胡文龍 梁惠芳 李明

肺癌是最常見(jiàn)的惡性腫瘤之一，其發(fā)病率和死亡率居于全球所有癌癥的首位，并且嚴(yán)重程度呈逐年上升趨勢(shì)，給人類生命健康帶來(lái)沉重的危害[1]。肺癌按照病理分型可劃分為小細(xì)胞肺癌和非小細(xì)胞肺癌，非小細(xì)胞肺癌約占肺癌發(fā)病率的2/3[2]。肺鱗狀細(xì)胞癌，簡(jiǎn)稱肺鱗癌，是非小細(xì)胞肺癌的主要類型之一。據(jù)報(bào)道，全球每年超過(guò)40萬(wàn)人死于肺鱗癌和其并發(fā)癥[3]。由于肺鱗癌容易發(fā)生局部浸潤(rùn)和轉(zhuǎn)移，且尚缺乏有效的預(yù)后生物學(xué)標(biāo)志物，晚期肺鱗癌患者的5年生存率不足17%。改善肺鱗癌病人的預(yù)后情況可以提高病人的生存率。因此，尋找一組與肺鱗癌預(yù)后密切相關(guān)的生物標(biāo)志物，通過(guò)生物標(biāo)志物對(duì)肺鱗癌患者的預(yù)后進(jìn)行早期評(píng)估，對(duì)提高肺鱗癌患者的預(yù)后顯得尤為重要。

近年來(lái)，許多研究表明，細(xì)胞代謝的改變是腫瘤細(xì)胞的一個(gè)重要生物學(xué)特征，且代謝異常與腫瘤的發(fā)生發(fā)展互為因果關(guān)系[4]。腫瘤細(xì)胞代謝異常的主要表現(xiàn)有：葡萄糖主要以有氧酵解為主，氧化磷酸化明顯減弱，磷酸戊糖代謝途徑的增強(qiáng)；氨基酸分解代謝活躍，β-氧化反應(yīng)的激活及脂肪酸從頭合成等[5]。有研究表明，肺鱗癌的膽堿顯像有異常增高，其增高的原因可能與腫瘤細(xì)胞中膽堿代謝的磷酸化途徑及乙?；緩疆惓Ｔ龈哂嘘P(guān)。Momcilovic M等[6]研究者對(duì)肺鱗癌動(dòng)物模型進(jìn)行了體內(nèi)代謝譜分析后發(fā)現(xiàn)，肺鱗癌細(xì)胞可以通過(guò)上調(diào)谷氨酰胺分解的GSK3α/β信號(hào)通路來(lái)適應(yīng)糖酵解的抑制。由于代謝相關(guān)基因在肺鱗癌的發(fā)生發(fā)展中起著重要的作用，我們推測(cè)代謝相關(guān)基因可能作為肺鱗癌的預(yù)后標(biāo)志物。

分子預(yù)后模型(prognostic signature)，是指將一定數(shù)目的分子標(biāo)記物(轉(zhuǎn)錄因子, miRNA, lncRNA等)進(jìn)行組合，形成一個(gè)新的變量，并用此變量來(lái)評(píng)估某些生物學(xué)特性。分子預(yù)后模型并不是以某一個(gè)單基因功能為研究基礎(chǔ)，而是注重多個(gè)基因或者因子之間的共同協(xié)調(diào)作用，從整體全面的水平對(duì)某種特定的生物學(xué)特性進(jìn)行系統(tǒng)定量的描述[7]。因此，在預(yù)后評(píng)估方面，分子預(yù)后模型的準(zhǔn)確性高于單個(gè)分子標(biāo)記物。本研究通過(guò)對(duì)腫瘤基因組圖譜數(shù)據(jù)庫(kù)(The Cancer Genome Atals，TCGA)獲取代謝相關(guān)基因的表達(dá)譜數(shù)據(jù)，并建立分子預(yù)后模型，評(píng)估代謝相關(guān)基因組成的預(yù)后模型對(duì)肺鱗癌患者預(yù)后的預(yù)測(cè)價(jià)值。

