Onderzoeksartikel
* These authors contributed equally
Deze studie leidt een COPD-geassocieerd PANoptosis-genset af uit openbare transcriptomische gegevens en past deze toe op longplaveiselcarcinoomcohorten om een prognostische signatuur te ontwikkelen die retrospectief geëvalueerd wordt. De signatuur was geassocieerd met immuuninfiltratie en computationeel voorspelde geneesmiddelgevoeligheid, wat hypothese-genererende kandidaat-biomarkers leverde voor toekomstige risicostratificatiestudies.
Chronische obstructieve longziekte (COPD) is een progressieve ontstekingsziekte die het risico op longplaveiselcelcarcinoom (LUSC) verhoogt. PANoptosis integreert pyroptose, apoptose en necroptose, maar de relatie tussen COPD-geassocieerde PANoptose-genen en de prognose van LUSC blijft onduidelijk. In deze studie hebben we eerst COPD-geassocieerde, differentieel tot expressie gebrachte genen afgeleid van GSE57148 door COPD-longweefsels te vergelijken met normale longweefsels en deze genen te combineren met een gecureerde PANoptose-geassocieerde genenlijst. De resulterende genset werd vervolgens toegepast op TCGA-LUSC, GSE30219 en GSE37745, die werden geanalyseerd als LUSC-cohorten zonder bevestigde patiëntniveau COPD-comorbiditeitsannotatie. We evalueerden de genexpressiepatronen van PANoptosis, voerden ongecontroleerde clustering uit, karakteriseerden immuuninfiltratieverschillen tussen clusters en construeerden een prognostische signatuur met externe validatie. We identificeerden 38 COPD-geassocieerde PANoptosis-genen met differentiële expressie tussen weefseltypen. Twee moleculaire subtypes vertoonden verschillende immuunlandschappen, immuuncontrolepuntexpressie en algehele overleving. Een 12-genen risicomodel, geselecteerd door univariate Cox- en LASSO Cox-regressie, schafte patiënten in hoog- en laagrisicogroepen en toonde bescheiden tot matige voorspellende prestaties in de TCGA-LUSC, GSE30219 en GSE37745 cohorten. Hoogrisicopatiënten vertoonden ook hogere computationeel voorspelde IC50-waarden voor meerdere middelen, wat wijst op een lagere voorspelde medicijngevoeligheid in plaats van experimenteel bevestigde chemotherapieresistentie. Deze bevindingen geven aan dat COPD-geassocieerde PANoptorese-genen geassocieerd zijn met prognose, immuunmicro-omgevingsremodellering en voorspelde medicijngevoeligheid in LUSC, en mogelijk hypothese-genererende biomarkers voor toekomstige validatie.
Longplaveiselcelcarcinoom (LUSC), een subtype van niet-kleincellige longkanker (NSCLC), wordt gekenmerkt door de abnormale proliferatie van plaveiselcellen in de long. Ondanks vooruitgang in chirurgie, platina-gebaseerde chemotherapie, immunotherapie, radiotherapie en geselecteerde moleculair geleide strategieën, blijft het totale genezingspercentage voor LUSC laag, vooral bij patiënten met een vergevorderde ziekte 1,2. Het optimaliseren van de effectiviteit van de behandeling blijft een uitdaging vanwege duidelijke tumorheterogeniteit en meerdere resistentiemechanismen 3,4.
Geprogrammeerde celdood (PCD) is cruciaal voor het behouden van weefselhomeostase en algehele gezondheid. PANoptosis is een specifiek gecoördineerd ontstekingsceldoodprogramma dat kenmerken van pyroptose, apoptose en necroptose 5,6,7 integreert. Het PANoptosoomcomplex bestaat uit upstream sensor- en signaalmoleculen zoals afwezig in melanoom 2 (AIM2), Z-DNA bindend eiwit 1 (ZBP1) en receptor-interactief serine/threonine-eiwitkinase 1 (RIPK1), die specifieke prikkels kunnen detecteren, de assemblage van PANoptosoom kunnen activeren en meerdere PCD-routes kunnen activeren8.
