目的:筛选与胶质瘤患者预后相关的差异表达基因(DEGs)并预测其潜在生物学功能。方法:通过基因表达综合数据库(GEO)数据集下载胶质瘤mRNA数据集、中国脑胶质瘤基因组图谱(CGGA)数据集下载胶质瘤甲基化数据集，进行差异分析并取交集。对差异化基因进行生物功能及通路富集分析( P<0.05)，使用STRING和Cytoscape构建DEGs的蛋白-蛋白相互作用网络(PPI)，筛选核心基因。利用癌症基因组图谱计划(TCGA)数据库对筛选出核心基因进行表达验证及生存分析( P<0.05)。 结果:在不同级别胶质瘤的差异化分析中共识别出3个上调DEGs和25个下调DEGs，PPI分析得出11个核心基因。这11个基因生物功能富集主要是神经再生( P<0.01)，信号通路富集主要是羟色胺能神经突触( P<0.05)。Kaplan-Meier生存分析发现，其中9个DEGs的高表达与患者总生存率呈正相关( P<0.01)。 结论:筛选出的DEGs参与胶质瘤的恶性进展，从而影响患者预后。

目的:探索胶质母细胞瘤(GBM)发生发展过程中发生差异表达的基因并初步探讨其功能及作用，以明确影响GBM生物学行为的靶基因。方法:应用GEO2R在线分析从基因表达综合数据库(GEO)中获取的GSE70231数据集的原始基因表达谱，从而得到差异表达基因；应用DAVID数据库对差异表达基因进行基因本体(GO)功能及京都基因与基因组百科全书(KEGG)通路富集分析；应用STRING数据库构建差异表达基因的蛋白质-蛋白质相互作用(PPI)网络，然后应用Cytoscape中的插件cytoHubba和MCODE分析PPI网络，从而获取靶基因；应用基于癌症基因组图谱(TCGA)数据库中样本数据的GEPIA在线分析靶基因在GBM组织中的表达情况及其对患者总生存期的影响，最后应用人体组织的RNA-seq数据集GSE50021验证筛选出来的靶基因。结果:共筛选出520个GBM组织与正常脑组织间的差异表达基因，包含305个上调基因和215个下调基因。GO功能富集分析显示，差异表达基因的生物学过程主要富集在信号转导、细胞粘附、细胞增殖的正调控等方面，细胞学组分主要为细胞外外泌体、细胞质、细胞质膜等，分子功能显著富集在蛋白质结合率方面。KEGG通路富集分析显示，差异表达基因主要富集于丝裂原活化蛋白激酶信号通路、癌症中的蛋白多糖信号通路、催产素信号通路、钙信号通路。应用插件cytoHubba和MCODE从差异表达基因的PPI网络中共获取到17个靶基因，靶基因功能分析及临床样本验证显示8个基因( VCAM1、 SPP1、 ITGB1、 CTGF、 VIM、 ITGAV、 COL1A1、 BCL2A1)为影响GBM生物学行为的靶基因，其中 BCL2A1、 COL1A1、 ITGAV这3个靶基因与GBM的关系报道尚少，GSE50021数据集验证显示这3个靶基因在GBM组织中的表达明显高于正常脑组织，差异均有统计学意义( P<0.05)。 结论:本研究分析得出的8个靶基因尤其是 BCL2A1、 COL1A1、 ITGAV可能是未来探寻GBM发病机制及其诊断治疗的重要研究靶点。

目的:观察AFAP1L1基因在胃癌中的表达及与患者预后的相关性，并探讨其在胃癌发生、发展中的相关功能及可能机制。方法:利用癌症基因组图谱(TCGA)数据分析AFAP1L1在泛癌中的表达差异情况，并通过Kaplan-Meier分析AFAP1L1与胃癌及其他肿瘤预后的相关性。在胃癌中选择与AFAP1L1正相关的前300个基因进行基因本体(GO)富集、京都基因与基因组百科全书(KEGG)信号通路分析。最后利用RNA干扰技术沉默胃癌细胞中AFAP1L1表达后进行细胞计数试剂盒(CCK-8)测定，集落形成测定和裸鼠皮下移植瘤实验评估AFAP1L1对胃癌细胞增殖的影响。多组间比较应用单因素方差分析，两组间比较采用 t检验。 结果:TCGA数据分析显示，AFAP1L1在包括胃癌在内的多种肿瘤中高表达。生存分析结果显示AFAP1L1高表达与胃癌的预后差相关( P<0.05)。基因富集与功能分析显示ALKBH1高表达与细胞增殖相关基因密切相关，沉默AFAP1L1能抑制胃癌细胞的增殖和克隆形成能力，差异有统计学意义( F＝23.412、29.153， P<0.05)，同时沉默AFAP1L1后裸鼠移植瘤的体积和重量也明显小于对照组，差异有统计学意义( t＝12.462、9.541， P<0.05)。 结论:AFAP1L1在胃癌组织中高表达可作为患者预后不良的分子标志物，可通过促进细胞增殖促进胃癌发生和发展。

