李葦航, 丁子毅, 王 棟, 潘益凱, 劉玉輝, 張世磊, 李 靖, 閆 銘

（1.中國(guó)人民解放軍空軍軍醫(yī)大學(xué)西京醫(yī)院骨科，陜西 西安 710032；2.中國(guó)人民解放軍空軍軍醫(yī)大學(xué)航空航天醫(yī)學(xué)系航空航天醫(yī)學(xué)訓(xùn)練教研室，陜西 西安 710032；3.中國(guó)人民解放軍空軍軍醫(yī)大學(xué)航空航天醫(yī)學(xué)系航空航天臨床醫(yī)學(xué)中心 教育部航空航天醫(yī)學(xué)重點(diǎn)實(shí)驗(yàn)室，陜西 西安 710032）

目前，對(duì)于骨肉瘤（osteosarcoma，OS）的臨床治療主要包括手術(shù)、放療和化療。隨著新輔助化療和保肢手術(shù)的引入及發(fā)明，OS 患者的總體生存率有了顯著提高。盡管手術(shù)和靶向化療取得了進(jìn)展，但由于OS 高度侵襲性和進(jìn)展迅速的特點(diǎn)，約20% 的患者在診斷時(shí)已發(fā)生遠(yuǎn)處轉(zhuǎn)移［1-2］。腫瘤術(shù)后復(fù)發(fā)或轉(zhuǎn)移仍然是OS 患者長(zhǎng)期生存率低的主要原因，其總體預(yù)后不良。研究［3］顯示：OS 的發(fā)病機(jī)制與基因的表達(dá)密切相關(guān)。而關(guān)于OS 致病基因集的探索及其與患者臨床預(yù)后的關(guān)聯(lián)性研究尚欠缺。在臨床的早期階段，從分子水平探討OS 發(fā)生發(fā)展的靶基因以及治療靶點(diǎn)有助于臨床工作者對(duì)該病進(jìn)行早發(fā)現(xiàn)、早診斷和早治療。進(jìn)一步探討用于OS 早期診斷和預(yù)后評(píng)估的生物標(biāo)記物是研究者亟需解決的問題。

近年來，隨著高通量測(cè)序技術(shù)和基因微陣列芯片技術(shù)的快速發(fā)展，生物信息學(xué)在識(shí)別腫瘤的驅(qū)動(dòng)基因、闡明致癌機(jī)制及預(yù)測(cè)預(yù)后等方面展現(xiàn)出了廣闊的應(yīng)用前景［4-5］。本研究采用生物信息學(xué)分析方法，首先從基因表達(dá)匯編（Gene Expression Omnibus，GEO）數(shù)據(jù)庫查找不同樣本中OS 基因的表達(dá)譜芯片數(shù)據(jù)，通過對(duì)比分析的統(tǒng)計(jì)方法，獲得OS 的差異表達(dá)基因（differentially expressed genes，DEGs），隨后對(duì)DEGs進(jìn)行基因本體論（Gene Otology，GO）和京都基因和基因組百科全書（Kyoto Encyclopedia of Genes and Genomes，KEGG）信號(hào)通路分析，從分子功能、生物學(xué)過程和細(xì)胞成分方面揭示其發(fā)病機(jī)制。構(gòu)建蛋白-蛋白相互作用（protein-protein interaction，PPI）網(wǎng)絡(luò)，探討導(dǎo)致癌變的相關(guān)蛋白之間的關(guān)系。此外，本研究在腫瘤基因組圖譜（The Cancer Genome Atlas，TCGA）數(shù)據(jù)庫中獲得OS 患者的臨床信息和轉(zhuǎn)錄組數(shù)據(jù)，通過Kaplan-Meier（K-M）生存分析全面揭示驅(qū)動(dòng)基因、不同種族和不同性別OS 患者的預(yù)后情況，探討OS 發(fā)生發(fā)展的分子機(jī)制及其潛在的治療靶點(diǎn)以及可能影響預(yù)后的相關(guān)因素，為臨床工作者提供參考。