Veranderde oncogene signalering, inclusief mitogeen-geactiveerde eiwitkinase-activiteit (MAPK) in de route, draagt bij aan de heterogeniteit van LUSC en therapieresistentie9. Echter, gerichte behandelingsopties voor LUSC blijven beperkter dan die voor longadenocarcinoom, en veel patiënten krijgen nog steeds chemotherapie, immunotherapie, radiotherapie of combinatieschema's10. Omdat het ontwijken van gereguleerde celdood een mechanisme van therapeutische resistentie is, kan gecoördineerde analyse van PANoptose-gerelateerde routes helpen om hypothesen te genereren over de kwetsbaarheid van behandelingen in LUSC11.
Verworven resistentie is een belangrijke oorzaak van het falen van de behandeling bij LUSC. Deze resistentie kan geassocieerd worden met genmutaties, afwijkingen in de route, veranderde celsterfsignalering en veranderingen in het tumormicro-milieu12. Studies hebben aangetoond dat apoptose bijdraagt aan de werkzaamheid van veel antikankermedicijnen13. Genen die betrokken zijn bij apoptose, pyroptose en necroptose kunnen daarom de celdoodsregulatietoestanden markeren die geassocieerd zijn met de behandelingsrespons. De huidige studie is echter computationeel en test niet direct of deze genen resistentie tegen PANoptose 14,15,16 veroorzaken.
In deze studie gebruiken we de operationele term PANoptose-geassocieerde genen om genen te beschrijven die zijn samengesteld uit apoptose-, pyroptose-, necroptosis- en PANoptose-gerelateerde literatuur 17,18,19,20,21. Deze term duidt op pathway-associatie in plaats van experimenteel bewezen resistentiefunctie in COPD-gerelateerde LUSC. Door COPD-geassocieerde transcriptomische veranderingen te integreren met deze PANoptosis-genset, wilden we kandidaatgenen en expressiepatronen identificeren die geassocieerd zijn met prognose, immuunkenmerken en voorspelde medicijngevoeligheid in publieke LUSC-cohorten.
Chronische obstructieve longziekte (COPD) is een chronische longziekte die wordt gekenmerkt door luchtwegobstructie en verminderde longfunctie, en het is een belangrijke risicofactor voor LUSC22. De chronisch ontstekingsomgeving in de longen van patiënten met COPD kan gunstige omstandigheden bieden voor de ontwikkeling van kanker23,24. COPD kan ook invloed hebben op de behandeling en de verdraagzaamheid, omdat een verminderde ademhalingsfunctie therapeutische optieskan beperken tot 25–27. Daarnaast kan COPD-gerelateerde ontsteking de tumor-immuunmicroomgeving veranderen en de respons op immunotherapiebeïnvloeden 28–30. De huidige studie analyseerde niet direct klinisch bevestigde COPD-comorbide LUSC-gevallen; in plaats daarvan werd een COPD-geassocieerd genkenmerk afgeleid uit niet-maligne COPD-longweefsel en werd de prognostische en immuunassociaties evalueerd in publieke LUSC-cohorten.
Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.
Deze studie gebruikte alleen openbaar toegankelijke, gede-identificeerde datasets en omvatte geen directe menselijke of dierproeven; Daarom waren aanvullende goedkeuring van de ethische commissie en geïnformeerde toestemming niet vereist.
Data downloaden en verwerken
RNA-sequencinggegevens en bijbehorende klinische informatie voor longplaveiselcelcarcinoom (LUSC) zijn verkregen uit de Cancer Genome Atlas (TCGA) database via het Genomic Data Commons dataportaal onder het TCGA-LUSC-project. De TCGA-LUSC-expressiematrix die in deze studie werd gebruikt, was gebaseerd op FPKM-waarden. Genexpressiewaarden werden getransformeerd en genormaliseerd voordat er downstream analyses plaatsvonden. Klinische variabelen waren onder andere leeftijd, geslacht, tumorstadium, pathologisch TNM-stadium, gradatie, overlevingstijd en overlevingsstatus indien beschikbaar. In totaal werden aanvankelijk 489 TCGA-LUSC-gevallen gevonden, en 381 patiënten met volledige expressieprofielen en algehele overlevingsinformatie werden opgenomen in de constructie en interne evaluatie van het prognostische model.
