骨肉瘤预后因素分析

一、影响骨肉瘤预后因素的分析（论文文献综述）

王紫玥^[1]（2021）在《利用生物信息学结合大数据分析骨肉瘤预后相关基因并探索STC2基因在骨肉瘤中的表达及意义》文中提出研究目的:骨肉瘤是原发骨肿瘤中最常见的一种类型,其发病率与死亡率逐年上升,其临床主要表现为:骨骼、关节疼痛和局部肿块;病理学镜下特征主要表现为肿瘤性成骨。化疗耐药与远期肺转移是导致患者死亡的主要原因。因为骨肉瘤细胞具有高度异质性,目前尚无有效的肿瘤治疗。但前沿的靶向治疗为疾病临床诊疗带来希望,目前,已经在骨肉瘤中尝试或应用的靶向药物类型有:表皮生长因子受体EGFR阻断剂、特定细胞标志物单克隆抗体、免疫检查点的抑制剂、I型干扰素等,目前可用于临床治疗骨肉瘤的的分子靶点数量较少,远不足以满足临床诊疗需要。利用生物信息学结合大数据分析,多维度挖掘骨肉瘤相关基因数据,并结合分子生物学实验进行验证,是筛选骨肉瘤潜在的诊疗基因靶点的重要手段。本研究将综合利用大数据分析、生物信息学工具以及实体组织验证,综合对影响骨肉瘤发生发展的基因群进行多维度分析,旨在探索潜在的临床诊疗新型靶点。具体研究内容:1、通过生物信息学结合大数据分析,筛选与正常骨组织相比,在骨肉瘤中表达出现异常的基因群,并进行基因功能注释以及模块分析,对潜在的核心基因构建高低风险特征模型,进一步筛选出与病人预后相关的关键基因。2、利用Prot Param、Genecards、R语言、GEPIA、Oncomine等生信手段,分析预后相关的关键基因理化性质、细胞定位、表达水平、周围相关蛋白、共表达基因谱系,并进行临床病理学特征分析,逐步解析STC2基因在肿瘤中的作用模式。3、应用生物样本库中骨肉瘤实体组织与细胞系,验证关键基因表达,并分析其临床病理特征,探索STC2基因作为骨肉瘤预后标志物的潜在可行性。研究方法:1、骨肉瘤预后相关基因的数据挖掘及基因表达特征模型的构建（1）从Gene Expression Omnibus（GEO）数据库中挑选出合适的骨肉瘤数据集（筛选标准:（1）样本量>10例;（2）含正常对照组织;（3）近十年内公布数据）,分析骨肉瘤和正常组织之间的差异表达基因（DEGs）。（2）根据基因表达量的差异倍数,对所有差异表达基因进行分组,对各组基因进行基本功能注释,包括分析其主要表达的细胞定位、发挥的生物学功能以及参与的信号通路。（3）在基因进行基本功能注释后,利用Cytoscape对差异表达基因进行功能模块分析,挑选其中关键模块基因使用survexpress进行风险评估,筛选出与病人预后相关的高风险组基因。2、生物信息学分析STC2基因在骨肉瘤中的作用（1）使用Prot Param预测STC2蛋白的基本理化性质,包括:氨基酸组成、分子量、等电点、不稳定系数、蛋白半衰期、疏/亲水性等。（2）分别应用c NLS-mapper以及TMHMM网站进行核定位区域及跨膜区域分析预测,明确STC2基因在细胞中的基本表达定位,探索其潜在的作用模式。（3）使用Genecards在线分析STC2蛋白的亚细胞定位。（4）利用oncomine数据库对STC2在骨肉瘤组织中的表达情况进行分析,包括:肉瘤与普通组织、肉瘤和其他类型肿瘤、各种类型的肉瘤3种不同模式。（5）使用CELL等数据库分析STC2在骨肉瘤细胞水平的基本表达情况,主要对比分析:m RNA芯片、转录组测序2种不同类型。（6）从TCGA数据集中下载肉瘤患者原始数据信息,包括:性别、种族、新辅助化疗、药物治疗、肿瘤深度、坏死程度、复发、转移、器官侵犯等等,统计学分析STC2基因表达与骨肉瘤临床病理特征之间的关系。3、验证STC2在骨肉瘤中的表达及临床意义（1）收集山西医科大学第二医院病理科骨肉瘤样本以及临床病理资料,进行STC2免疫组化染色,对阳性表达定位、阳性率均进行评估。（2）统计学分析STC2与山西医科大学第二医院骨肉瘤患者临床病理特征的关系,并和TCGA中大数据分析的结果进行对比。