1 資料與方法

1.1 基因芯片獲取和數(shù)據(jù)預(yù)處理于美國(guó)國(guó)立生物技術(shù)信息中心（NCBI）的GEO數(shù)據(jù)庫（https：//www.ncbi.nlm.nih.gov/geo/）中獲取OS芯片數(shù)據(jù)GSE12865、GSE14359 和GSE36001，分別基于GPL6244、GPL96 和GPL6102 平臺(tái)獲得探針注釋信息。原始數(shù)據(jù)通過R語言“affy”和“affyPLM”包分析［6］，將原始的CEL 文 件通過RMA 算法（“rma” 函數(shù)）對(duì)數(shù)據(jù)進(jìn)行背景矯正、質(zhì)量控制及標(biāo)準(zhǔn)化處理，轉(zhuǎn)換成探針表達(dá)矩陣。隨后將3個(gè)GSE數(shù)據(jù)集中的探針基于各自的注釋平臺(tái)轉(zhuǎn)換成相應(yīng)的基因名稱，移除無對(duì)應(yīng)基因名的探針集，得到3個(gè)數(shù)據(jù)集的基因表達(dá)矩陣。

1.2 臨床患者的數(shù)據(jù)收集通過R 語言的“TCGAbiolinks”包［7］下在TCGA數(shù)據(jù)庫（https：//portal.gdc.cancer.gov/）中獲得OS 患者的所有相關(guān)臨床信息，包括患者年齡、性別、種族、末次隨訪日期和生存狀態(tài)等因素。共收集了379個(gè)樣本相關(guān)的臨床記錄信息，其中88個(gè)樣本有相應(yīng)的基因表達(dá)譜。

1.3 OS 的DEGs篩選采用R 語言的“l(fā)imma”包對(duì)骨肉瘤樣本和正常樣本組織的基因表達(dá)譜進(jìn)行分析，同時(shí)滿足|logFC|（fold change）＞1 且P＜0.05 的被鑒定為DEGs，認(rèn)為差異有統(tǒng)計(jì)學(xué)意義。將3個(gè)數(shù)據(jù)集分別獲得的DEGs 進(jìn)行韋恩圖分析（R語言“VennDiagram”包），得到更加精確的共同DEGs的結(jié)果。隨后通過“gplots”包中的“heat.map2”函數(shù)繪制3個(gè)數(shù)據(jù)集的熱圖，直觀地顯示出共同的DEGs在不同組織樣本中的表達(dá)情況。

1.4 OS驅(qū)動(dòng)基因的分子功能和通路富集分析采用DAVID（http：//david.abcc.ncifcrf.gov/）基因功能注釋在線數(shù)據(jù)庫工具［8］，對(duì)篩選出的DEGs進(jìn)行主要功能和信號(hào)通路分析，探討其DEGs 背后潛在的真正生物學(xué)意義。GO分析研究DEGs 富集的具體分子功能、生物學(xué)過程和細(xì)胞成分。KEGG是基因組信號(hào)通路關(guān)聯(lián)的基礎(chǔ)，用于分析有關(guān)信號(hào)通路改變的信息。在DAVID 數(shù)據(jù)庫中將DEGs 進(jìn)行上述分析，以P＜0.05 作為差異有統(tǒng)計(jì)學(xué)意義的閾值?；蚣患治觯℅ene Set Enrichment Analysis，GSEA）進(jìn)一步探討DEGs 主要作用的細(xì)胞信號(hào)通路。

1.5 PPI 網(wǎng)絡(luò)分析STRING 數(shù)據(jù)庫（https：//string-db.org/）是一個(gè)預(yù)測(cè)不同基因表達(dá)的蛋白與蛋白之間相互作用的在線檢索工具［9］，既包括不同蛋白之間直接的物理相互作用，也包括了蛋白之間的功能相關(guān)性。采用STRING 數(shù)據(jù)庫對(duì)篩選出的DEGs 進(jìn)行PPI分析，構(gòu)建相互作用網(wǎng)絡(luò)，隨后將構(gòu)建好的網(wǎng)絡(luò)導(dǎo)入Cytoscape 3.8.0 軟件中，采用“cytohubba” 插件中的MCC 算法進(jìn)一步篩選出關(guān)系最緊密的靶基因?！癱ytohubba” 插件中的MCC算法旨在從復(fù)雜龐大的相互作用網(wǎng)絡(luò)中發(fā)現(xiàn)最相關(guān)的關(guān)鍵靶點(diǎn)及子網(wǎng)絡(luò)，這是識(shí)別鑒定靶基因的最有效的方法之一［10］。