資料與方法

一、研究對(duì)象

2020年1月從癌癥基因組圖譜(The Cancer Genome Atals，TCGA)官方網(wǎng)站下載(https://gdc-portal.nci.nih.gov/)肺鱗癌患者腫瘤組織和癌旁組織的mRNA測(cè)序數(shù)據(jù)及臨床信息。通過(guò)Illumina高通量測(cè)序平臺(tái)獲得mRNA測(cè)序數(shù)據(jù)。下載的數(shù)據(jù)內(nèi)容包含肺鱗癌患者502例腫瘤組織的mRNA表達(dá)數(shù)據(jù)和49例癌旁組織的mRNA表達(dá)數(shù)據(jù)。臨床數(shù)據(jù)包含了504例肺鱗癌患者的相關(guān)臨床信息，如ID號(hào)、年齡、性別、病理分期、生存時(shí)間、生存狀態(tài)等，為了減少統(tǒng)計(jì)學(xué)誤差，剔除生存時(shí)間少于30天的患者信息，最終納入482名肺鱗癌患者(見(jiàn)表1)。

二、研究方法

1 代謝相關(guān)基因提取和處理

將關(guān)鍵字“metabolism”輸入GENECARDS網(wǎng)站(https://www.genecards.org/)，檢索代謝相關(guān)基因。相關(guān)性分?jǐn)?shù)被用來(lái)指示基因和代謝之間的相關(guān)性的強(qiáng)度，范圍從0到100。分?jǐn)?shù)越高，代表聯(lián)系越緊密。將關(guān)聯(lián)分?jǐn)?shù)大于10的基因作為候選的代謝相關(guān)基因，共獲得1062個(gè)代謝相關(guān)基因。通過(guò)ActivePerl軟件(版本號(hào)5.26)提取1062個(gè)代謝基因在TCGA的表達(dá)譜。接下來(lái)，使用R軟件中的“Limma”包(https://www.R-project.org)對(duì)mRNA測(cè)序表達(dá)值進(jìn)行l(wèi)og2變換，以log2(fold change)的絕對(duì)值>1.5和偽發(fā)現(xiàn)率(false discovery rate，F(xiàn)DR)<0.05為閾值[8]，對(duì)數(shù)據(jù)進(jìn)行歸一化和差異基因表達(dá)分析。對(duì)篩選出的差異表達(dá)的代謝基因進(jìn)行聚類分析，并繪制熱圖。

2 單因素Cox回歸分析及LASSO回歸分析

為了初步篩選出與肺鱗癌預(yù)后相關(guān)的代謝基因，首先通過(guò)R包“survival”對(duì)差異表達(dá)的代謝相關(guān)基因進(jìn)行單因素Cox回歸分析，計(jì)算候選代謝相關(guān)基因的風(fēng)險(xiǎn)比(hazard ratio，HR)及95%可信區(qū)間，P<0.01被認(rèn)為差異有統(tǒng)計(jì)學(xué)意義。為了進(jìn)一步進(jìn)行變量的選擇，避免單因素Cox回歸分析所得的基因有過(guò)度擬合的問(wèn)題，通過(guò)R包“glmet”對(duì)單因素Cox回歸篩選出的差異基因進(jìn)行LASSO回歸分析。在這個(gè)研究中，模型構(gòu)建過(guò)程使用10折交叉驗(yàn)證來(lái)確定λ的值，并且選擇偏似然偏差最小的λ作為最優(yōu)λ。一旦確定了預(yù)測(cè)基因，即用于預(yù)后模型的構(gòu)建，預(yù)后模型的表達(dá)式如下所示:

其中N是基因數(shù)，Expi是基因的表達(dá)水平，Ci是lasso回歸分析得到的回歸相關(guān)系數(shù)。根據(jù)預(yù)后模型可以計(jì)算出每一個(gè)肺鱗癌的風(fēng)險(xiǎn)評(píng)分大小，通過(guò)風(fēng)險(xiǎn)評(píng)分的中位數(shù)值，模型可將將納入的肺鱗癌患者劃分為高風(fēng)險(xiǎn)組和低風(fēng)險(xiǎn)組。

