对 ceRNA 和转录因子进行全面的多网络分析,以诊断和预测乳头甲状腺癌的诊断和预后

科学领域:

• 在瘤学瘤学.
• 分子生物学分子生物学
• 生物信息学是一种生物信息学.

背景情况:

• 乳头甲状腺癌 (PTC) 的病因是复杂的,了解其分子驱动因素至关重要.
• 竞争性内源性RNA (ceRNA) 假说提供了一个探索致癌机制的框架.
• 确定所有PTC阶段的可靠诊断和预后指标是一个重要的临床需求.

研究的目的:

• 构建一个新的ceRNA网络和相关的调节网络 (DE-TF) 治疗乳头甲状腺癌.
• 在所有阶段确定可靠的PTC诊断和预后生物标志物.
• 在PTC中调查基因表达与血水平之间的关联.

主要方法:

• 转录组分析被用来通过MCC,IVI和MCODE算法识别特定阶段的枢纽基因.
• 构建和分析了一个五层ceRNA网络和一个DE-TF网络.
• 接收器运行特征 (ROC) 曲线,无变Cox回归,LASSO回归和RT-qPCR被用于验证和模型开发.

主要成果:

• ceRNA和DE-TF网络分别包括33个和21个组件.
• 八个基因 (PKMYT1,E2F1,NFATC1,STAT6,E2F3,LINC02910,GAS5,TK1) 显示出高的诊断性能 (AUC为96.9%).这些基因中,只有一个基因具有较高的AUC.
• PKMYT1和GAS5是PTC侵略性的特定阶段标记,circMET区分了低侵略性的PTC与正常组织,GAS5与血液水平相关. 开发了一个包括STAT6,E2F1,RMI2和NR4A1在内的预后模型 (SERN).

结论:

• PKMYT1,GAS5和circMET与PTC攻击性有显著的关联,并具有诊断潜力.
• 这些已识别的基因为区分PTC阶段和正常组织提供了可靠的诊断标记.
• 该SERN预后模型突出显示了预测PTC患者整体存活率的关键基因.