（3）使用癌症细胞系百科全书数据库分析STC2基因过表达与干扰前后,对骨肉瘤细胞增殖能力的影响,包括骨肉瘤与其它肿瘤细胞增殖能力以及骨肉瘤与正常细胞增殖能力对比。研究结果:1、骨肉瘤预后相关基因的数据挖掘及基因表达特征模型的构建（1）数据筛选:在GEO数据库中,筛选得到条件合适的2个骨肉瘤数据集:GSE12865和GSE42352,其中GSE12865数据集包含14个样本,包括:12个骨肉瘤样本,和2个正常组织样本。GSE42352数据集包含87个样本,包括:84个骨肉瘤样本,和3个正常组织样本。（2）根据差异基因筛选标准:（1）p<0.05;（2）|log2FC|≤1.0（差异表达倍数小于2）、1.0≤|log2FC|≤2.0（差异倍数大于2小于4）、2.0≤|log2FC|≤3.0（差异倍数大于4小于8）、3≥|log2FC|（差异表达倍数大于8）将差异表达基因分成一、二、三、四组,并对四组基因进行功能注释。结果显示:差异表达量较高的三、四组基因主要富集在细胞膜和细胞外。（3）对差异基因进行功能模块分析,结果显示:评分较高的核心模块亦主要富集于细胞外、细胞基质构架,并且包含22个基因,分别为:CCND1、CD44、CXCR4、FGF2、TP53、MMP9、QSOX1、EVA1A、DMP1、MXRA8、MEPE、GAS6、LGALS1、PNPLA2、SPARCL1、MFGE8、AMBN、AMTN、SPP1、STC2、IGFBP4、PRSS23。（4）将核心模块中的22个基因构建表达特征模型,并进行风险评估,根据评估结果将基因进一步分为高、低风险两组,鉴定出与患者预后显着相关的高风险组基因。结果显示:高风险组中MMP9、EVA1A、SPP1、STC2基因与患者差相关。（5）对于MMP9、EVA1A、SPP1、STC2四个基因逐个进行单因素生存分析,结果显示仅有STC2与患者总生存预后显着相关,其表达量越高病人预后越差;而其余MMP9、EVA1A、SPP1基因与患者预后无明显相关关系。2、STC2基因在骨肉瘤中的表达及作用（1）分析STC2基因信息理化性质,包括氨基酸组成、蛋白质等电点、半衰期、疏水性及亲水性、核定位区域、跨膜区域、亚细胞定位等,结果显示:STC2蛋白为具有一定稳定性的亲水性蛋白,且对基因生物学功能分析结果提示,其调节细胞钙/磷酸盐稳态,并与雌激素分泌相关。（2）STC2基因细胞定位分析显示:基因不存在跨膜区域或核定位序列,人STC2蛋白主要分布在内质网和细胞外。（3）STC2基因表达模式显示:与其它肿瘤组织相比,其在骨肉瘤组织和细胞系中表达均明显升高。而且,在骨肉瘤的不同亚型（成骨型骨肉瘤、成软骨型骨肉瘤、成纤维型骨肉瘤、毛细血管扩张型骨肉瘤）中,STC2在成骨型和成软骨型骨肉瘤中表达明显高于其余二组,提示其与骨组织发育具有潜在相关性。（4）GEPIA和TCGA的数据分析显示,STC2基因表达与患者的生存预后显着相关,其表达含量越高,患者预后越差。（5）构建以STC2为中心的PPI蛋白,并分析基因潜在生物学功能,结果显示:与STC2蛋白相关性最强的前10名蛋白有:IGFBP5、CYR61、PENK、FSTL3、IGFBP3、IGFBP4、IGFBP1、FAM20A、BPIFB2、FAM20,其中显示与成骨机制相关的基因有5个,分别为IGFBP5、CYR61、PENK、FSTL3、IGFBP3。3、验证STC2在骨肉瘤中的表达及临床意义（1）收集山西医科大学第二医院43例骨肉瘤组织进行STC2免疫组化检测,染色结果显示:STC2蛋白主要定位在细胞核。（2）分析STC2与骨肉瘤患者临床病理特征的关系结果显示:STC2表达在化疗后显着降低,差异具有统计学意义。（3）细胞学验证STC2对骨肉瘤细胞增殖功能的影响结果显示:STC2基因过表达后,与STC2基因低表达的细胞株相比,其增殖能力明显增强。研究结论:1、骨肉瘤预后相关基因的数据挖掘及基因表达特征模型的构建骨肉瘤中表达差异倍数较高的基因,主要富集于细胞外,提示调控骨肉瘤发生发展的核心基因可能在细胞外或细胞基质构架中发挥功能;而且,风险评估的结果显示:STC2、MMP9、EVA1A、SPP1四个基因与患者预后相关,其中STC2基因的预后价值通过单因素分析得到验证。