1.6 OS 患者臨床樣本的生存分析采用R 語言下載TCGA 數(shù)據(jù)庫中的OS 臨床樣本，共88個(gè)樣本有相應(yīng)的基因表達(dá)譜。當(dāng)前生存狀態(tài)和隨訪時(shí)間資料完整的患者被納入本研究，共納入86例患者?；颊呋陉P(guān)鍵基因表達(dá)值的中位數(shù)分為高表達(dá)和低表達(dá)兩組，采用R語言的“survival”和“survminer” 包進(jìn)行K-M 生存分析全面探討不同驅(qū)動(dòng)基因表達(dá)水平、不同種族和不同性別OS 患者的預(yù)后情況。

1.7 OS 患者總生存期的臨床預(yù)測(cè)應(yīng)用采用單因素和多因素Cox 回歸分析評(píng)估驅(qū)動(dòng)基因集的預(yù)后能力，基于多因素Cox 回歸分析的結(jié)果繪制列線圖。對(duì)驅(qū)動(dòng)基因進(jìn)行建模來預(yù)測(cè)OS 患者預(yù)后（3年生存率、5年生存率和10年生存率），評(píng)估其預(yù)測(cè)能力，并繪制校準(zhǔn)圖以驗(yàn)證其預(yù)測(cè)準(zhǔn)確性。采用C 指數(shù)（Concordance index）描述建模的辨識(shí)度，C 指數(shù)值越高則建模預(yù)測(cè)越可靠。

2 結(jié) 果

2.1 數(shù)據(jù)處理和DEGs 的鑒別采用R 語言對(duì)CEL 文件進(jìn)行背景矯正和標(biāo)準(zhǔn)化處理，標(biāo)準(zhǔn)化后的基因表達(dá)譜以小提琴圖呈現(xiàn)。見圖1。

圖1 經(jīng)過標(biāo)準(zhǔn)化校正后樣本表達(dá)量的小提琴圖Fig.1 Violin diagrams of expressions of samples after standardized correlation

基于|logFC|（fold change）＞1 且P＜0.05 的截?cái)嘀担珿SE12865 共鑒別出1 632個(gè)DEGs，其中有605個(gè)上調(diào)基因和1 027個(gè)下調(diào)基因；GSE14359鑒別出766個(gè)DEGs，其中有245個(gè)上調(diào)基因和521個(gè)下調(diào)基因；GSE36001共鑒別出358個(gè)DEGs，其中有203個(gè)上調(diào)基因和155個(gè)下調(diào)基因。通過韋恩圖分析，對(duì)這3個(gè)數(shù)據(jù)集的DEGs 取交集以獲得更加精確可靠的結(jié)果（圖2A），共有18個(gè)基因鑒定為共同DEGs。層次聚類分析結(jié)果顯示：2組不同樣本（腫瘤組與正常組）之間的共同DEGs 的表達(dá)量差異均有統(tǒng)計(jì)學(xué)意義（圖2B～2D）。共同上調(diào)基因有CD93、ARHGDIB、LYZ、CD74、LAPTM5、FCER1G、HLA-DPA1、HCLS1、GIMAP4、RNASE1、SNRPA1 和TYROBP；共同下調(diào)的基因有LTBP2、PNMA2、DDAH1、TAGLN、TLN1 和ANPEP。

圖2 DEGs 的篩選與不同樣本中DEGs 的表達(dá)水平Fig.2 Screening of DEGs and expression level of DEGs in different samples