肿瘤基因组图谱(The Cancer Genome Atlas，TCGA)涵盖了多种癌症组学数据，包括转录组数据、表观遗传组学数据、基因突变数据和疾病样本临床数据等，是肿瘤研究中不可或缺的工具。文章介绍近年来围绕TCGA数据库进行的消化系统、呼吸系统部分肿瘤学研究成果，期望利用数据库资源为相关科研人员提供肿瘤基因组学研究的新思路。

目的:基于生物信息学分析的自噬相关基因构建肺鳞状细胞癌（SqCLC）预后模型并验证。方法:从癌症基因组图谱（TCGA）数据库下载268例SqCLC患者的表达谱数据和临床信息，从基因型组织表达（GTEx）数据库下载336名健康人正常肺组织的数据集；从人类自噬数据库（HADb）及分子特征数据库（MSigDB）6.2中的GO_AUTOPHAGY基因组中获得自噬相关基因组。应用R 4.0.3软件分析TCGA数据库中SqCLC组织与GTEx数据库中正常肺组织间差异表达基因。使用R 4.0.3软件筛选TCGA数据库SqCLC组织和正常肺组织间差异表达的自噬相关基因（简称：差异表达自噬基因）。应用Cox比例风险模型分析TCGA数据库SqCLC患者差异表达自噬基因与预后的关系，构建预后模型。依据预后模型风险评分中位数将TCGA数据库SqCLC患者分为高风险组和低风险组，采用Kaplan-Meier法比较两组总生存；绘制应用预后模型预测的TCGA数据库268例患者3、5、10年总生存率的时间相关受试者工作特征（ROC）曲线。采用Cox回归分析TCGA数据库SqCLC患者总生存的独立影响因素，建立预后指数公式，根据一致性指数和受限平均生存（RMS）曲线，比较单独预后模型风险评分的预后指数与风险评分联合独立影响因素的预后指数预测TCGA数据库患者生存效果；采用R 4.0.3软件构建预测患者3、5、10年总生存率的列线图。结果:筛选出6个预后相关差异表达自噬基因，并构建预后模型为：风险评分＝PEX14×0.337+CASPASE-8×（-0.280）+TM9SF1×0.292+UBB×0.472+P4HB×0.163+CTSA×0.173。TCGA数据库中高风险组总生存较低风险组差（ P<0.001）。时间依赖性ROC曲线分析显示，预后模型风险评分预测TCGA数据库中268例患者3、5、10年总生存率的曲线下面积（AUC）分别为0.715、0.715、0.831。多因素Cox回归分析显示，年龄、分期和预后模型风险评分为TCGA数据库SqCLC患者总生存的独立影响因素，预后指数＝0.998 ×风险评分+0.725 ×分期+ 0.559 ×年龄。RMS曲线显示，相对于预后模型风险评分预测总生存，3个独立预后影响因素相结合的预后指数预测总生存效果更佳（一致性指数：0.68比0.65， P＝0.045）。采用年龄、分期和预后模型风险评分构建了预测SqCLC患者生存的列线图，其校正曲线接近理想曲线。 结论:成功建立了基于6个特征性差异表达自噬相关基因的SqCLC预后模型，内部验证显示该模型结合其他临床病理因素可对SqCLC患者生存的预测提供一定帮助。

目的:探讨自噬相关长链非编码RNA(LncRNA)在肺腺癌(LUAD)中的预后作用，并构建LUAD自噬相关LncRNA预后风险模型。方法:从癌症基因组图谱(TCGA)获取LUAD转录组数据和临床资料，从HADb网站下载自噬基因列表，采取Pearson相关性分析法筛选与自噬基因相关的LncRNA，采用单因素Cox回归分析和Kaplan-Meier法筛选具有预后意义的LncRNA，而后应用多因素Cox回归分析筛选出具有预后价值的自噬相关LncRNA，并构建预后风险模型。使用多因素Cox回归系数计算LUAD患者的风险评分，分为低风险组、高风险组，对比两组患者的生存差异，采用受试者工作特征曲线评价模型的灵敏性和特异性。结果:共筛选LUAD自噬相关LncRNA 257个(相关系数|R|>0.5， P<0.001)，通过单因素Cox回归分析筛选出14个自噬相关LncRNA对LUAD患者具有预后价值( P<0.05)，多因素Cox回归分析筛选出7个具有预后价值的自噬相关LncRNA，其中，UGDH-AS1、AC090559.1、HCG18、AC026355.1和LINC00996与LUAD患者的总生存期呈负相关，而ABALON和AC099850.3与LUAD患者总生存期呈正相关；另构建LUAD预后风险模型，低风险组与高风险组间患者生存期差异有统计学意义( P<0.01)，预测模型受试者工作特征曲线下面积(AUC)>0.7( P<0.05)，预后模型的风险评分是LUAD的独立预测因子，风险评分与肿瘤分期、T分期、淋巴结转移显著相关( P<0.05)。 结论:基于7个自噬相关LncRNA构建的预后风险模型可能有效预测LUAD患者预后，有助于LUAD患者的精准化治疗。