Onafhankelijke validatiedatasets werden op 3 januari 2026 gedownload uit de Gene Expression Omnibus (GEO) database. GSE30219 was gebaseerd op het GPL570-platform en omvatte 307 LUSC-patiënten met beschikbare expressie- en algehele overlevingsinformatie. GSE37745 was ook gebaseerd op het GPL570-platform en omvatte 196 LUSC-patiënten met beschikbare expressie- en overlevingsinformatie. GSE57148 was gebaseerd op het GPL11154-platform en omvatte 91 normale longweefsels en 98 longweefsels van patiënten met chronische obstructieve longziekte (COPD), in totaal 189 monsters. GSE57148 werd gebruikt om COPD-geassocieerde differentieel tot expressie gedrukte genen te identificeren, terwijl GSE30219 en GSE37745 werden gebruikt als onafhankelijke externe validatiecohorten.
Voor GEO-datasets werd probe-annotatie uitgevoerd met behulp van het bijbehorende R-annotatiepakket en platformannotatiebestanden. Probe-identificaties werden omgezet in officiële gensymbolen. Wanneer meerdere probes naar hetzelfde gen werden gekoppeld, bleef de probe met de hoogste gemiddelde expressiewaarde behouden om dat gen te representeren. Er werden geen ontbrekende modelgenen gedetecteerd in de validatiedatasets na gen-symboolmatching. TCGA-LUSC, GSE30219 en GSE37745 werden geanalyseerd als algemene LUSC-cohorten omdat de comorbiditeitsstatus op patiëntniveau COPD niet werd bevestigd in de annotaties die voor deze analyse werden gebruikt.
Omdat TCGA- en GEO-datasets werden gegenereerd met verschillende expressieplatforms, werden cross-platform normalisatie en batch-effectcorrectie uitgevoerd met standaard R-gebaseerde preprocessingmethoden vóór modeltoepassing. Het risicomodel werd getraind in de TCGA-LUSC-cohort en vervolgens onafhankelijk geëvalueerd in elke externe GEO-cohort in plaats van alle cohorten direct samen te voegen. Differentiële expressieanalyse werd uitgevoerd met het limma R-pakket. COPD-geassocieerde differentieel tot expressie gebrachte genen in GSE57148 werden gescreend met |log2FC| > 0,263 en P < 0,05. Deze log2FC-drempel komt overeen met een verandering van ongeveer 1,2 keer en werd gebruikt als een verkennend screeningscriterium om potentieel relevante PANoptose-geassocieerde genen te behouden. In totaal zijn 277 PANoptose-geassocieerde genen samengesteld uit eerder gepubliceerde apoptose-, pyroptose-, necroptose- en PANoptosis-gerelateerde studies en worden weergegeven in Aanvullende Tabel 1.
Analyse van functionele verrijking van genen
Om de functionele implicaties van de geselecteerde COPD-geassocieerde PANoptose-genen te verduidelijken, werden Gene Ontology (GO) en Kyoto Encyclopedia of Genes and Genomes (KEGG) verrijkingsanalyses uitgevoerd met behulp van het clusterProfiler R-pakket en de organisatie. Hs.eg.db annotatiepakket. GO biologische proces-, cellulaire component- en moleculaire functiecategorieën werden geëvalueerd. KEGG-routeverrijkingsanalyse werd uitgevoerd om signaalroutes te identificeren die geassocieerd zijn met de geselecteerde genen. P-waarden werden aangepast voor meervoudig testen met behulp van de Benjamini-Hochberg false discovery rate-methode waar van toepassing. Verrijkingstermen met P < 0,05 werden in deze verkennende analyse als statistisch significant beschouwd. Verrijkingsplots werden gegenereerd met ggplot2.
Ongecontroleerde clusteringanalyse van PANoptosis-geassocieerde genexpressiepatronen
Om moleculaire heterogeniteit geassocieerd met PANoptosis-geassocieerde genexpressie in LUSC te onderzoeken, werd consensusclustering uitgevoerd met behulp van het ConsensusClusterPlus R-pakket. LUSC-monsters werden geclusterd volgens de expressieprofielen van survival-associated PANoptosis-genen. Hiërarchische clustering werd toegepast met Pearson-correlatieafstand. Het maximale aantal clusters werd ingesteld op zes en er werden 1.000 resamplingiteraties uitgevoerd om de clusteringrobuustheid te evalueren. Het optimale clusternummer werd bepaald door de consensusmatrix, cumulatieve distributiefunctiecurve, delta-oppervlakteplot en biologische interpreteerbaarheid van de resulterende groepen te evalueren. Op basis van deze criteria werd k = 2 geselecteerd voor downstream analyse. De overlevingsverschillen tussen de twee moleculaire groepen werden beoordeeld met behulp van Kaplan-Meier-analyse en de log-rank test.