2.2 DEGs 的功能和通路富集分析將3個(gè)微陣列芯片數(shù)據(jù)共同上調(diào)和下調(diào)的基因?qū)隓AVID 在線工具中，進(jìn)行了GO 和KEGG 富集分析。GO分析結(jié)果表明： 上調(diào)的DEGs 主要涉及細(xì)胞外基質(zhì)分解、軟骨內(nèi)成骨、特定蛋白結(jié)合、成骨細(xì)胞分化、膠原分解代謝和發(fā)揮調(diào)節(jié)MHC Ⅱ類受體活性，參與構(gòu)成細(xì)胞外基質(zhì)及MHC Ⅱ類蛋白復(fù)合體，富集于細(xì)胞表面；KEGG 信號(hào)通路分析結(jié)果顯示：上調(diào)的DEGs 主要參與多糖在癌癥中的表達(dá)、細(xì)胞周期中DNA 的復(fù)制、PI3K-AKT 經(jīng)典信號(hào)通路（圖3A）；下調(diào)的GO和KEGG通路富集結(jié)果見圖3B。GSEA分析結(jié)果表明：DEGs 在Notch 信號(hào)通路中起到明顯作用，在OS 的發(fā)生發(fā)展中產(chǎn)生重要影響（圖3C）。

圖3 DEGs 的GO、KEGG 和GSEA分析結(jié)果Fig.3 Analysis results of GO，KEGG ，and GSEA of DEGs

2.3 PPI的構(gòu)建和核心驅(qū)動(dòng)基因的篩選本研究將篩選出的共同DEGs 輸入STRING工具，并將所得到的基因作用網(wǎng)絡(luò)導(dǎo)入Cytoscape 3.8.0 軟件行進(jìn)一步分析，利用 “Cytohubba”插件中的MCC 算法找出基因網(wǎng)絡(luò)中的子網(wǎng)絡(luò)，即相互作用最緊密的基因集，按照MCC方法計(jì)算得到的前10名基因分別 是TYROBP、LAPTM5、FCER1G、CD74、HCLS1、ARHGDIB、HLA-DPA1、CD93、GIMAP4 和LYZ。見圖4，其中顏色越深表明該基因在OS 的發(fā)生發(fā)展中所起的作用越大。

圖4 OS 的DEGs 之間相互作用關(guān)系Fig.4 Interaction relationships between DEGs of OS

2.4 OS 患者的生存曲線分析為了進(jìn)一步驗(yàn)證本研究篩選出的驅(qū)動(dòng)基因?qū)S 患者預(yù)后的影響程度，本研究采用PPI分析出的10個(gè)核心驅(qū)動(dòng)基因?yàn)檠芯繉?duì)象，對(duì)86例OS 患者進(jìn)行K-M 生存曲線分析，基于基因中位表達(dá)值分為高表達(dá)組和低表達(dá)組的結(jié)果顯示： ARHGDIB、CD74、FCER1G、HCLS1、HLA-DPA1 和TYROBP 基因低表達(dá)組與高表達(dá)組患者生存率比較差異有統(tǒng)計(jì)學(xué)意義（P＜0.05），提示這些基因與OS 患者的預(yù)后具有高度相關(guān)性，上述基因低表達(dá)組OS 患者預(yù)后良好，生存率高，生存期更長(zhǎng)（P＜0.05），OS 患者的生存曲線見圖5。

圖5 OS 患者DEGs 的K-M 生存分析曲線Fig.5 K-M survival analysis curves of DEGs of OS patients

不同性別和不同種族OS 患者的生存曲線見圖6，性別和種族均不會(huì)對(duì)OS 患者的預(yù)后產(chǎn)生影響（P＞0.05）。

圖6 不同性別和種族OS 患者的K-M 生存分析曲線Fig.6 K-M survival analysis curves of OS patients with different genders and races