目的:探讨孪蛋白DNA复制抑制因子(GMNN)基因不同表达水平在胰腺癌患者的临床意义和预后价值。方法:利用癌症基因组图谱(TCGA)数据库下载胰腺癌转录组数据和临床信息，运用生物信息学方法分析GMNN基因在胰腺癌组织中表达差异及临床病理特征相关性，使用R语言进行基因本体(GO)和京都基因与基因组百科全书(KEGG)通路富集分析。采用Cox回归分析胰腺癌患者生存预后影响因素，使用R包单样本基因集富集分析(ssGSEA)方法探索胰腺癌关键基因表达水平与免疫细胞浸润相关性。分别采用Wilcoxon秩检验或 χ2检验分析两组或多组间差异。 结果:GMNN基因mRNA水平在不同病理分级胰腺癌患者之间有差异，GMNN高表达与胰腺癌病理分级，糖尿病病史，总生存(OS)之间存在显著相关性( P<0.05)。GO和KEGG通路富集分析发现，相关差异基因主要影响细胞化学突触传递调节，细胞膜电位调节等信号通路。生存分析发现，低GMNN表达水平组OS显著长于高表达组[2.901(1.810，3.518)比1.416(1.153，1.717)，风险比( HR)＝2.229，95%置信区间( CI)：1.451～3.425， P<0.01]，多因素Cox回归分析显示，肿瘤残余情况和GMNN表达水平[ HR＝2.075(1.286～3.348)， P<0.01]是影响胰腺癌患者OS的独立风险因素。免疫浸润分析发现，GMNN与抗原递呈细胞，树突状细胞细胞等多种免疫细胞浸润水平之间有密切相关性。 结论:GMNN高表达患者在胰腺癌预后中OS更差，是影响胰腺癌OS的独立风险因素，其表达水平与免疫细胞浸润明显相关。

目的:全面分析肝癌的RNA结合蛋白和转录因子基因表达及免疫浸润对肝癌预后的预测价值。方法:在癌症基因组图谱(TCGA)( n＝365)、基因表达综合数据库GSE54236( n＝78)和GSE14520( n＝221)中筛选RNA结合蛋白和转录因子的共同基因集，单因素Cox回归分析进行初筛，通过LASSO-Cox构建生存回归模型，通过标准化得到整合RNA结合蛋白和转录因子的复合指数CIRT，根据其中位数将肝癌患者分为CIRT high组( n＝182)和CIRT low组( n＝182)，并分析两组免疫浸润等差异。 结果:共筛选出37个预后相关的RNA结合蛋白和转录因子基因，通过LASSO-Cox构建基于其中7个最相关基因的预后预测模型。CIRT high组患者的M1型巨噬细胞( P＝0.032)、M2型巨噬细胞( P＝0.009)、静息肥大细胞( P<0.001)、活化自然杀伤细胞( P＝0.007)和静息记忆CD4 ＋ T细胞水平较低( P<0.001)，而CIRTlow组的静息树突状细胞( P＝0.048)、M0型巨噬细胞( P<0.001)、中性粒细胞( P＝0.049)、滤泡辅助性T细胞( P＝0.004)和调节性T细胞( P＝0.001)水平较低，差异具有统计学意义。基因富集分析显示，CIRT high组的TCGA和GSE14520在细胞周期、DNA修复过程中高度富集。在TCGA队列中，CIRT low组的患者比CIRThigh组的患者总生存更优。对TCGA队列中5年随访数据进行分析，CIRT对于肝癌患者长期生存预后具有良好的预测价值(受试者工作特征曲线下面积0.71)。 结论:在肝癌中建立了基于RNA结合蛋白和转录因子表达谱以及免疫细胞浸润的新的预后指标，CIRT可以作为一个独立的预后预测指标。