Analyse van verschillen in immuunmicro-omgevingen tussen subtypen
Om immuunmicro-omgevingkenmerken tussen moleculaire subtypes te vergelijken, werd de infiltratie van immuuncellen geschat met behulp van het CIBERSORT-deconvolutie-algoritme met de LM22-leukocytensignaturmatrix. De analyse werd uitgevoerd in R met behulp van de e1071- en preprocessCore-pakketten. CIBERSORT-permutatiewaarden P werden geregistreerd om de betrouwbaarheid van deconvulutieschattingen te beoordelen. Omdat deze studie verkennend was en gebaseerd op retrospectieve transcriptomische gegevens, werden immuuncelverschillen geïnterpreteerd als computationeel afgeleide immuuninfiltratiepatronen in plaats van directe cellulaire metingen.
Het ESTIMATE-algoritme werd gebruikt om stromale score, immuunscore, ESTIMATE-score en tumorzuiverheid voor elke tumormonster te berekenen. GSVA werd toegepast om verrijkingsscores op pathway-niveau te schatten op basis van geselecteerde gensets. Groepsgewijze verschillen in immuuncelfracties, immuuncontrolepuntgenen, HLA-familiegenen en ESTIMATE-afgeleide scores werden geëvalueerd met niet-parametrische tests. Voor meerdere immuungerelateerde vergelijkingen werd Benjamini-Hochberg-correctie toegepast waar passend; analyses gerapporteerd met nominale P-waarden werden geïnterpreteerd als verkennend. Spearman rangcorrelatieanalyse werd gebruikt om associaties te evalueren tussen genexpressie en immuungerelateerde markers, waarbij zowel correlatiecoëfficiënten als P-waarden waar van toepassing werden gerapporteerd. HLA-transcriptverschillen werden geïnterpreteerd als transcriptieveranderingen gerelateerd aan antigenpresentatie in plaats van direct functioneel bewijs van een verhoogde antigeenpresentatiecapaciteit.
Het vaststellen van een prognostische signatuur gerelateerd aan PANoptosis-geassocieerde genen
De TCGA-LUSC-cohort met volledige expressieprofielen en algehele overlevingsinformatie werd gebruikt voor het constructie van prognostische modellen. Van de 489 aanvankelijk gevonden TCGA-LUSC-gevallen werden 381 patiënten met volledige overlevingsgegevens opgenomen in de prognostische analyse. Deze patiënten werden willekeurig verdeeld in een trainingscohort en een interne testcohort in een verhouding van 7:3. Gestratificeerde randomisatie werd uitgevoerd op basis van overlevingsstatus om een vergelijkbare verdeling van overlevingsgebeurtenissen tussen de trainings- en testcohorten te behouden.
In de trainingscohort werd univariate Cox proportionele hazards regressie eerst gebruikt om de associatie tussen elk kandidaat PANoptosis-geassocieerd gen en de algehele overleving te evalueren. Genen met P < 0,05 werden beschouwd als kandidaat-prognostische genen en werden vervolgens ingevoerd in LASSO Cox-regressie met het glmnet R-pakket. Tienvoudige kruisvalidatie werd gebruikt om de optimale strafparameter te selecteren en overfitting te verminderen. Op basis van de LASSO Cox-regressiecoëfficiënten en de bijbehorende genormaliseerde genexpressiewaarden werd voor elke patiënt een geïndividualiseerde risicoscore berekend met behulp van de formule:
Risicoscore = Σ(coefi × Xi)
waarbij coefi de regressiecoëfficiënt van elk geselecteerd gen vertegenwoordigt en Xi de genormaliseerde expressiewaarde van het overeenkomstige gen. Het uiteindelijke prognostische model bevatte 12 genen: GSDMD, IL18, NFKBIA, PIK3CA, IL1B, BIRC3, MCL1, PSMB10, LMNA, CFLAR, IL1R1 en AKT3. De volledige op coëfficiënten gebaseerde risicoscorevergelijking wordt weergegeven in Aanvullende Tabel 2.