2.5 OS 患者總生存期的預(yù)測(cè)為了預(yù)測(cè)OS 患者的總生存期，為OS 患者預(yù)后轉(zhuǎn)歸提供指導(dǎo)，本研究從生存分析中選擇3年生存期差異有統(tǒng)計(jì)學(xué)意義的6個(gè)基因組成基因特征集進(jìn)行建模，通過檢測(cè)患者樣本相關(guān)基因的表達(dá)量預(yù)測(cè)患者的3年、5年和10年生存率。在多因素Cox 回歸分析繪制的列線圖模型中，C指數(shù)（0.71）顯示出該模型良好的鑒別度，列線圖結(jié)果見圖7A。此外，本研究還對(duì)其預(yù)測(cè)能力進(jìn)行了分析，校準(zhǔn)圖顯示出該模型預(yù)測(cè)OS患者3年、5 和10年生存率均有高度的準(zhǔn)確性（圖7B）。

圖7 基于6個(gè)基因特征集構(gòu)建的列線圖模型和校準(zhǔn)圖Fig.7 Nomogram model and calibration plot constructed by 6-gene feature sets

3 討 論

OS 是骨科最常見的惡性腫瘤之一，占所有類型骨癌的20%～40%，是兒童和青少年最常見的原發(fā)肉瘤，每年（0.3～0.4）/100 000 人患?。?1-12］。OS 的特征是在未成熟的骨中直接形成類骨樣組織、類骨質(zhì)和梭形基質(zhì)細(xì)胞。OS主要臨床表現(xiàn)為腫脹和骨痛，主要發(fā)生于四肢長(zhǎng)骨，特別是膝關(guān)節(jié)［13］，而體質(zhì)量減輕、面色蒼白、盜汗、發(fā)燒和食欲不振等全身性癥狀相對(duì)少見［14］。近年來，盡管OS手術(shù)術(shù)式和輔助化療技術(shù)取得了較大進(jìn)步，但OS患者的總體生存時(shí)間仍然較短，5年生存率約為20%，且腫瘤復(fù)發(fā)率高［15］。研究［16］顯示：OS患者生存率改善不理想的主要原因可能與OS的轉(zhuǎn)移有關(guān)。因此需要在臨床早期階段進(jìn)行診斷，避免延誤診斷而導(dǎo)致轉(zhuǎn)移的發(fā)生。精確的基因診斷是進(jìn)行靶向治療和評(píng)估預(yù)后的關(guān)鍵，為了尋找潛在的藥物治療靶點(diǎn)及新的OS標(biāo)志物，需要進(jìn)一步探討OS 的發(fā)病機(jī)制。目前關(guān)于OS 的研究主要集中在OS 的轉(zhuǎn)移機(jī)制上，而對(duì)于造成OS 發(fā)生發(fā)展的分子靶點(diǎn)的相關(guān)研究還不夠深入。因此更多地了解OS 的發(fā)病機(jī)制、探索OS 的治療靶點(diǎn)和臨床早期診斷OS 是亟需解決的問題。

近年來，基因芯片測(cè)序和二代測(cè)序技術(shù)的快速發(fā)展，以及生命科學(xué)領(lǐng)域新興交叉學(xué)科生物信息學(xué)的崛起，測(cè)序技術(shù)結(jié)合生物信息學(xué)的方法被廣泛應(yīng)用于基因組學(xué)及轉(zhuǎn)錄組學(xué)上研究疾病的發(fā)生發(fā)展及轉(zhuǎn)移方面［4，17-18］，可用于分析各種疾病背后的致病基因及其真正的生物學(xué)意義。本研究針對(duì)OS 患者的臨床大樣本數(shù)據(jù)集，采用標(biāo)準(zhǔn)化的統(tǒng)計(jì)方法，從GEO 數(shù)據(jù)庫中對(duì)OS 患者基因芯片數(shù)據(jù)集的mRNA 表達(dá)情況進(jìn)行分析，將3個(gè)芯片分析出的DEGs 進(jìn)行韋恩圖繪制，得到更加精確的共同DEGs，并進(jìn)行GO、KEGG 和GSEA 通路富集分析，隨后對(duì)共同DEGs 構(gòu)建PPI 網(wǎng)絡(luò)，加之以基因權(quán)重分析。將篩選出的權(quán)重基因進(jìn)行生存分析進(jìn)一步分析患者預(yù)后，同時(shí)對(duì)3年生存率差異有統(tǒng)計(jì)學(xué)意義患者的基因特征集建模，繪制列線圖及校準(zhǔn)圖以驗(yàn)證基因特征集的預(yù)測(cè)預(yù)后能力。