2、STC2基因在骨肉瘤中的表达及作用对STC2蛋白的基本性质,包括亲疏水性、稳定性、细胞定位以及参与的信号通路等进行分析,结果显示:STC2基因对钙磷稳态进行调节,而且STC2蛋白分泌型蛋白与骨肉瘤的发生发展具有潜在相关性。3、验证STC2在骨肉瘤中的表达及临床意义在43例骨肉瘤组织免疫组化的分析结果显示,STC2蛋白主要定位于细胞核,且其表达在化疗组显着降低,差异具有统计学意义;而且,STC2表达与骨肉瘤细胞增殖能力明显相关。

蔡启轩^[2]（2021）在《长链非编码RNA LINC01614通过miR-520a-3p/SNX3调控轴促进骨肉瘤进展的分子机制》文中研究说明骨肉瘤是儿童和青少年中最常见的原发恶性骨肿瘤,侵袭性强且易早期转移,以至于患者病程快、预后差,往往造成致命的威胁。尽管近些年肿瘤的治疗手段有了长足的提升,但因骨肉瘤复杂的致病机制难以被攻破,治疗效果很难实现突破性的进展。因此深入探究骨肉瘤致病的分子机制,寻找骨肉瘤中关键的功能分子对骨肉瘤的早期诊断及有效治疗具有极其重要的意义。长链非编码RNA（Lnc RNAs）是构成非蛋白质编码RNA的一类大分子。Lnc RNAs可以通过与不同分子的相互作用,参与多种细胞生物过程（信号、诱饵、引导、支架）。另外lnc RNAs不仅在调节一些正常的生理过程中发挥作用,还参与调控肿瘤的发生、发展及远处转移等,一些lnc RNAs已被证实可以作为生物标志物（预后指标、治疗靶点）,甚至可以调节患者对化疗药物的敏感性。目前已经证明了lnc RNAs在骨肉瘤的发生发展中起到重要的调控功能,因此,继续探寻尚未“解锁”的lnc RNAs,系统多维地探究lnc RNAs在骨肉瘤中扮演的角色,筛选具有关键作用的lnc RNAs,深入挖掘其在骨肉瘤中具体的调控作用,不仅有助于发现骨肉瘤相关的致病机制,还可以为骨肉瘤的精准治疗提供理论基础,为医疗的发展做出贡献。本研究中通过对骨肉瘤癌及癌旁组织样本进行全转录组测序分析,检测差异表达的lnc RNAs、miRNAs及m RNAs分子表达谱数据,运用计算生物学研究方法,获取三种差异基因之间的分子调控网络数据,通过GO功能注释及KEGG代谢通路分析,对差异lnc RNAs/miRNAs/m RNAs共调控网络的靶基因及筛选出的核心lnc RNAs的靶基因进行功能分析,并通过细胞学及组织学对LINC01614（核心lnc RNAs）进行验证。验证无误后,对其调控骨肉瘤的生物学功能（增殖、迁移、侵袭、凋亡等）进行实验探究,结合LINC01614/miR-520a-3p/SNX3三者之间的调控关系,进一步对该调控轴进行验证并确定其在骨肉瘤中的调控功能,从而明确LINC01614可以通过miR-520a-3p/SNX3调控轴促进骨肉瘤进展的机制。第一部分骨肉瘤中以lnc RNAs为核心的调控网络构建及关键基因的筛选我们利用三组骨肉瘤癌及癌旁组织样本进行全转录组测序以获取其分子表达谱数据,通过对比分析共筛选得到163个差异表达lnc RNAs（67个上调表达,96个下调表达）,207个差异表达miRNAs（92个上调表达,115个下调表达）及4247个差异表达m RNAs（2019个上调表达,2228个下调表达）。综合应用LNCipedia、DAVID、STRING等多种数据库,结合生物信息统计学分析方法,获取lnc RNAs/miRNAs/m RNAs共调控网络关系并对差异表达lnc RANs的靶基因进行功能分析,发现骨肉瘤中差异表达lnc RNAs可能具有调控骨细胞分化、蛋白结合和生物大分子合成的功能,并可能参与了PI3K-Akt、AMPK等与肿瘤发生发展密切相关的代谢通路。