De mediane risicoscore in de trainingscohort werd gebruikt als grenspunt om patiënten in hoogrisico- en laagrisicogroepen te classificeren. Dezelfde risicoscoreformule werd toegepast op de interne testcohort en op de externe validatiecohorten GSE30219 en GSE37745. Kaplan-Meier overlevingsanalyse, log-rank testen en tijdsafhankelijke analyse van de ontvangende bedieningskarakteristieken werden gebruikt om de modelprestaties te evalueren. Omdat de validatiedatasets werden gegenereerd met microarrayplatforms en geen bevestigde COPD-comorbiditeitsannotatie bevatten, werd externe validatie geïnterpreteerd als retrospectieve evaluatie in onafhankelijke LUSC-cohorten in plaats van validatie bij klinisch bevestigde COPD-comorbide LUSC-patiënten.
Analyse van geneesmiddelgevoeligheidsvoorspelling
De medicijngevoeligheid werd geschat met behulp van het pRRophetic R-pakket, dat de medicijnrespons voorspelt op basis van tumorgenexpressieprofielen op basis van farmacogenomische referentiegegevens uit de Genomics of Drug Sensitivity in Cancer-database. Voorspelde half-maximale inhiberende concentratiewaarden (IC50) werden berekend voor elk patiëntenmonster. Expressiematrices werden verwerkt volgens pRRophetische invoereisen, en batch-effectcorrectie werd uitgevoerd met behulp van de standaard pRRophetic-compatibele workflow. Voorspelde IC50-waarden werden gerapporteerd op de pRRophetic output-schaal.
Acht kandidaat-agenten, waaronder sorafenib, gefitinib, bleomycine, bosutinib, etoposide, lenalidomide, camptothecine en methotrexaat, werden geëvalueerd als een exploratief panel voor geneesmiddelgevoeligheid. Verschillen in voorspelde IC50-waarden tussen hoog- en laagrisicogroepen werden vergeleken met behulp van de Wilcoxon rangsomtest. Deze resultaten werden geïnterpreteerd als computationele schattingen van geneesmiddelgevoeligheid in plaats van gemeten klinische chemotherapierespons of experimenteel bevestigde geneesmiddelresistentie.
Statistische analyse
Alle statistische analyses werden uitgevoerd met R-software. Continue variabelen tussen twee groepen werden vergeleken met de Wilcoxon rangsomtest, terwijl vergelijkingen tussen meer dan twee groepen werden uitgevoerd met de Kruskal-Wallis-test wanneer passend. De algehele overleving werd gedefinieerd als het primaire overlevingseindpunt. Kaplan-Meier overlevingscurves werden gegenereerd om overlevingsverschillen tussen groepen te vergelijken, en de statistische significantie werd beoordeeld met behulp van de log-rank test. Univariaat en multivariaat
Cox proportionele hazards regressieanalyses werden gebruikt om prognostische verbanden tussen klinische variabelen, risicogroep en algehele overleving te evalueren. Variabelen met klinische relevantie of statistische significantie in univariate Cox-analyse werden overwogen voor multivariate Cox-regressie. De aanname van proportionele gevaren werd beoordeeld met behulp van Schoenfeld-residuen. Ontbrekende klinische variabelen werden behandeld met complete-case analyse voor Cox-regressie en nomogramconstructie. Collineariteit tussen klinische variabelen werd geëvalueerd vóór multivariate modellering.
Tijdsafhankelijke ROC-curves werden gebruikt om de voorspellende prestaties van het risicomodel te beoordelen voor de algehele overleving van 1, 3 en 5 jaar. Een nomogram werd opgesteld met variabelen die in het multivariate model waren behouden of variabelen met voldoende klinische beschikbaarheid. Kalibratiegrafieken werden gebruikt om voorspelde en waargenomen overlevingskansen te vergelijken. Analyse van de beslissingscurve werd uitgevoerd als een verkennende beoordeling van het potentiële netto voordeel over geselecteerde drempelwaarschijnlijkheden.
