利用TCGA數(shù)據(jù)庫構(gòu)建腎透明細(xì)胞癌相關(guān)miRNA預(yù)后模型

高 艾，王昕苑，蘇依琳，蘇龍龍，張建輝，牛曉辰

(山西醫(yī)科大學(xué),太原 030000)

腎細(xì)胞癌(簡稱腎癌)是一類常見的惡性腫瘤，起源于腎小管上皮，約占成人腫瘤發(fā)病率的2%～3%[1]，主要病理類型有腎透明細(xì)胞癌、腎乳頭狀癌、腎嫌色細(xì)胞癌以及集合管癌等[2]。其中，腎透明細(xì)胞癌(Kidney renal clear cell carcinoma,KIRC)占腎癌的80%～90%，是最主要的病理類型[3]。隨著腫瘤檢測(cè)手段與治療方法的進(jìn)步，腎透明細(xì)胞癌患者的存活率得到顯著提高，但總體生存期以及無進(jìn)展生存期仍然較低，超過1/3的病人在診斷時(shí)已經(jīng)發(fā)生轉(zhuǎn)移，因此迫切需要新的早期診斷標(biāo)志物以及治療靶點(diǎn)來改善患者的生存預(yù)后情況[4]。微小RNA(microRNA，miRNA)是一類廣泛存在于動(dòng)植物體內(nèi)的短鏈非編碼RNA，僅有21～23個(gè)核苷酸序列，通過抑制翻譯或促進(jìn)細(xì)胞質(zhì)中mRNA降解來調(diào)控轉(zhuǎn)錄后的基因表達(dá)[5]。大量研究證實(shí)miRNA在癌癥的發(fā)生、發(fā)展、轉(zhuǎn)移和患者生存中發(fā)揮重要作用，作為一種可能的非侵入性生物標(biāo)志物，其預(yù)后價(jià)值在多種腫瘤中被廣泛研究[6-8]。但相關(guān)研究報(bào)道在腎透明細(xì)胞癌中較少，僅有的幾個(gè)研究也只是從miRNA的角度進(jìn)行預(yù)后評(píng)估[9-10]，未能聯(lián)系下游mRNA，進(jìn)而繪制miRNA-mRNA調(diào)控網(wǎng)絡(luò)，以miRNA-mRNA關(guān)系對(duì)的形式深入挖掘其在腎透明細(xì)胞癌中的作用，為相關(guān)診斷與治療提供參考，而這恰恰成為本研究的主要目的。

1 材料與方法

1.1 數(shù)據(jù)獲取與整理

于2020年7月12日檢索癌癥基因組圖譜數(shù)據(jù)庫(The Cancer Genome Atlas,TCGA,https://portal.gdc.cancer.gov/)并下載KIRC的mRNA與miRNA測(cè)序信息和相應(yīng)臨床數(shù)據(jù)，其中包括539例KIRC患者的腫瘤組織測(cè)序信息和72例正常組織測(cè)序信息。利用perl語言(perl 5.30.2,http://www.perl.org/)分別將mRNA與miRNA測(cè)序數(shù)據(jù)合并為矩陣文件；根據(jù)Ensembl數(shù)據(jù)庫(http://www.ensembl.org/)將mRNA文件中“Ensembl_Stable_ID”轉(zhuǎn)換為“Gene Symbol”，后整理為獨(dú)立文件；根據(jù)miRbase數(shù)據(jù)庫(http://www.mirbase.org/)將miRNA文件中的“MIMAT_ID”轉(zhuǎn)換為“hsa-miR_ID”，后整理為獨(dú)立文件。由于TCGA數(shù)據(jù)庫屬于公共的開放獲取數(shù)據(jù)，故本研究不需要相關(guān)倫理學(xué)審核與批準(zhǔn)。