3 預(yù)后模型評(píng)價(jià)和K-M生存分析

為了評(píng)估預(yù)后模型的預(yù)測(cè)能力，本研究首先對(duì)高風(fēng)險(xiǎn)組和低風(fēng)險(xiǎn)組采用K-M生存分析；其次，對(duì)肺鱗癌患者進(jìn)行了3年和5年總生存率的受試者接受特征(receiver operating characteristic，ROC)曲線繪制，利用R包“survival”和“timeROC”計(jì)算3年及5年總生存率的ROC曲線下面積-AUC(area under the curve)值，并計(jì)算該模型的C指數(shù)值。當(dāng)C指數(shù)的值<0.5時(shí)，說(shuō)明模型準(zhǔn)確率不顯著，當(dāng)C指數(shù)的值>0.7時(shí)，說(shuō)明模型的準(zhǔn)確率中等，當(dāng)C指數(shù)的值>0.9時(shí)，說(shuō)明模型具有相當(dāng)高的準(zhǔn)確率[9]。除此之外，我們結(jié)合臨床相關(guān)信息，如年齡、性別、病理分期等，對(duì)預(yù)后模型進(jìn)行多因素Cox回歸分析，以驗(yàn)證構(gòu)建的模型的預(yù)測(cè)能力是否獨(dú)立于其他臨床因素，可以成為獨(dú)立的預(yù)測(cè)因子。

4 決策曲線分析及構(gòu)建諾莫列線圖

為了進(jìn)一步評(píng)估該模型是否比其他常用的臨床參數(shù)更有優(yōu)勢(shì)，是否值得在臨床實(shí)踐中使用，本研究采用決策曲線分析(Decision Curve analysis，DCA)對(duì)預(yù)后模型進(jìn)行評(píng)估，通過(guò)曲線下所形成的面積評(píng)估凈收益的大小。決策曲線的繪制由R軟件“Decision Curve”包完成。接下來(lái)，根據(jù)多因素回歸分析所得的回歸系數(shù)構(gòu)建了諾莫列線圖。通過(guò)計(jì)算C指數(shù)評(píng)估諾莫列線圖的性能，并繪制校準(zhǔn)曲線圖對(duì)諾莫列線圖的性能高低進(jìn)行可視化。

三、原始數(shù)據(jù)的統(tǒng)計(jì)學(xué)分析

使用SPSS 20.0和R軟件進(jìn)行統(tǒng)計(jì)學(xué)分析和相關(guān)圖像的繪制。計(jì)量資料基因表達(dá)量為非正態(tài)分布數(shù)據(jù)，采用中位數(shù)(25%百分位數(shù)-75%百分位數(shù))進(jìn)行表示，運(yùn)用Wilcoxon非參數(shù)秩和檢驗(yàn)的方法對(duì)腫瘤組織和癌旁組織之間基因表達(dá)量的差異進(jìn)行分析；計(jì)量資料患者年齡和生存時(shí)間符合正態(tài)分布，表示為均數(shù)±標(biāo)準(zhǔn)差的格式，采用獨(dú)立樣本t檢驗(yàn)進(jìn)行分析。計(jì)數(shù)資料用百分?jǐn)?shù)表示，差異性分析使用χ2檢驗(yàn)的方法。檢驗(yàn)水準(zhǔn)α=0.05。

結(jié) 果

一、納入患者的基本情況

符合納入標(biāo)準(zhǔn)的肺鱗癌患者482人，其中男性患者死亡235人(71.43%)，未死亡112人(73.20%)；女性患者死亡94人(28.57%)，未死亡41人(26.80%)；肺鱗癌死亡患者平均年齡(68.7±6.9)歲,未死亡患者平均年齡(65.4±8.5)歲，種族、吸煙、化療、放療、生存時(shí)間等情況見(jiàn)表1。

表1 從TCGA數(shù)據(jù)庫(kù)中納入分析的肺鱗狀細(xì)胞癌患者的基本特征(n=482)

二、腫瘤組織和正常肺組織中差異表達(dá)的代謝基因

對(duì)482例肺鱗癌患者腫瘤組織和49例癌旁正常肺組織的代謝基因進(jìn)行Wilcoxon非參數(shù)秩和檢驗(yàn)，經(jīng)分析滿足條件log2(fold change)的絕對(duì)值>1.5和FDR<0.05的代謝基因共有239個(gè)。對(duì)這些基因進(jìn)行聚類分析，并以熱圖的方式呈現(xiàn)出來(lái)(見(jiàn)圖1)。