目的:寻找与肺鳞状细胞癌(LUSC)预后相关的受甲基化调控的长链非编码RNA(lncRNA)。方法:从癌症基因组图谱(TCGA)数据库下载502例LUSC患者的基因表达、甲基化和临床数据，进行甲基化和lncRNA表达的差异分析。筛选出位于差异甲基化区域(DMRs)的lncRNA，并进行生存分析和临床相关性分析。构建竞争性内源性RNA网络并对网络中的靶基因进行通路富集分析。用实时荧光定量聚合酶链式反应(qPCR)在14例LUSC术后组织样本中验证lncRNA的表达。结果:共鉴定出40 680个差异甲基化位点(dm-CpGs)和14 418个DMRs。dm-CpGs大多数位于基因体，转录起始位点上游200、1 500 bp和5’非翻译区(UTR)。37个差异表达的lncRNAs(DElncRNAs)位于DMRs中。其中14个DElncRNAs与DNA甲基化水平呈负相关。生存分析显示，3个DElncRNAs(TBX5-AS1、SFTA3、MAGI2-AS3)低表达组的总生存率(OS)均高于高表达组[5年OS(TBX5-AS1)：50.8%比45.3%，风险比( HR)＝1.39， P<0.05；5年OS(SFTA3)：54.4%比41.8%， HR＝1.37， P<0.05；5年OS(MAGI2-AS3)：52.6%比43.3%， HR＝1.44， P<0.05]。多因素Cox回归分析显示，由这3个lncRNA所构建的预后模型可作为LUSC总生存的独立预测因素( HR＝2.746，95%可信区间：1.380～5.466， Z＝2.88， P<0.01)。SFTA3在女性LUSC患者中表达高于男性[0.964(0.909，1.216)比0.672(0.393，1.014)， W＝26 701， P<0.01]。TBX5-AS1在>60岁患者中表达高于≤60岁患者[0.720(0.411，1.034)比0.596(0.298，0.907)， W＝22 152， P<0.05]，在女性患者中表达高于男性[0.746(0.453，1.078)比0.637(0.370，1.002)， W＝19 635, P<0.05]，在Ⅳ期患者中表达高于Ⅰ＋Ⅱ＋Ⅲ期患者[0.964(0.909，1.216)比0.672(0.393，1.014)， W＝740， P<0.05]。通路富集分析显示MAGI2-AS3的靶基因主要富集PI3K-Akt、MAPK和Rap1等信号通路。qPCR结果显示，临床LUSC样本中TBX5-AS1、SFTA3、MAGI2-AS3在肿瘤中表达均低于正常组织[TBX5-AS1：0.006(0.001，0.013)比0.019(0.012，0.044)， W＝154， P<0.01；SFTA3：0.003(0.001，0.004)比0.022(0.015，0.030)， W＝187， P<0.01；MAGI2-AS3：0.030(0.009，0.052)比0.148(0.094，0.217)， W＝162， P<0.01]。 结论:lncRNA(SFTA3、MAGI2-AS3和TBX5-AS1)的表达与LUSC预后密切相关，在LUSC中表达下调且受DNA甲基化调控。

目的:探究特异性蛋白1(SP1)在肝癌组织中的表达及其与相关临床特征的关联，分析其在肝癌中的诊断和预后价值。方法:选取华中科技大学同济医学院附属武汉中心医院2017年1月至2019年1月期间30例住院接受手术切除的肝细胞肝癌患者的癌和对应癌旁组织标本，其中男28例、女2例，年龄(48.0±7.3)岁。采用免疫组织化学方法(IHC)检测SP1的表达。从高通量基因表达数据库(GEO)和癌症基因组图谱(TCGA)数据库中下载肝癌患者的基因表达数据以及临床信息，以分析SP1在癌和癌旁组织中的差异表达。利用受试者工作特征曲线(ROC)评估SP1区分肝癌和正常组织的能力。根据SP1表达中位数，将患者分为高表达组(181例)和低表达组(181例)，并进行Kaplan-Meier生存分析。利用基因集富集分析(GSEA)研究SP1调控的潜在分子机制。结果:IHC显示SP1在肝癌组织中的阳性表达率明显高于癌旁组织[80%(24/30)比40%(12/30)， χ2＝8.403， P<0.01]。对TCGA和GEO数据集分析显示SP1的表达水平与肝癌分化程度相关( r＝0.197， P<0.01)；ROC分析表明，SP1诊断肝癌的ROC曲线下面积均大于0.7；Kaplan-Meier分析显示高表达SP1肝癌患者的总体生存期(OS)低于低表达SP1的肝癌患者(中位OS：3.83年比4.91年， χ2＝4.592， P<0.05)；单因素COX回归分析显示SP1是影响肝癌预后的危险因素(风险比＝1.463，95%可信区间：1.031~2.077， P<0.05)；GSEA分析显示，高表达SP1肝癌中Wnt、细胞周期等细胞通路显著富集。 结论:SP1在肝癌中高表达。