另外我们通过差异表达显着情况选取了LINC01614、MALAT1两种lnc RNAs,分别构建了以两者为核心的lnc RNAs/miRNAs/m RNAs调控网络,并对调控网络中的靶基因进行了功能分析及蛋白互作网络分析,发现LINC01614的靶基因可能参与调控Wnt信号通路、细胞迁移等致癌生物学过程;MALAT1的靶基因可能参与了调控成骨分化、蛋白质转运等生物学过程。我们进一步利用骨肉瘤细胞和正常成骨细胞及骨肉瘤癌和癌旁组织标本对选取的这两种lnc RNAs的表达情况进行了q RT-PCR检测,发现两者在多种骨肉瘤细胞及骨肉瘤癌组织中均呈现高表达,这与我们之前生信分析的结果一致,同时也为我们进一步深入挖掘lnc RNAs在骨肉瘤中的调控功能及相关分子机制提供了方向。第二部分LINC01614在骨肉瘤中的调控功能研究通过第一部分的分析及验证,我们选取了LINC01614为本研究的突破口,旨在探究其在骨肉瘤中的相关调控功能。首先我们利用从“TARGET”数据库获得的骨肉瘤患者的临床数据进行了生存分析研究,发现LINC01614与患者生存率呈负相关,且与骨肉瘤病理分期呈正相关,提示了LINC01614可能在骨肉瘤的发生发展中起到不利作用。接下来体外实验,通过CCK-8实验检测细胞增殖情况,结果提示沉默LINC01614可以明显抑制骨肉瘤细胞的增殖能力;通过transwell细胞侵袭实验和细胞划痕实验检测细胞侵袭及迁移能力,发现沉默LINC01614可以抑制骨肉瘤细胞的侵袭和迁移能力;通过Western Blot检测沉默LINC01614骨肉瘤细胞内的PCNA、caspase-3以及E-cadherin的蛋白表达情况,再次验证沉默LINC01614可抑制骨肉瘤细胞的增殖、侵袭及迁移能力,并提示LINC01614可能与骨肉瘤细胞凋亡有关;通过流式细胞仪检测细胞凋亡情况,发现沉默LINC01614可以促进骨肉瘤细胞的凋亡。体内实验中,通过小鼠移植瘤实验,发现沉默LINC01614可以有效降低骨肉瘤在体内的成瘤速度及体积。总而言之,体内与体外实验均可证明LINC01614具有促进骨肉瘤进展的作用。第三部分LINC01614调控骨肉瘤发生发展的分子机制研究通过对第一部分中LINC01614调控网络的分析,结合第二部分LINC01614在骨肉瘤中的调控作用,我们提出了LINC01614可能通过miR-520a-3p/SNX3调控轴来促进骨肉瘤进展的假设。接下来,我们通过q RT-PCR及Western Blot等实验对三者结合关系进行了验证;并应用生物信息学数据库预测miR-520a-3p与LINC01614以及miR-520a-3p与SNX3的结合位点,再通过荧光素酶报告基因实验对结合位点进行了验证;在此基础上,我们又补充了Ago2 RIP实验进一步验证三者结合方式,结果提示LINC01614可通过竞争性结合miR-520a-3p来调控SNX3的表达。而后通过对沉默和过表达miR-520a-3p、沉默SNX3以及各自空白对照的骨肉瘤细胞进行CCK8细胞增殖实验、transwell细胞侵袭实验、细胞划痕实验以及流式细胞凋亡实验,实验结果提示miR-520a-3p、SNX3可影响骨肉瘤细胞的增殖、侵袭、迁移及凋亡过程;再通过对共转染miR-520a-3pinhibitor+sh RNA-NC、miR-520a-3p-inhibitor+sh RNA-LINC01614及miR-520a-3pinhibitor+sh RNA-SNX3等多组细胞进行CCK8细胞增殖实验、transwell细胞侵袭实验、细胞划痕实验以及流式细胞凋亡实验,发现LINC01614及SNX3均可影响miR-520a-3p对骨肉瘤细胞功能的调控作用,结果提示LINC01614可通过竞争性结合miR-520a-3p来调控SNX3的表达,从而对骨肉瘤的发生发展起到一定的调控作用。最后,我们通过Western Blot检测沉默LINC01614、沉默SNX3、沉默及过表达miR-520a-3p骨肉瘤细胞内的β-catenin及Wnt1蛋白表达情况,结果提示LINC01614/miR-520a-3p/SNX3调控骨肉瘤的生物功能有可能与其参与调控Wnt信号通路相关,这也为今后的研究提供了一定思路。