圖1 49例癌旁正常肺組織和482例肺鱗癌組織中239個(gè)差異表達(dá)的代謝基因的熱圖

三、與肺鱗癌預(yù)后相關(guān)的關(guān)鍵代謝基因的確定

針對(duì)上述的差異表達(dá)的代謝基因，結(jié)合TCGA來(lái)源的對(duì)應(yīng)的臨床信息，通過(guò)單因素Cox回歸分析，初步篩選出8個(gè)和肺鱗癌預(yù)后相關(guān)的代謝基因，它們分別是CYP4F2,ALDH3B2,CA6,DDO,AGMAT,OPLAH,CPT1B,UGT2B4(見(jiàn)圖2)，它們的HR值均大于1，說(shuō)明這些代謝相關(guān)基因?yàn)槲ｋU(xiǎn)基因；通過(guò)LASSO回歸分析進(jìn)一步確定了這8個(gè)代謝基因均是關(guān)鍵基因，見(jiàn)圖3A、圖3B。8個(gè)關(guān)鍵基因的詳細(xì)信息(見(jiàn)表2)。

圖3 LASSO回歸分析

表2 8個(gè)關(guān)鍵基因的詳細(xì)信息

圖2 單因素Cox回歸初步篩選出的8個(gè)代謝基因與生存預(yù)后關(guān)系的森林圖

四、肺鱗癌預(yù)后模型的構(gòu)建和評(píng)價(jià)

基于LASSO回歸分析確定的8個(gè)代謝基因，通過(guò)前文所描述的風(fēng)險(xiǎn)評(píng)分表達(dá)式計(jì)算每一個(gè)肺鱗癌患者的預(yù)后風(fēng)險(xiǎn)評(píng)分，并根據(jù)中位值將所有患者分為高風(fēng)險(xiǎn)組和低風(fēng)險(xiǎn)組并構(gòu)建預(yù)后模型。為了進(jìn)一步評(píng)估該預(yù)后模型的預(yù)測(cè)能力，K-M生存分析顯示，高風(fēng)險(xiǎn)組中位生存期1.6年，3年生存概率39%，5年生存概率26%，低風(fēng)險(xiǎn)組中位生存期是2.2年，3年生存概率是62%，5年生存概率是43%，低風(fēng)險(xiǎn)組OS較高風(fēng)險(xiǎn)組長(zhǎng)(P<0.05)(見(jiàn)圖4A)；3年總生存率的ROC曲線下面積AUC=0.765,5年總生存率的ROC曲線下面積AUC=0.758(見(jiàn)圖4B)；該預(yù)后模型的C指數(shù)為0.781。同時(shí)，高風(fēng)險(xiǎn)組的患者ALDH3B2和OPLAH呈現(xiàn)更高的表達(dá)水平(見(jiàn)圖5A)；所有患者的風(fēng)險(xiǎn)評(píng)分分布及風(fēng)險(xiǎn)評(píng)分與生存時(shí)間的關(guān)系也提示高風(fēng)險(xiǎn)組的患者總生存時(shí)間更短(見(jiàn)圖5B、5C)。以總生存時(shí)間為因變量，預(yù)后模型所計(jì)算的風(fēng)險(xiǎn)評(píng)分、年齡、性別、病理分期作為協(xié)變量進(jìn)行多因素Cox回歸分析，其結(jié)果表明該預(yù)后模型可以作為一個(gè)獨(dú)立的預(yù)測(cè)預(yù)后的因子(HR=1.139,95%CI=1.101-1.179,P<0.05)(見(jiàn)圖6)。

圖4A 肺鱗癌患者的生存曲線，藍(lán)色代表低風(fēng)險(xiǎn)人群，紅色代表高風(fēng)險(xiǎn)人群；圖4B 預(yù)后模型的ROC曲線，藍(lán)色線代表3年生存時(shí)間，紅色線代表5年生存時(shí)間