1.2 差異分析

利用R語言(R 3.6.3,https://www.r-project.org/)中的edgeR包對(duì)mRNA與miRNA分別進(jìn)行差異分析，設(shè)置FDR(BH)矯正后的閾值P.adj<0.05，對(duì)數(shù)差異表達(dá)倍數(shù)變化絕對(duì)值|log2FC|>2；利用pheatmap包分別繪制表達(dá)上調(diào)或下調(diào)的前20個(gè)基因的熱圖。

1.3 預(yù)后模型構(gòu)建

利用perl語言將差異表達(dá)的miRNA同生存時(shí)間與生存狀態(tài)進(jìn)行合并，刪除臨床數(shù)據(jù)不完整以及生存時(shí)間小于30天的樣本；首先設(shè)置生存分析過濾條件：P.adj<0.05，后利用R語言中的caret包將樣本隨機(jī)分為實(shí)驗(yàn)組(Train組)和驗(yàn)證組(Test組)；利用survival包對(duì)Train組進(jìn)行單因素與多因素Cox回歸分析，篩選與患者預(yù)后密切相關(guān)的miRNA并構(gòu)建預(yù)后風(fēng)險(xiǎn)評(píng)分模型，模型計(jì)算公式為：風(fēng)險(xiǎn)值(risk score)=風(fēng)險(xiǎn)基因表達(dá)量1×coef1+風(fēng)險(xiǎn)基因表達(dá)量2×coef2+...+風(fēng)險(xiǎn)基因表達(dá)量n×coefn(coef為風(fēng)險(xiǎn)系數(shù))；利用預(yù)后模型分別計(jì)算Train組與Test組各樣本的風(fēng)險(xiǎn)值。將各組樣本的風(fēng)險(xiǎn)值從低到高排序，依據(jù)中位數(shù)將患者分為低風(fēng)險(xiǎn)組和高風(fēng)險(xiǎn)組，風(fēng)險(xiǎn)值越大，生存率越低。利用survminer與survival ROC包對(duì)Train組與Test組進(jìn)行Kaplan-Meier (K-M)生存分析并計(jì)算ROC曲線的AUC值(設(shè)置Train組：P.adj<0.01，AUC>0.70；Test組：P.adj<0.01，AUC>0.69)，如分組不滿足設(shè)置條件，則重新利用caret包進(jìn)行分組并循環(huán)。

1.4 預(yù)后模型評(píng)價(jià)

利用survival包輸出納入模型的miRNA的生存曲線，驗(yàn)證其生存情況與coef的關(guān)系；同時(shí)利用OncoLnc網(wǎng)頁工具(http://www.oncolnc.org/)輸出模型中miRNA的生存曲線，驗(yàn)證數(shù)據(jù)準(zhǔn)確性(截?cái)嘀担?0%)；根據(jù)預(yù)后模型計(jì)算所有樣本、Train組以及Test組的風(fēng)險(xiǎn)值，由低到高排序后根據(jù)中位數(shù)將患者分為高低風(fēng)險(xiǎn)兩組，輸出各組中模型的生存曲線，驗(yàn)證模型的準(zhǔn)確性；利用survival ROC包輸出所有樣本、Train組以及Test組的ROC曲線，評(píng)價(jià)模型的預(yù)測(cè)能力。將所有樣本的生存時(shí)間、生存狀態(tài)、年齡、性別、WHO分級(jí)、分期、TNM分期及風(fēng)險(xiǎn)評(píng)分整理為數(shù)值數(shù)據(jù)，其中：生存狀態(tài)(0，存活；1，死亡)、性別(0，女性；1，男性)，利用survival包進(jìn)行單因素與多因素的獨(dú)立預(yù)后分析，從而評(píng)估風(fēng)險(xiǎn)值是否能作為患者的獨(dú)立預(yù)后因子(評(píng)價(jià)標(biāo)準(zhǔn)：P.adj<0.01)。