Spearman rangcorrelatieanalyse werd gebruikt om associaties te evalueren tussen genexpressie en immuungerelateerde kenmerken. Correlatiecoëfficiënten en P-waarden werden waar van toepassing gerapporteerd. Voor meerdere vergelijkingen werd waar passend correctie van de Benjamini-Hochberg false discovery rate toegepast. Analyses die werden gerapporteerd met nominale P-waarden werden als verkennend beschouwd. Een tweezijdige P-waarde < 0,05 werd als statistisch significant beschouwd.
Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.
Expressiepatronen en functionele annotatie van PANoptosis-geassocieerde genen in LUSC
Transcriptomische gegevens van GSE57148, waaronder 91 normale longweefsels en 98 COPD-longweefsels, werden geanalyseerd om COPD-geassocieerde differentieel expressieve genen te identificeren. In totaal werden 2.182 COPD-geassocieerde genen geïdentificeerd, en 38 genen overlappen met de gecureerde PANoptosis-geassocieerde genenset (Figuur 1A en 1B...
Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.
COPD en LUSC zijn klinisch en biologisch verbonden via gedeelde inflammatorie, rookgerelateerde en door luchtwegbeschadiging geassocieerde pathogene processen. Hoewel immuuncheckpointremmers en andere systemische therapieën de behandelmogelijkheden voor LUSC hebben verbeterd, blijft het blijvende voordeel voor veel patiënten beperkt vanwege tumorheterogeniteit, onvolledige biomarkerstratificatie en behandelingsresistentie 31,32,33
Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.
De auteurs hoeven geen belangenconflicten aan te geven.
De auteurs erkennen The Cancer Genome Atlas, de Gene Expression Omnibus en het Genomics of Drug Sensitivity in Cancer-project voor het leveren van de open-access datasets die in deze studie zijn gebruikt. Dit onderzoek kreeg geen externe financiering.
Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.
| Naam | Bedrijf | Catalogusnummer | Opmerkingen |
|---|---|---|---|
| AnnotationDbi R-pakket | Bioconductor | N/A | Wordt gebruikt voor genannotatie en identificatieconversie. Bron: https://bioconductor.org/packages/AnnotationDbi/ |
| caret R-pakket | CRAN | N/A | Wordt gebruikt voor reproduceerbare willekeurige splitsing van de TCGA-LUSC cohort in trainings- en testsubsets. Bron: https://cran.r-project.org/package=caret |
| CIBERSORT-algoritme | CIBERSORT-bron | N/A | Wordt gebruikt voor immune-cellulair ontraadselen met de LM22 signatuurmatrix. Toegang en licenties zijn onderworpen aan de oorspronkelijke bronprovider. Bron: https://cibersortx.stanford.edu/ |
| clusterProfiler R-pakket | Bioconductor | N/A | Wordt gebruikt voor GO en KEGG verrijkingsanalyses. Bron: https://bioconductor.org/packages/clusterProfiler/ |
| ConsensusClusterPlus R-pakket | Bioconductor | N/A | Wordt gebruikt voor consensus clustering van PANoptosis-geassocieerde genexpressiepatronen. Bron: https://bioconductor.org/packages/ConsensusClusterPlus/ |
| e1071 R-pakket | CRAN | N/A | Wordt gebruikt als afhankelijkheid voor CIBERSORT-gebaseerde ontraadselingsanalyse. Bron: https://cran.r-project.org/package=e1071 |
| edgeR R-pakket | Bioconductor | N/A | Wordt gebruikt voor RNA-seq tellen verwerking wanneer tellingsgebaseerde normalisatie vereist was. Bron: https://bioconductor.org/packages/edgeR/ |
| ESTIMATE R-pakket | MD Anderson Cancer Center / SourceForge | N/A | Wordt gebruikt om de stromale score, immuunscore, ESTIMATE-score en tumorzuiverheid te berekenen. Bron: https://sourceforge.net/projects/estimateproject/ |
| Genomic Data Commons Data Portal | National Cancer Institute | TCGA-LUSC | Bron van TCGA-LUSC RNA-sequencing data en klinische annotaties. Bron: https://portal.gdc.cancer.gov/ |