圖5 8個(gè)代謝基因的熱圖和預(yù)后模型與生存狀態(tài)圖

圖6 多因素Cox回歸分析風(fēng)險(xiǎn)評(píng)分與生存時(shí)間關(guān)系的森林圖

五、決策曲線分析和諾莫列線圖建立

決策曲線分析提示，模型與年齡，性別和病理分期相結(jié)合起來(lái)預(yù)測(cè)形成的曲線面積最大，患者將會(huì)獲得更多的益處(見(jiàn)圖7)；根據(jù)多因素Cox回歸系數(shù)構(gòu)建諾莫列線圖(見(jiàn)圖8)；校正曲線提示模型對(duì)3年和5年的生存率預(yù)測(cè)能力良好(3年的C指數(shù)為0.712，5年的C指數(shù)為0.705)(見(jiàn)圖8)。

圖7 決策曲線，綠線代表預(yù)后模型和臨床因素相結(jié)合進(jìn)行預(yù)測(cè)

討 論

無(wú)限迅速增殖是肺癌細(xì)胞最重要的生物學(xué)特征之一，為了滿足自身快速增殖的需要，腫瘤細(xì)胞通常表現(xiàn)出與正常細(xì)胞不同的代謝特征：⑴無(wú)論在富氧或是乏氧條件下均以糖酵解為主要產(chǎn)能方式；⑵大量脂類合成以滿足腫瘤細(xì)胞內(nèi)細(xì)胞器生物膜的形成及自身特殊生物學(xué)的需要；⑶大量蛋白質(zhì)物質(zhì)生產(chǎn)來(lái)維持細(xì)胞結(jié)構(gòu)和功能的運(yùn)行[10-12]。近年來(lái)，隨著腫瘤生物學(xué)研究技術(shù)的高速發(fā)展，代謝異常先于腫瘤發(fā)生發(fā)展的理論已經(jīng)在生物實(shí)驗(yàn)中逐步得到證實(shí)。Yun J等[13]發(fā)現(xiàn)葡萄糖缺乏可以促進(jìn)KRAS野生型的支氣管黏膜上皮細(xì)胞獲得KRAS及其信號(hào)通路分子的突變，進(jìn)一步證明了細(xì)胞代謝的異?？梢哉T導(dǎo)原癌基因突變。有研究報(bào)道經(jīng)過(guò)對(duì)肺癌患者血液和病理組織樣本高通量測(cè)序發(fā)現(xiàn)，肺癌細(xì)胞中大量代謝相關(guān)基因存在突變，這些基因包括代謝物轉(zhuǎn)運(yùn)基因CD98,MCTs，三羧酸循環(huán)通路關(guān)鍵基因SDH、IDH、FH，糖酵解關(guān)鍵基因GLUT1,GPI,以及核苷酸合成代謝基因TYMS,RRM2B等，且這些代謝相關(guān)基因的突變與非小細(xì)胞肺癌的進(jìn)展密切相關(guān)。Pérez-Ramírez C等[14]研究也表明葉酸代謝基因MDM2突變的非小細(xì)胞肺癌患者的OS更短。到目前為止，已經(jīng)有上百個(gè)蛋白質(zhì)被認(rèn)為參與了代謝過(guò)程，因此，代謝相關(guān)基因可能作為肺癌的預(yù)后標(biāo)志物。