1.5 miRNA-mRNA調(diào)控網(wǎng)絡(luò)構(gòu)建

利用miRDB(http://mirdb.org/)、miRTarBase(http://mirtarbase.cuhk.edu.cn/)與TargetScan(http://www.targetscan.org/)數(shù)據(jù)庫對(duì)納入模型的miRNA進(jìn)行靶基因預(yù)測(cè)，篩選同時(shí)被兩個(gè)及以上數(shù)據(jù)庫收錄的靶基因與1.2中差異表達(dá)的mRNA取交集，明確其靶關(guān)系以及上下調(diào)表達(dá)關(guān)系，利用Cytoscape 3.7.2軟件(https://cytoscape.org/)繪制miRNA-mRNA調(diào)控網(wǎng)絡(luò)。利用perl語言將納入網(wǎng)絡(luò)的mRNA同臨床數(shù)據(jù)進(jìn)行合并，利用R語言中的survival包進(jìn)行生存分析(設(shè)置P.adj<0.05)，篩選與患者生存預(yù)后密切相關(guān)的mRNA。為了進(jìn)一步篩選與患者生存預(yù)后相關(guān)的miRNA-mRNA調(diào)控關(guān)系對(duì)，根據(jù)miRNA對(duì)mRNA的功能發(fā)揮抑制作用這一生物學(xué)基礎(chǔ)，制定關(guān)系對(duì)篩選標(biāo)準(zhǔn)：“高表達(dá)，生存率低”的miRNA對(duì)應(yīng)的mRNA應(yīng)符合“低表達(dá)，生存率低”；“低表達(dá)，生存率低”的miRNA對(duì)應(yīng)的mRNA應(yīng)符合“高表達(dá)，生存率低”。這樣的miRNA-mRNA調(diào)控關(guān)系對(duì)具有重要生物學(xué)意義，通過選擇性調(diào)控上游miRNA的表達(dá)，進(jìn)而影響mRNA的表達(dá)，可改善腎透明細(xì)胞癌患者的生存情況。

2 結(jié)果

2.1 差異分析

相比于正常組織，在KIRC腫瘤組織中共有3 613個(gè)差異表達(dá)的mRNA(上調(diào)2 603個(gè)，下調(diào)1 010個(gè))，上調(diào)與下調(diào)最顯著的前20個(gè)mRNA(見圖1a)(C代表正常對(duì)照組，T代表腫瘤組)；共有49個(gè)差異表達(dá)的miRNA(上調(diào)28個(gè)，下調(diào)21個(gè))，上調(diào)與下調(diào)最顯著的前20個(gè)miRNA(見圖1b)。

圖1 差異表達(dá)的mRNA與miRNA(C代表正常對(duì)照組，T代表腫瘤組)Fig.1 Differentially expressed mRNAs and miRNAs(C represents control group,T represents tumor group)

2.2 預(yù)后模型構(gòu)建

刪除臨床數(shù)據(jù)不完整以及生存時(shí)間小于30天的樣本，共有499個(gè)樣本的miRNA表達(dá)數(shù)據(jù)被納入分析。單因素Cox回歸分析顯示，共有3個(gè)miRNA的表達(dá)情況與患者的生存預(yù)后明顯相關(guān)(見表1)；多因素Cox回歸分析顯示，共有2個(gè)miRNA被納入預(yù)后風(fēng)險(xiǎn)評(píng)分模型(見表2)，分別是hsa-miR-21-5p和hsa-miR-1251-5p；預(yù)后風(fēng)險(xiǎn)評(píng)分模型計(jì)算公式為：風(fēng)險(xiǎn)值(risk score)=hsa-miR-21-5p表達(dá)量×0.603+hsa-miR-1251-5p表達(dá)量×-0.093。模型構(gòu)建所基于的Train組共有251個(gè)樣本，Test組共有248個(gè)樣本。

