据识别前列腺癌的分子亚型.
- 探索 CNV 放松调节 lncRNAs 在前列腺癌预后中的作用.
- 开发一种使用已识别的 lncRNAs 的预后风险评分模型.
主要方法:
- 对前列腺癌转录学,CNV和甲基化数据集的综合性多omics分析.
- 鉴定特定亚型的lncRNA表达和CNV模式.
- 开发使用 CNV 驱动 lncRNA 的预后风险评分模型.
主要成果:
- 确定了前列腺癌的六种分子亚型,预后不同.
- 选择了六个具有显著 CNV 改变的特定 lncRNA (CCAT2, LINC01593, LINC00276, GACAT2, LINC00457, LINC01343) 的.
- 一个基于这六个lncRNA的强大的风险评分模型表明了无复发生存率 (RFS) 的显著预测能力.
结论:
- 一个使用六个CNV驱动的lncRNA的预后风险评分模型已成功开发用于前列腺癌.
- 这些lncRNA特征与RFS有着强烈的关联,具有作为预后生物标志物的潜力.
- 这些发现支持改善患者预后和针对前列腺癌的个性化治疗策略.