圖8A為諾莫列線圖，圖8B為校正曲線圖

本研究通過(guò)權(quán)威數(shù)據(jù)庫(kù)TCGA和GENECARDS網(wǎng)站，下載了肺鱗癌患者的代謝相關(guān)基因表達(dá)數(shù)據(jù)和相應(yīng)的臨床信息，通過(guò)具體分析發(fā)現(xiàn)，在肺鱗癌的發(fā)生和發(fā)展中，多個(gè)代謝相關(guān)基因的表達(dá)發(fā)生了改變，這些表達(dá)改變的代謝基因有可能在肺鱗癌的發(fā)生、進(jìn)展和預(yù)后中起著重要作用。針對(duì)代謝相關(guān)基因的表達(dá)改變，初步篩選出239個(gè)差異表達(dá)的代謝基因。為了探究這些差異基因的表達(dá)水平和臨床預(yù)后的關(guān)系，本研究在構(gòu)建Cox回歸模型時(shí)，先分別只納入一個(gè)因素進(jìn)入到回歸模型中進(jìn)行擬合，即單因素Cox回歸分析，并且為了篩選出和預(yù)后密切相關(guān)的基因，P值設(shè)定為小于0.01，結(jié)果初步篩選出8個(gè)和肺鱗癌預(yù)后相關(guān)的代謝基因。由于單因素Cox回歸分析每一次只納入一個(gè)變量，可能存在過(guò)度擬合的現(xiàn)象，因此在單因素Cox回歸分析的基礎(chǔ)上又引入了LASSO回歸分析，LASSO回歸的優(yōu)點(diǎn)是擬合廣義線性模型的同事進(jìn)行變量篩選和復(fù)雜度的調(diào)整，有選擇性地把每一個(gè)相關(guān)變量放入模型中從而得到更好的參數(shù)，并且通過(guò)一系列的參數(shù)來(lái)控制模型的復(fù)雜度，從而最大程度上減少過(guò)度擬合[15]，這也能彌補(bǔ)單因素Cox回歸分析的不足，可能由于單因素Cox回歸分析設(shè)定的閾值較高，此次LASSO回歸分析得出的也是這8個(gè)代謝相關(guān)基因。值得注意的是，從熱圖可以看出，ALDH3B2和OPLAH在高風(fēng)險(xiǎn)組呈現(xiàn)更高的表達(dá)水平。ALDH3B2是乙醛脫氫酶家族成員之一，它是一個(gè)蛋白質(zhì)編碼基因，主要參與細(xì)胞色素P450相關(guān)的藥物代謝和組氨酸代謝。Michorowska S 等[16]研究表明，能耐受環(huán)磷酰胺為主的聯(lián)合化療作用的轉(zhuǎn)移腫瘤細(xì)胞的ALDH3B2表達(dá)水平明顯高于那些對(duì)環(huán)磷酰胺聯(lián)合化療有反應(yīng)的腫瘤細(xì)胞，提示ALDH3B2的高表達(dá)可能與腫瘤的耐藥性有一定關(guān)系。OPLAH是γ-谷氨酰循環(huán)中的一種酶，參與谷胱甘肽的合成和代謝，具有調(diào)節(jié)化療和放療的細(xì)胞毒作用，可以使腫瘤細(xì)胞中谷胱甘肽含量明顯下降，這一特征使得化療藥物對(duì)細(xì)胞的毒性增加。上述研究結(jié)果提示可能由于ALDH3B2和OPLAH這兩個(gè)基因與化療藥物代謝和耐藥有關(guān)，因此這兩個(gè)基因呈現(xiàn)高表達(dá)的肺鱗癌的患者多存在化療藥物的耐藥和細(xì)胞毒性的增加，故在模型所預(yù)測(cè)的預(yù)后更差，但上述結(jié)論仍需進(jìn)一步的基礎(chǔ)實(shí)驗(yàn)進(jìn)行驗(yàn)證。

LASSO回歸分析可以對(duì)每一個(gè)肺鱗癌患者計(jì)算預(yù)后危險(xiǎn)評(píng)分，根據(jù)預(yù)后危險(xiǎn)評(píng)分的中位數(shù)值，模型將納入的肺鱗癌患者分為了高風(fēng)險(xiǎn)組和低風(fēng)險(xiǎn)組，兩組間進(jìn)行了K-M生存分析，繪制ROC曲線并計(jì)算AUC值以評(píng)估該代謝基因預(yù)后模型的預(yù)測(cè)能力，其結(jié)果均提示高風(fēng)險(xiǎn)組總生存率較低風(fēng)險(xiǎn)組低，且3年和5年的AUC值均大于0.7，說(shuō)明該模型有一定的預(yù)測(cè)能力，然而，AUC僅關(guān)注于模型的預(yù)測(cè)準(zhǔn)確性，因此它并不能提示該模型是否值得使用，DCA曲線是一種包含結(jié)果的統(tǒng)計(jì)學(xué)方法，因此可以為是否使用該模型的決策提供參考信息。通過(guò)該方法與TCGA患者的臨床特征一起應(yīng)用于預(yù)后模型，我們發(fā)現(xiàn)當(dāng)預(yù)后模型與年齡，性別，分期這些因素相結(jié)合預(yù)測(cè)時(shí)，肺鱗癌患者將受益更多。此外，多因素Cox回歸分析結(jié)果也驗(yàn)證了該模型計(jì)算的危險(xiǎn)評(píng)分與預(yù)后密切相關(guān)，可以作為獨(dú)立的一個(gè)預(yù)后因子(HR=1.139,95%CI=1.101-1.179,P<0.05)。