表1 單因素Cox回歸分析Table 1 Univariate Cox regression analysis

表2 多因素Cox回歸分析Table 2 Multivariate Cox regression analysis

2.3 預(yù)后模型評(píng)價(jià)

hsa-miR-21-5p生存曲線(見圖2a)顯示，高表達(dá)組，生存率低；hsa-miR-1251-5p生存曲線(見圖2b)顯示，低表達(dá)組，生存率低。根據(jù)預(yù)后模型計(jì)算所有樣本、Train組以及Test組的風(fēng)險(xiǎn)值，所有樣本(見圖2c)、Train組(見圖2d)以及Test組(見圖2e)的生存曲線均顯示，高風(fēng)險(xiǎn)組生存率明顯低于低風(fēng)險(xiǎn)組，模型準(zhǔn)確。所有樣本(見圖2f)、Train組(見圖2g)以及Test組(見圖2h)的ROC曲線顯示，模型具備一定預(yù)測(cè)能力。利用OncoLnc網(wǎng)頁工具輸出hsa-miR-21-5p(見圖3a)與hsa-miR-1251-5p(見圖3b)在KIRC中的生存曲線，結(jié)果與本研究一致。單因素(見圖4a)與多因素(見圖4b)獨(dú)立預(yù)后分析顯示，年齡與風(fēng)險(xiǎn)值均可作為患者生存預(yù)后的獨(dú)立預(yù)測(cè)因子，且隨著二者的增大，患者生存率逐漸降低。

圖2 生存曲線與ROC曲線Fig.2 Survival curves and ROC curves

圖3 OncoLnc網(wǎng)頁工具Fig.3 OncoLnc web tool

圖4 單因素與多因素獨(dú)立預(yù)后分析Fig.4 Univariate and multivariate independent prognostic analyses

2.4 miRNA-mRNA調(diào)控網(wǎng)絡(luò)構(gòu)建

利用miRDB、miRTarBase與TargetScan三個(gè)數(shù)據(jù)庫對(duì)納入模型的2個(gè)miRNA，hsa-miR-21-5p與hsa-miR-1251-5p進(jìn)行靶基因預(yù)測(cè)，共預(yù)測(cè)到12 354個(gè)靶基因，其中同時(shí)被兩個(gè)及以上數(shù)據(jù)庫收錄的靶基因有991個(gè)，與1.2中差異表達(dá)的mRNA取交集，共得到31個(gè)靶基因，所構(gòu)建miRNA-mRNA調(diào)控網(wǎng)絡(luò)(見圖5)(圖中紅色代表表達(dá)上調(diào)，綠色代表表達(dá)下調(diào))。對(duì)網(wǎng)絡(luò)中的mRNA進(jìn)行生存分析，共有8個(gè)mRNA的表達(dá)與患者生存預(yù)后相關(guān)，分別是：AIF1L、ALX1、CLIC5、COBLL1、FCGR1A、FCGR1B、FGF1、NIPAL1，生存曲線(見圖6)。根據(jù)制定的miRNA-mRNA關(guān)系對(duì)篩選標(biāo)準(zhǔn)，共有7個(gè)關(guān)系對(duì)具有重要生物學(xué)意義，通過調(diào)控miRNA的表達(dá)，可影響下游mRNA水平的變化，進(jìn)而改善患者的生存預(yù)后情況(見表3)。

