01
摘要
02
流程图
03
结果简述
1. 患者临床病理因素和DELs（差异表达LncRNA）
根据log2FC>2的标准和adjust p <0.05，识别出124个DEL，包括90个上调的lncRNA和34个下调的lncRNA，如下表和下图所示：
最后，识别出14个DEL与预后相关的lncRNA，并用于开发风险特征。Risk score = (XADAMTS9-AS2 · 0.0675) +(XFLG-AS1 · 0.0270) + (XRNF144A-AS1 · 0.0333) + (XLINC00922 · 0.0022) +(XC15orf54 · 0.1270) + (XLINC01210 · -0.1526) + (XERVMER61-1· 0.0227) + (XPOU6F2-AS2 · 0.0122) + (XLINC00973 · 0.0269) +(XERICH3-AS1 · 0.1354) + (XLINC00326 · 0.0406) + (XLINC01208· 0.0651) + (XLINC00645 · 0.0359) + (XDSCR10 · 0.0512)。作者绘制了14个已确定的DEL的表达模式，风险评分分布和生存状况，如下图所示，热图显示13个高风险DEL（ADAMTS9-AS2，FLG-AS1，RNF144A-AS1，LINC00922，C15orf54，ERVMER61-1，POU6F2-AS2，LINC00973，ERIC3-AS1，LINC00326，LINC01208，LINC00645和DSCR10）在高风险组过表达， 1 DEL（LINC01210）在低风险组过表达：
作者进一步开发了将14种lncRNA纳入危险信号的预后列线图，如下图所示：
Kaplan–Meier生存分析表明，在训练集和内部及外部验证集中，高风险组患者的OS短于低风险组。如下图B所示。在训练队列中，针对1年，3年和5年OS的风险特征的AUC-ROC分析分别为0.669、0.737和0.737。在内部验证队列中，对于1年，3年和5年OS，14-lncRNA特征的AUCROC分别为0.678、0.780和0.761。在外部队列中，1年，3年和5年OS的风险特征的AUC分别为0.559、0.709和0.731，如下图C所示。ROC分析表明，在三个队列中，对于5年OS，与仅单个lncRNA相比，风险信号具有更好的预测性能，如下图D所示。此外，三个队列的5年OS的风险特征校正曲线的预期结果与观察结果之间有相对较好的一致性，如下图E所示。C指数在训练人群中为0.667，在内部人群中为0.701，在外部人群中为0.624，如下图F所示。
单因素和多因素COX风险比例模型分析表明，特征是GC患者的独立预测因素。如下图所示：
单因素和多因素COX风险比例模型分析表明，年龄，N分期和14-lncRNA风险特征与原发人群GC的OS显著相关。然后，作者使用多元COX风险比例模型分析来构建结合这三个因素的列线图，以预测3年和5年OS，如下图所示：
校准曲线表明，在所有三个队列中，列线图在预测和实际操作系统之间具有较高的一致性，如下图B所示。在训练队列中，一年，三年和五年OS的列线图的AUC-ROC分析分别为0.660、0.731和0.692。内部验证队列中1年，3年和5年OS的列线图的AUC-ROC为0.651、0.772和0.772。在外部队列中，一年，三年和五年OS的列线图AUC-ROC分别为0.734、0.795和0.786，如下图C所示。在训练队列中，列线图的C指数为0.698，在内部验证队列中为0.706，在外部验证队列中为0.726，如下图D所示。