| Genomics of Drug Sensitivity in Cancer-database | GDSC project | N/A | Drug-respons referentie dataset gebruikt via de pRRophetic-compatibele referentiegegevens. Bron: https://www.cancerrxgene.org/ |
| GEOquery R-pakket | Bioconductor | N/A | Wordt gebruikt om GEO Series Matrix bestanden te downloaden en te parsen. Bron: https://bioconductor.org/packages/GEOquery/ |
| ggplot2 R-pakket | CRAN | N/A | Wordt gebruikt voor visualisatie en figuurgeneratie. Bron: https://cran.r-project.org/package=ggplot2 |
| ggpubr R-pakket | CRAN | N/A | Wordt gebruikt voor publicatie-stijl plotten en groepsvergelijkingen. Bron: https://cran.r-project.org/package=ggpubr |
| glmnet R-pakket | CRAN | N/A | Wordt gebruikt voor LASSO Cox regressie en prognostische modelconstructie. Bron: https://cran.r-project.org/package=glmnet |
| GSE30219 dataset | NCBI Gene Expression Omnibus | GSE30219 | Externe LUSC validatiecohort met expressie en overlevingsinformatie. Bron: https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE30219 |
| GSE37745 dataset | NCBI Gene Expression Omnibus | GSE37745 | Externe LUSC validatiecohort met expressie en overlevingsinformatie. Bron: https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE37745 |
| GSE57148 dataset | NCBI Gene Expression Omnibus | GSE57148 | COPD versus normaal long transcriptomische dataset gebruikt om COPD-geassocieerde differentieel tot expressie gebrachte genen af te leiden. Bron: https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE57148 |
| limma R-pakket | Bioconductor | N/A | Wordt gebruikt voor differentiële expressieanalyse. Bron: https://bioconductor.org/packages/limma/ |
| org.Hs.eg.db annotatiepakket | Bioconductor | N/A | Wordt gebruikt voor menselijke genannotatie in verrijkingsanalyse. Bron: https://bioconductor.org/packages/org.Hs.eg.db/ |
| preprocessCore R-pakket | Bioconductor | N/A | Wordt gebruikt voor expressie voorverwerking en CIBERSORT-compatibele workflows. Bron: https://bioconductor.org/packages/preprocessCore/ |
| pRRophetic R-pakket | CRAN | N/A | Wordt gebruikt voor exploratieve voorspelling van drug IC50 waarden uit genexpressiegegevens. Bron: https://cran.r-project.org/package=pRRophetic |
| R-software | R Foundation for Statistical Computing | Versie 4.1.0 | Wordt gebruikt voor alle statistische analyses en figuurgeneratie. Bron: https://www.r-project.org/ |
| STRINGdb R-pakket | Bioconductor | N/A | Wordt gebruikt voor eiwit-eiwit interactie-gerelateerde analyse indien van toepassing. Bron: https://bioconductor.org/packages/STRINGdb/ |
| SummarizedExperiment R-pakket | Bioconductor | N/A | Wordt gebruikt om TCGA expressiegegevensobjecten te behandelen die zijn gedownload via TCGAbiolinks. Bron: https://bioconductor.org/packages/SummarizedExperiment/ |
| survival R-pakket | CRAN | N/A | Wordt gebruikt voor Cox regressie en Kaplan-Meier overlevingsanalyse. Bron: https://cran.r-project.org/package=survival |
| survminer R-pakket | CRAN | N/A | Wordt gebruikt om Kaplan-Meier overlevingscurven en risicotabellen te visualiseren. Bron: https://cran.r-project.org/package=survminer |
| TCGAbiolinks R-pakket | Bioconductor | N/A | Wordt gebruikt om TCGA-LUSC expressie en klinische gegevens te downloaden en voor te bereiden. Bron: https://bioconductor.org/packages/TCGAbiolinks/ |
| timeROC R-pakket | CRAN | N/A | Wordt gebruikt voor tijdsafhankelijke ROC analyse van het prognostische model. Bron: https://cran.r-project.org/package=timeROC |
Toestemming aanvragen om de tekst of afbeeldingen van dit JoVE-artikel te hergebruiken
Toestemming aanvragen