此外，我们通过Western印迹和qPCR验证了肝癌患者样本中HCC细胞系中三个基因的表达以及IHC的蛋白质表达水平。最后，我们构建了TF临床特征列线图，以进一步预测TCGA队列的肝癌患者生存率。研究结果：通过Cox回归分析，确定了15个TF（ZNF331，MYCN，AHRR，LEF1，ZNF780A，POU1F1，DLX5，ZNF775，PLSCR1，FOXK1，TAL2，Z...
此外,我们通过Western印迹和qPCR验证了肝癌患者样本中HCC细胞系中三个基因的表达以及IHC的蛋白质表达水平。最后,我们构建了TF临床特征列线图,以进一步预测TCGA队列的肝癌患者生存率。 研究结果: 通过Cox回归分析,确定了15个TF(ZNF331,MYCN,AHRR,LEF1,ZNF780A,POU1F1,DLX5,ZNF775,PLSCR1,FOXK1,TAL2,ZNF558,SOX9...
ceRNA网络构建分析流程 数据:TCGA数据库人类HCC表达谱数据以及临床信息(LIHC),表达数据包括lncRNA、mRNA以及miRNA;GEO基因表达谱-GSE410804作为验证数据集靶基因预测数据库:tarbase、targetscan、miRDB数据分析思路:1.样本按照两组分组类型(PTEN高表达/低表达、肿瘤组织/正常组织)分别进行差异表达分析,获得各自的差异mRNA、l...
This study systematically evaluates the TCGA whole-transcriptome sequencing data of hepatocellular carcinoma (HCC) by comparing the global gene expression profiles between tumors and their corresponding nontumorous liver tissue. Based on the differential gene expression analysis, we identified a number of ...
目的 筛选与预后有关的程序性细胞死亡(programmed cell death,PCD)相关的长链非编码RNA(long non-coding RNA,lncRNA)并以此构建肝细胞癌(hepatocellular carcinoma,HCC)的预后风险评估列线图。方法 将从癌症基因组图谱中选择的HCC患者按1∶1随机抽样分为训练集和验证集。采用Pearson相关性分析筛选PCD相关lncRNAs,再用...
为了在HCC中建立具有良好预后价值的核心ceRNA网络,首先分析hub网络中RNA在PTEN高/低组以及癌症组织/正常组织中的表达水平。正如之前所提到的,PTEN高/低组中的RNA表达水平与癌症组织/正常组织相反。结果显示,在PTEN高/低组中,hub网络中RNA表达水平为:1个下调lncRNA(DLEU2L)和2个无差异lncRNA(ARRDC1-AS1、FAM99A)...
(1)首先对来自GEO的HCC单细胞数据集,进行分群与细胞类型注释。 (2)基于此,使用CIBERSORT算法去预测TCGA每个样本的细胞类型组成比例。 (3)然后使用WGCNA算法得到一个与肿瘤最相关的module,以及与之最相关的cluster类型。 (4)之后取tumor deg、module gene、cluster marker gene交集进行cox回归与LASSO分析,得到一个3基...
目的:免疫相关基因(IRGs)在肿瘤免疫微环境中起着重要作用,本研究基于IRGs构建肝细胞癌(HCC)患者的生存预测模型,评估HCC患者预后,并探讨其对免疫微环境的影响.方法:从癌症基因组图谱(TCGA)和免疫学数据库和分析门户(ImmPort)获取HCC样本的免疫相关基因mRNA表达数据.使用limma R包鉴定差异表达的免疫相关基因(DEIRGs)....
分析发现 MARC2 在肝组织中表现出特别高的表达并且在包括 HCC 的不同类型的肿瘤中下调,并在 HCC 患者的 TCGA mRNA 芯片分析发现,与邻近的非肿瘤组织相比,肿瘤组织中 MARC2 的基因表达显着降低(并在 GEO 和 ICGC-LIRI 数据库验证)。同时,临床病理特征分析表明,MARC2 的低表达与较大的肿瘤大小、较高的 AFP ...
发表于 March 2018,题目是:Deep Learning–Based Multi-Omics Integration Robustly Predicts Survival in Liver Cancer 使用的就是TCGA HCC cohort (360个病人), 这里选取了3种数据,mRNA, DNA methylation and miRNA 首先走deep Learning流程 (就是简单的keras) ...