最后，預(yù)后模型經(jīng)諾莫列線圖來(lái)評(píng)估其預(yù)測(cè)的能力。諾莫列線圖是一種穩(wěn)定和可靠的工具，通過(guò)組合和描繪危險(xiǎn)因素來(lái)進(jìn)行定量分析，現(xiàn)已經(jīng)廣泛應(yīng)用于評(píng)估各種疾病的預(yù)后，包括肺癌。諾莫列線圖生成一個(gè)以圖表呈現(xiàn)的統(tǒng)計(jì)預(yù)測(cè)模型，為臨床特征中的特定因素(如年齡、性別、分期)賦值。通過(guò)總結(jié)所有列線中的點(diǎn)，諾莫列線圖可以為個(gè)體患者提供關(guān)于預(yù)后的數(shù)字化展示，例如總生存期，復(fù)發(fā)的時(shí)間，急性加重的間隔時(shí)間等[17]。除了傳統(tǒng)的臨床特征(TNM分期，腫瘤大小，靶基因突變)外，根據(jù)預(yù)后模型得出的風(fēng)險(xiǎn)評(píng)分也可以納入預(yù)測(cè)性諾莫列線圖中，以更好地預(yù)測(cè)預(yù)后結(jié)果。Li Y[10]報(bào)道了一個(gè)預(yù)測(cè)肺腺癌1年，3年，5年的OS生存概率的諾莫列線圖，并根據(jù)模型中的基因表達(dá)計(jì)算風(fēng)險(xiǎn)評(píng)分，結(jié)果提示風(fēng)險(xiǎn)評(píng)分和傳統(tǒng)預(yù)后因素相結(jié)合的評(píng)價(jià)方法比單獨(dú)使用傳統(tǒng)預(yù)后因素的評(píng)價(jià)方法更好，準(zhǔn)確性更高，其目的與本研究相同。正如校準(zhǔn)曲線所示，同時(shí)采用代謝相關(guān)基因模型和常規(guī)預(yù)后因子(年齡，性別，病理分期)的諾莫列線圖可以準(zhǔn)確地預(yù)測(cè)3年和5年的生存概率。

本研究采用多種生物信息學(xué)方法處理了大量的數(shù)據(jù)并進(jìn)行了分析，但仍有一些不足之處：⑴所有數(shù)據(jù)均來(lái)源于TCGA數(shù)據(jù)庫(kù)，納入病例組482例，正常對(duì)照組49例，病例組明顯多于對(duì)照組，可能導(dǎo)致差異基因結(jié)果出現(xiàn)選擇性偏倚，在將來(lái)的進(jìn)一步研究中，本研究將繼續(xù)結(jié)合自己的臨床數(shù)據(jù)進(jìn)行驗(yàn)證；⑵預(yù)后模型僅納入了代謝相關(guān)基因的表達(dá)水平，未考慮其他重要基因如自噬相關(guān)基因，甲基化相關(guān)基因等重要基因的表達(dá)水平對(duì)預(yù)后的影響，因此該模型的應(yīng)用價(jià)值還需要進(jìn)一步進(jìn)行完善和研究。

綜上所述，經(jīng)TCGA轉(zhuǎn)錄組測(cè)序數(shù)據(jù)庫(kù)的挖掘和分析，篩選出的8個(gè)代謝相關(guān)基因組成的預(yù)后模型對(duì)肺鱗癌預(yù)后有較好的預(yù)測(cè)價(jià)值，可能對(duì)肺癌病人的個(gè)體化治療和個(gè)體化預(yù)后早期評(píng)估提供一定幫助。