圖5 miRNA-mRNA調(diào)控網(wǎng)絡(luò)Fig.5 miRNA-mRNA regulatory network

圖6 mRNA生存曲線Fig.6 Survival curves of mRNAs

表3 miRNA-mRNA調(diào)控關(guān)系對(duì)Table 3 miRNA-mRNA regulatory pairs

3 討 論

miRNA作為一類具有調(diào)控功能的非編碼RNA，被證明幾乎參與腫瘤發(fā)生進(jìn)展的全過程，包括持續(xù)增殖、無限復(fù)制、回避生長抑制、抵抗凋亡、血管生成以及腫瘤微環(huán)境構(gòu)建等，在不同類型腫瘤中表達(dá)異常的miRNA通過作用于特定的靶基因mRNA，發(fā)揮抑癌或促癌作用[11]。由于其分子量較小，結(jié)構(gòu)穩(wěn)定不易降解，包裹在外泌體中的miRNA極易進(jìn)入循環(huán)系統(tǒng)，可穩(wěn)定存在于血清、血漿、腦脊液、唾液以及尿液等，這些特點(diǎn)使其逐步成為一種可靠的生物標(biāo)志物，被廣泛應(yīng)用在各類腫瘤的診斷與預(yù)后評(píng)估中[12]。而最新研究表明，一種新型的細(xì)胞內(nèi)活檢技術(shù)，僅需約10分鐘，即可從活細(xì)胞中分離出目標(biāo)miRNA，大大縮短檢測(cè)所需時(shí)間，同時(shí)操作簡單，靈敏度和準(zhǔn)確性都得以提升，這項(xiàng)技術(shù)為miRNA在體內(nèi)的檢測(cè)提供便利，同樣有助于癌癥的早期診斷與評(píng)估[13]。

本研究所構(gòu)建的預(yù)后模型共納入2個(gè)miRNA，分別是hsa-miR-21-5p與hsa-miR-1251-5p。miR-21是一個(gè)廣泛表達(dá)的miRNA，在多種腫瘤細(xì)胞中增高，可通過抑制PTEN或其他抑癌基因來發(fā)揮其致癌作用。研究發(fā)現(xiàn)，在腎透明細(xì)胞癌組織中，miR-21-5p的過表達(dá)可抑制SATB1的表達(dá)，進(jìn)而導(dǎo)致患者的不良預(yù)后[14]；另一項(xiàng)研究則對(duì)石蠟包埋的腎透明細(xì)胞癌組織中miRNA的表達(dá)與患者生存情況之間的關(guān)系進(jìn)行回顧性隊(duì)列研究，結(jié)果發(fā)現(xiàn)miR-21-5p 與 miR-210-3p表達(dá)上調(diào)最顯著，且與患者的不良預(yù)后密切相關(guān)[15]，這些研究均提示miR-21-5p可成為該腫瘤的有效預(yù)后評(píng)價(jià)指標(biāo)，構(gòu)建預(yù)后模型具有一定臨床意義。一項(xiàng)有關(guān)卵巢癌的研究發(fā)現(xiàn)，miR-1251-5p在癌組織中高表達(dá)，可通過靶向抑癌基因TBCC，進(jìn)而促進(jìn)癌細(xì)胞的增殖和自噬的發(fā)生[16]。而在本研究發(fā)現(xiàn)，miR-1251-5p在KIRC組織中低表達(dá)，但其高表達(dá)組生存率更高，且模型中coef值為負(fù)，即表達(dá)越多，患者的風(fēng)險(xiǎn)值越低，生存預(yù)后情況越好，提示過表達(dá)miR-1251-5p在KIRC中可能發(fā)揮抑制癌組織的作用，這與卵巢癌中的研究不一致。由于同一miRNA在不同組織中往往結(jié)合不同靶基因發(fā)揮不同功能，因此miR-1251-5p與KIRC生存預(yù)后的關(guān)系仍有待考證，具有一定研究價(jià)值。

由于一個(gè)miRNA的靶基因往往有多個(gè)，一個(gè)靶基因又可能和多個(gè)miRNA相互作用，組成復(fù)雜的調(diào)控網(wǎng)絡(luò)，而單純糾正某個(gè)miRNA異?？赡軙?huì)引起許多副作用，只有從miRNA-mRNA調(diào)控關(guān)系對(duì)的角度出發(fā)，精準(zhǔn)調(diào)控mRNA的表達(dá)，才能實(shí)現(xiàn)對(duì)腫瘤的靶向治療。因此本研究通過對(duì)KIRC腫瘤組織與正常組織mRNA的表達(dá)情況進(jìn)行差異分析，篩選到3 613個(gè)差異表達(dá)的mRNA，后與miRNA的靶基因進(jìn)行取交集，得到31個(gè)mRNA，對(duì)這些mRNA進(jìn)行生存分析并根據(jù)關(guān)系對(duì)篩選標(biāo)準(zhǔn)，篩選到7個(gè)miRNA-mRNA進(jìn)行后續(xù)研究。