經(jīng)過韋恩圖分析后的共同上調(diào)DEGs 有CD93、ARHGDIB、LYZ、CD74、LAPTM5、FCER1G、HLA-DPA1、HCLS1、GIMAP4、RNASE1、SNRPA1 和TYROBP。GO分析包括了生物過程（biological process，BP）、分子功能（molecular function MF）和細(xì)胞成分（cellular component，CC）3個(gè)部分，研究結(jié)果顯示：DEGs 主要涉及有絲分裂的核分裂、細(xì)胞外基質(zhì)分解、軟骨內(nèi)成骨、成骨細(xì)胞分化、膠原分解代謝和發(fā)揮調(diào)節(jié)MHC Ⅱ類受體活性，參與構(gòu)成細(xì)胞外基質(zhì)和MHC Ⅱ類蛋白復(fù)合體，富集于細(xì)胞表面；KEGG 信號(hào)通路分析結(jié)果顯示：上調(diào)的DEGs 主要參與多糖在癌癥中的表達(dá)、細(xì)胞周期中DNA 的復(fù)制和PI3K-AKT 經(jīng)典信號(hào)通路。GSEA分析結(jié)果表明：在Notch 信號(hào)通路中，DEGs 起明顯作用，以上結(jié)果均預(yù)示DEGs和這些信號(hào)通路在OS 的發(fā)生發(fā)展中起重要作用。

