各位盆友好呀，今天和大家分享的是2020年8月发表在Aging (IF: 4.83) 上的一篇文章，这篇文章通过筛选自噬相关的lncRNA构建了一个膀胱癌的预后模型，来一起看看有什么特别的地方吧~研究背景膀胱尿路上皮癌（BLCA）是泌尿系统最常见的肿瘤，患者预后很差。自噬与多种肿瘤的抑制或发生有关，研究表明调节自噬可以提高BLCA患者化疗的敏感性。因此，发现自噬相关的生物标志物对于BLCA患者的早期诊断和预后具有重要价值。对自噬lnRNA感兴趣或者想了解更多新颖的生信分析思路添加小姐姐微信哦！

研究方法①患者数据来自TCGA-BLCA的RNA-Seq，剔除随访时间小于30天（n=16）、临床资料不完整（n=5）的样本，共纳入388位患者分析。②筛选自噬相关lncRNA先从the Human Autophagy Database 下载自噬相关基因，并通过Pearson相关分析筛选与自噬基因相关的lncRNA（|R|>0.7, P<0.05）。③构建预后signature先通过单变量Cox回归筛选与总生存（OS）相关的自噬lncRNA，再通过多变量Cox回归确定纳入签名的lncRNA，通过最低AIC来筛选。根据lncRNA预后模型确定风险评分。④预后signature的预测效能评估风险评分中位数将BLCA患者分为高危组和低危组，用Kaplan-Meier生存曲线和双侧log-rank检验比较两组生存率的差异。用主成分分析（PCA）对两组患者的lncRNA表达模式进行可视化。ROC曲线用于评估风险评分和各临床病理参数的诊断效能。按不同临床参数对患者分层，采用分层K-M生存分析对检验预后signature预测的准确性。单因素和多因素Cox回归用于判别风险评分和其他临床参数对BLCA患者的预后价值。⑤诺莫图构建和验证整合风险评分和其余临床病理参数构建诺莫图，一致性指数C-index诺莫图的预测能力。⑥构建lncRNA-mRNA共表达网络通过计算Pearson相关系数构建共表达网络，阈值为|R|>0.3且P<0.05。使用Cytoscape软件进行可视化。⑦功能注释和GSEA对上面筛选出的靶mRNA进行GO、KEGG富集。对高低风险组患者进行GSEA，筛选P<0.05、fdr<0.25的基因集。可以看到研究内容还是蛮丰富的，有临床预后的研究也有潜在通路分子机制的探索，接下来一起看看结果如何吧。结果1：BLCA中具有预后价值的自噬相关lncRNA经过Pearson相关分析共获得49个自噬相关lncRNA，单变量Cox回归显示AC002553.2、Z83843.1、LINC02178、FAM13A-AS1、USP30-AS1、AC108449.2、AC243960.1的表达与BCLA患者的OS显著相关（P<< span="">0.05，A）；多变量Cox回归的AIC值显示，AC108449.2、LINC02178、FAM13A-AS1、USP30-AS1、Z83843.1这五个lncRNA是构建预后签名最好的候选分子（表1），其中前两个为危险因素，后三个为保护因素。表1 自噬相关lncRNA预后签名的AIC值结果2：5-lncRNA预后签名的评估TCGA-BLCA队列中每位患者的风险评分计算：风险评分= (-0.677×Z83843.1)+ (0.162×LINC02178)+ (-0.403×FAM13A-AS1)+ (-0.307×USP30-AS1)+ (0.489×AC108449.2)。K-M曲线显示低风险评分组的患者生存率显著高于高风险组（B），5个自噬相关lncRNA的PCA显示了两组患者不同的分布（C）。预后signature的时间依赖性ROC曲线下面积为0.71（D），显示理想的预测能力。风险曲线将BLCA患者按评分进行排序（E），散点图显示低风险的患者有较高的生存率（F），热图显示高危患者的危险因子表达水平较高，而低危患者的保护因子表达较高（G）。 BLCA患者预后相关的自噬lncRNA筛选及验证结果3：5-lncRNA预后signature与其他临床病理参数的相关分析的箱线图展示风险评分在年龄（<=65 vs >65），AJCC分期（I vs IV，II vs IV）之间存在显著差异，在不同高低分化、性别之间差异不显著（）。进一步使用分层的K-M生存分析，结果显示在男性、女性、低分化、T3-4期、无淋巴结转移患者的亚组内，高危患者的预后更差，在其余亚组内的生存率差异不显著（）。 基于自噬相关lncRNA的风险评分与BLCA患者临床病理特征的相关性 按不同临床病理参数进行分层的K-M生存分析结果4：5-lncRNA预后signature对BLCA的预后价值单因素Cox回归显示，自噬相关lncRNA风险评分、AJCC分期、T、N、年龄与BLCA患者OS相关（A）；多因素分析发现年龄和风险评分是独立预后因素（B）；ROC曲线显示风险评分的AUC高于其余临床参数的AUC（C）。这些结果表示自噬相关lncRNA的风险评分是BLCA的独立预后因素。 评估BLCA患者风险评分的预后意义及准确性结果5：BLCA预后模型的构建及验证整合了5-lncRNA风险评分、年龄、性别、分级、AJCC分期、T分期和N分期构建预后模型，并绘制列线图进行可视化（A），C-index为0.715。校准曲线显示了1、3、5年生存率与参考线一致（B-D）。 列线图的构建及验证结果6：lncRNA-mRNA共表达网络及功能注释共表达网络共包含77对lncRNA-mRNA（A）。49个mRNA与预后显著相关，桑基图显示了这49个mRNA和5个lncRNA之间的关系，以及它们的预后意义（B）。GO注释和KEGG通路富集显示，这些mRNA都与自噬相关（C-F）。 自噬相关lncRNA-mRNA共表达网络构建及功能富集分析结果7：GSEAGSEA结果表明，高风险组中，基因显著富集于自噬和癌症有关的通路（A）。在低风险组中，抗癌症的免疫调节途径显著富集（B）。基于GSEA前10个KEGG通路如C和7D所示。这些结果表明，高预后风险评分与自噬和癌症相关；而低预后风险评分与免疫功能增强相关，提示低危组激活调控免疫功能的通路可能有助于预后良好或延长生存期。

基于自噬相关lncRNA风险评分对高危组和低危组进行GSEA

小结这篇文章的解读内容就到这里啦，文章内容十分的丰富而且研究的结果具有很好的临床价值。作者从自噬相关lncRNA出发，构建预后signature、预测模型的验证、通路分析、列线图构建等，文章逻辑性很强，亮点在于自噬相关lncRNA，以往的文章一般都是直接研究自噬基因、免疫相关lncRNA。对自噬感兴趣的小伙伴快快关注吧对本研究或者想了解更多新颖的生信分析思路添加小姐姐微信哦！