其中，與miR-21-5p結(jié)合的mRNA共有5個(gè)，分別是AIF1L、CLIC5、COBLL1、FGF1、NIPAL1，且在KIRC組織中均低表達(dá)，生存分析均顯示低表達(dá)組的生存率較低，提示其均可能發(fā)揮抑癌作用。(1)AIF1L(allograft inflammatory factor 1 like，同種異體移植炎癥因子1樣)是一類具有EF手型模序結(jié)構(gòu)的鈣結(jié)合蛋白，其在腎臟組織中高表達(dá)。一項(xiàng)有關(guān)乳腺癌的研究表明，腫瘤組織中AIF1L低表達(dá)且高度甲基化，其可導(dǎo)致患者的不良預(yù)后，過表達(dá)AIF1L則可抑制細(xì)胞的擴(kuò)散，改變細(xì)胞形態(tài)，減少突起的形成[17]。(2)CLIC5(chloride intracellular channel 5，細(xì)胞內(nèi)氯離子通道5)所編碼的蛋白質(zhì)與肌動(dòng)蛋白為基礎(chǔ)的細(xì)胞骨架結(jié)構(gòu)相關(guān)，同時(shí)參與腎小球足細(xì)胞和內(nèi)皮細(xì)胞的維持。研究表明，在肝癌細(xì)胞Huh7中抑制CLIC5表達(dá)，可導(dǎo)致腫瘤細(xì)胞遷移和侵襲能力下降[18]；而在小兒急性淋巴細(xì)胞白血病中發(fā)現(xiàn)，過表達(dá)CLIC5可促進(jìn)氧化應(yīng)激誘導(dǎo)的DNA損傷積累，從而促進(jìn)白血病的發(fā)生[19]。(3)COBLL1(cordon-bleu WH2 repeat protein like 1，藍(lán)帶WH2重復(fù)蛋白1)在腎臟組織中高表達(dá)，其具有肌動(dòng)蛋白結(jié)合結(jié)構(gòu)域，在臨床前列腺癌組織中表達(dá)上調(diào)，并與前列腺癌患者不良預(yù)后有關(guān)[20]；在慢性髓系白血病的急性轉(zhuǎn)化期，COBLL1高表達(dá)，且與生存率降低顯著相關(guān)[21]。(4)FGF1(fibroblast growth factor 1，成纖維細(xì)胞生長因子1)是成纖維細(xì)胞生長因子家族的一員，具有廣泛的有絲分裂和細(xì)胞存活活性，參與多種生物過程，包括胚胎發(fā)育、細(xì)胞生長、形態(tài)形成、組織修復(fù)、腫瘤生長和侵襲等。研究證實(shí)，F(xiàn)GF家族成員在功能上參與了腎透明細(xì)胞癌的進(jìn)展，通過自分泌和(或)旁分泌的作用直接刺激細(xì)胞增殖[22]。(5)NIPAL1(NIPA like domain containing 1，NIPA類域包含子1)在食管癌組織中表達(dá)降低，過表達(dá)該基因通過阻滯細(xì)胞G2/M期，抑制細(xì)胞有絲分裂及減少細(xì)胞骨架中絲狀偽足和板狀偽足的形成，抑制癌細(xì)胞的增殖和遷移[23]；而在口腔鱗狀細(xì)胞癌中的研究則發(fā)現(xiàn)，NIPAL1可調(diào)節(jié)腫瘤細(xì)胞和內(nèi)皮細(xì)胞的生長和粘附，發(fā)揮促癌作用[24]。因此，AIF1L極有可能是KIRC的一個(gè)抑癌基因，成為有效治療靶點(diǎn)；NIPAL1在不同腫瘤類型中發(fā)揮促癌或抑癌作用，其與KIRC的關(guān)系有待進(jìn)一步研究與考證；而CLIC5、COBLL1、FGF1三個(gè)mRNA在幾類癌癥中均發(fā)揮促癌作用，與我們的假設(shè)相異。