腫瘤的發(fā)生不是單個(gè)基因變化的結(jié)果，而是由許多基因和信號(hào)通路共同激活所造成的。本研究在STRING 數(shù)據(jù)庫中構(gòu)建PPI，根據(jù)MCC 算法選取排名前10位的Hub基因，分別是TYROBP、LAPTM5、FCER1G、CD74、HCLS1、ARHGDIB、LA-DPA1、CD93、GIMAP4 和LYZ，隨后將排名前10名的基因進(jìn)行生存分析以進(jìn)一步驗(yàn)證腫瘤患者預(yù)后情況，最終分析出對(duì)患者預(yù)后具有意義的基因特征集（ARHGDIB、CD74、FCER1G、HCLS1、HLA-DPA1 和TYROBP），共6個(gè)基因，該6個(gè)基因被認(rèn)為是導(dǎo)致OS 形成最重要的基因。其中CD74、HCLS1和HLA-DPA1在既往關(guān)于OS 的研究［19-21］中有過報(bào)道，且與本研究的結(jié)論一致，證實(shí)了這些基因在OS 的發(fā)生發(fā)展中起主導(dǎo)作用。ARHGDIB屬于Rho鳥苷二磷酸解離抑制劑（RHO guanosine diphosphate dissociation inhibitors，ARHGDIs）家族，以前被認(rèn)為是一種次要的組織相容性抗原，是一種參與許多細(xì)胞活動(dòng)的細(xì)胞內(nèi)GTP結(jié)合蛋白［22］。研究［23］顯示：ARHGDIB只在造血組織中表達(dá)，主要是在淋巴細(xì)胞中。隨著研究的進(jìn)展，ARHGDIB被發(fā)現(xiàn)也在其他器官和組織中廣泛表達(dá)。研究［24］顯示：ARHGDIB 是一種侵襲性的人類癌癥標(biāo)志物。研究［25］顯示： ARHGDIB具有致癌作用，例 如ARHGDIB表達(dá)的缺失抑制了胰腺癌的侵襲和遷移能 力。研究［22］顯示：ARHGDIB 通過激活肝細(xì)胞癌中的AKT 來促進(jìn)細(xì)胞的侵襲和增殖。本研究發(fā)現(xiàn)ARHGDIB 在導(dǎo)致OS 的進(jìn)展中同樣發(fā)揮了重要作用。FCER1G 位于染色體1q23.3上，其編碼的蛋白質(zhì)是高親和力IgE 受體和白細(xì)胞介素3（interleukin-3，IL-3）受體復(fù)合物的組成成分，F(xiàn)CER1G 主要參與介導(dǎo)肥大細(xì)胞的過敏性炎癥信號(hào)，選擇性地介導(dǎo)嗜堿性粒細(xì)胞產(chǎn)生白細(xì)胞介素4（interleukin-4，IL4），啟動(dòng)T 淋巴細(xì)胞向效應(yīng)T 淋巴輔助細(xì)胞2亞群的轉(zhuǎn)移［26-27］。FCER1G是一種先天免疫基因，參與多種疾病的發(fā)生進(jìn)展，例如濕疹、腦膜瘤、兒童白血病、腎透明細(xì)胞癌和急性髓系白血病等［28-31］，可能通過影響免疫相關(guān)途徑改善預(yù)后。此外，本研究也證實(shí)了FCER1G 與OS 的進(jìn)展有緊密關(guān)聯(lián)。TYROBP，也稱DAP12，位于染色 體19q13.1，是一種Ⅰ型跨膜蛋白［32］。TYROBP 表達(dá)在免疫細(xì)胞上，包括巨噬細(xì)胞、單核細(xì)胞和骨細(xì)胞［33-34］，被認(rèn)為是激活信號(hào)轉(zhuǎn)導(dǎo)的關(guān)鍵成分，這與本研究的結(jié)論一致，即TYROBP 在OS組織中高表達(dá)。一項(xiàng)關(guān)于阿爾茲海默病的研究［35］顯示：降低TYROBP 的表達(dá)量對(duì)神經(jīng)具有保護(hù)作用，代表著一個(gè)重要治療或是預(yù)防的機(jī)會(huì)，結(jié)合本研究分析出的TYROBP 在OS 中高表達(dá)的結(jié)論，上述研究均證實(shí)了TYROBP 的低表達(dá)對(duì)機(jī)體有積極影響。本研究通過生存分析證實(shí)了OS 患者的性別和種族的差別對(duì)患者的生存時(shí)間無影響。

根據(jù)這6個(gè)基因特征集的表達(dá)量，本文作者建立了預(yù)測(cè)生存期的模型，C 指數(shù)以及校準(zhǔn)圖均說明了該模型具有良好的預(yù)測(cè)能力。作為臨床診斷性生物標(biāo)志物、治療靶點(diǎn)和預(yù)后指標(biāo)，在臨床上通過檢測(cè)該基因特征集各自的表達(dá)量即可以對(duì)OS 進(jìn)行鑒別診斷及預(yù)測(cè)患者的生存時(shí)間，有利于OS 的早發(fā)現(xiàn)、早診斷和早治療。

本研究通過生物信息學(xué)的分析方法，從不同基因芯片數(shù)據(jù)中，探討導(dǎo)致OS 進(jìn)展的基因之間的聯(lián)系和影響OS 發(fā)生的遺傳機(jī)制，為OS 的預(yù)防、診斷和治療提供了理論基礎(chǔ)。ARHGDIB、CD74、FCER1G、HCLS1、HLA-DPA1 和TYROBP 基因特征集在OS 發(fā)生發(fā)展中發(fā)揮主要作用，其中ARHGDIB、FCER1G 和TYROBP 首次被證實(shí)與OS 進(jìn)展有關(guān)，為OS 的早期診斷、靶向治療及預(yù)后情況提供了新思路。本研究雖然基于臨床大樣本數(shù)據(jù)進(jìn)行分析討論，但仍缺乏具體的細(xì)胞和動(dòng)物實(shí)驗(yàn)進(jìn)行驗(yàn)證，尚存在不足之處，未來需要進(jìn)一步的體內(nèi)外實(shí)驗(yàn)進(jìn)行完善。