换一批基于多组学数据构建低级别胶质瘤患者预后预测模型
Prognostic prediction model for patients with low-grade gliomas based on multi-omics data
摘要目的 探讨综合聚类方法在识别低级别胶质瘤(LGG)亚型和预后预测中的应用.方法 采用集合了十种聚类算法的综合聚类算法(MOVICS)对TCGA下载的LGG患者多组学数据进行整合,得到聚类亚型;通过多因素Cox回归分析LGG的预后因素.使用mRNA数据构建随机森林分类预测模型来评估分类性能,用CGGA数据集进行外部验证.结果 LGG患者经过聚类分为两型,两组生存率差异具有统计学意义(x2=54.410,P＜0.001).多因素Cox回归分析结果表明,年龄(HR=1.053,95％CI:1.037～1.069)、癌症分级(HR=2.733,95％CI:1.836～4.069)和聚类亚型(HR=3.210,95％CI:2.216～4.650)都是LGG的预后因素,Nomogram图、校准曲线和ROC曲线结果表明模型的预测性能良好.十折交叉验证RF模型的平均预测准确率为87.81％,训练集、内部验证集和两个外部验证集的C指数分别为0.717、0.721、0.574和0.572,Brier评分分别为0.044、0.066、0.179和0.128,两个外部验证数据集的生存差异均有统计学意义(P＜0.05).结论 综合聚类方法能够有效识别LGG亚型,其亚型是LGG患者的预后因素,并在外部数据集CGGA中得到验证,可为LGG的临床个性化治疗提供重要的理论依据.
更多相关知识
分类号
R739.4（神经系肿瘤）
栏目名称
DOI
10.20043/j.cnki.MPM.202404262
发布时间
2024-08-09（万方平台首次上网日期，不代表论文的发表时间）
基金项目
山西省自然科学基金（201801D121210）
- 浏览15
- 被引3
- 下载1
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