與miR-1251-5p結(jié)合的mRNA有2個(gè)，分別是FCGR1A(Fc fragment of IgG receptor Ia，免疫球蛋白G Fc段受體1α)與FCGR1B(Fc fragment of IgG receptor Iβ，免疫球蛋白G Fc段受體1β)，它們是位于1號(hào)染色體上相互關(guān)聯(lián)的兩個(gè)基因，該家族共有三個(gè)亞型，共同編碼高親和力的Fc -γ受體。二者在KIRC組織中均高表達(dá)，且生存分析顯示高表達(dá)組生存率較低，提示其可能發(fā)揮促癌作用。一項(xiàng)前瞻性研究發(fā)現(xiàn)，F(xiàn)CGR1A的高表達(dá)與三陰性乳腺癌患者的不良預(yù)后有關(guān)[25]；另一項(xiàng)研究則發(fā)現(xiàn)，抗癌基因miR-29可通過靶向FCGR1B，降低KIRC腫瘤細(xì)胞的遷移和侵襲能力，改善患者的生存預(yù)后情況[26]。

本研究發(fā)現(xiàn)一個(gè)新的miRNA與KIRC生存預(yù)后相關(guān)，即hsa-miR-1251-5p；發(fā)現(xiàn)7個(gè)miRNA-mRNA調(diào)控關(guān)系對(duì)可為腎透明細(xì)胞癌的研究與治療提供靶點(diǎn)，其中miR-21-5p-AIF1L、miR-21-5p-NIPAL1、miR-1251-5p-FCGR1A與miR-1251-5p-FCGR1B，此4個(gè)關(guān)系對(duì)均未在KIRC中研究報(bào)道，具有較大研究價(jià)值與可信度。本研究的特色之處在于，利用miRNA進(jìn)行預(yù)后模型構(gòu)建，作為一種無創(chuàng)性檢查手段具有一定應(yīng)用價(jià)值；所分析的miRNA與mRNA數(shù)據(jù)均來源于同一批患者，具有一定說服力；在miRNA-mRNA調(diào)控網(wǎng)絡(luò)的基礎(chǔ)上，進(jìn)一步進(jìn)行mRNA的生存分析，篩選到更具研究價(jià)值的調(diào)控關(guān)系對(duì)。本研究的不足之處在于，未在其他數(shù)據(jù)集中對(duì)預(yù)后模型進(jìn)行驗(yàn)證與評(píng)估；所篩選到的mRNA表達(dá)與生存情況未在蛋白質(zhì)層面進(jìn)行分析；未對(duì)有研究價(jià)值的調(diào)控關(guān)系對(duì)進(jìn)行功能實(shí)驗(yàn)驗(yàn)證；這些將在后續(xù)研究中進(jìn)一步完善。

4 結(jié) 論

1)通過對(duì)TCGA數(shù)據(jù)庫中KIRC的mRNA與miRNA數(shù)據(jù)進(jìn)行差異分析，結(jié)合臨床數(shù)據(jù)通過miRNA表達(dá)量有關(guān)的單因素與多因素Cox回歸分析，成功構(gòu)建可預(yù)測(cè)患者生存預(yù)后情況的風(fēng)險(xiǎn)評(píng)分模型，計(jì)算公式為：風(fēng)險(xiǎn)值(Risk score)=hsa-miR-21-5p表達(dá)量×0.603+hsa-miR-1251-5p表達(dá)量×-0.093。

2)通過對(duì)納入模型的miRNA進(jìn)行靶基因預(yù)測(cè)，結(jié)果與差異表達(dá)的mRNA取交集，成功構(gòu)建miRNA-mRNA調(diào)控網(wǎng)絡(luò)，對(duì)網(wǎng)絡(luò)中的mRNA進(jìn)行生存分析，篩選到7個(gè)重要的調(diào)控關(guān)系對(duì)，可為相關(guān)研究與治療提供理論支持。