TY -的A2 Theocharis Stamatios e . AU -张,琼AU - Ning,帮派盟——江,红叶盟——黄Yanlin盟——朴,劲松盟——陈,甄AU - Tan)盟——张,集成商盟——刘Genglong PY - 2020 DA - 2020/12/01 TI - 15-lncRNA-Based Classifier-Clinicopathologic列线图可以改善肝癌患者复发的预测SP - 9180732六世- 2020 AB - 背景。我们的研究旨在开发一个lncRNA-based分类器和一个列线图结合基因签名和临床病理的因素有助于改善的准确性对肝细胞癌(HCC)病人复发的预测。 方法。lncRNA分析数据的374名肝癌患者和50名正常健康对照组被下载的癌症基因组图谱(TCGA)。使用单变量Cox回归和最小绝对收缩和选择算子(套索)分析,我们开发了一个15-lncRNA-based相比我们的分类器分类器和现有six-lncRNA签名。此外,列线图结合基因分类和临床病理的因素也发达。的预测准确性和歧视能力genomic-clinicopathologic诺模图是由一致性指数(c指数)和校准曲线和比较与TNM分期系统由c指数和接受者操作特征(ROC)分析。决策曲线分析(DCA)进行估算我们的列线图的临床价值。 结果。15复发存活率(RFS)相关lncRNAs被识别,分类器,包括确定15 lncRNAs,可以有效地分类患者高风险和低风险的子组。15-lncRNA-based分类器的预测精度,预测2年和5年RFS 0.791和0.834在训练集和验证集,0.684和0.747,分别比现有six-lncRNA签名。此外,genomic-clinicopathologic AUC的诺模图预测RFS 0.837 0.753在训练集和验证集,和c指数genomic-clinicopathologic诺模图是0.78(0.72 - -0.83)在训练集和0.71(0.65 - -0.76)验证集,这是比传统的TNM阶段和15-lncRNA-based分类器。决策曲线分析进一步证明了我们的诺模图有一个更大的净效益比TNM阶段和15-lncRNA-based分类器。结果证实了外部。 结论。TNM阶段相比,15-lncRNAs-based classifier-clinicopathologic列线图是一个更有效和有价值的工具来识别肝癌复发,可能有助于临床决策。SN - 0278 - 0240 UR - https://doi.org/10.1155/2020/9180732 - 10.1155 / 2020/9180732摩根富林明疾病标记PB - Hindawi KW - ER