郭嘉^[3]（2021）在《基于GEO和TARGET数据库联合分析构建骨肉瘤三基因预后模型》文中研究说明研究背景和目的:骨肉瘤是一种儿童、青少年和年轻人群中最常见的骨肿瘤,其具有恶性程度高,复发率高和转移性强等特点,这些特点常常导致该疾病患者预后不良。随着针对骨肉瘤的多学科综合治疗的研究发展,大多数骨肉瘤患者的5年生存率已提高至近70%。然而,近40年来,骨肉瘤预后相关的研究进展并没有取得进一步突破。本研究的目的是通过联合GEO和TARGET公共数据库中RNA芯片和测序数据来识别骨肉瘤潜在的基因生物标志物,从而进一步改善骨肉瘤患者的预后。研究方法和结果:基于GEO数据库,我们在GSE99671数据集的18对骨肉瘤/健康骨组织样本中鉴定了730个差异表达基因,并通过富集分析和蛋白质-蛋白质互作网络分析探索这些基因的潜在功能。此外,我们从TARGET数据库筛选了94例骨肉瘤患者,并提取了他们差异基因表达矩阵和临床信息,最终得到了703个基因的表达矩阵和70例患者的完整临床相关数据。联合运用单因素Cox回归分析、LASSO回归、生存分析和多因素Cox回归分析,我们筛选出三个基因（GCA、GFRA3和MOCOS）并构建基因预后模型。进一步的分析表明,该模型的预后能力独立于其他临床特征。ROC曲线AUC值为0.812,说明该模型预测性能较好。我们基于三基因模型构建了nomogram图,并使用TARGET数据库进行了内部验证,C-指数为0.813,95%置信区间为0.722-0.904,提示nomogram图预测能力良好。3年和5年生存率的校正曲线均显示有较好的预测精度。结论:骨肉瘤中差异表达基因主要富集在中性粒细胞介导免疫、中性粒细胞脱颗粒、参与免疫反应的中性粒细胞激活等生物学过程,以及细胞外基质受体相互作用通路。三基因（GCA、GFRA3和MOCOS）预后模型的风险评分是骨肉瘤的独立预后因子。联合三基因预后模型的nomogram图可以为临床医生给骨肉瘤患者选择个性化治疗方案提供依据。

许嗣滔^[4]（2021）在《机器学习和Cox模型在骨肉瘤生存预测中的应用》文中研究指明目的探讨影响骨肉瘤患者生存期的预后因素,构建机器学习和Cox比例风险回归生存预测模型,比较两类模型间的预测效能。方法1、从美国SEER数据库选取2010年～2015年间骨肉瘤临床病例资料,确定相关变量,清洗数据后纳入910例进行回顾性分析,包括基本信息、肿瘤特征及预后信息等。用X-tile软件将连续性变量（年龄、肿瘤大小）转化为分类变量,随机数表法按照7:3比例分为建模组和验证组。采用Kaplan-Meier法和Log-rank检验分析各变量对骨肉瘤患者生存率的影响,绘制生存曲线。2、建模组采用单因素及多因素Cox回归分析确定独立的预后影响因素（P<0.05）,构建骨肉瘤患者1年、3年及5年生存率的Cox比例风险回归模型,用列线图（Nomogram）使模型可视化,曲线下面积（Area Under Curve,AUC）和校准曲线（Calibration curve）评估列线图预测效能。验证组进行结果验证。3、建模组分别构建骨肉瘤患者1年、3年及5年生存率的神经网络（Neural network,NN）和随机森林（Random Forest,RF）两种机器学习预测模型,AUC值评估模型的预测效能,验证组进行结果验证。比较Cox比例风险回归和两种机器学习预测模型间的AUC值。结果1、本组共910例,建模组640例,验证组270例,年龄3～89（26.7±19.0）岁,中位年龄19岁;年龄转化分类为≤20岁,21-55岁,≥56岁,肿瘤大小转化分类为≤70mm、71-119mm、≥120mm;生存时间0～83（34.0±21.7）月,中位生存时间29月;随访期间死亡218例,1年、3年、5年生存率分别为91.8%、79.3%、76.5%。生存分析结果显示年龄、性别、原发肿瘤部位、病理分型、手术类型、放疗、化疗、婚姻状态、AJCC7版临床分期、T分期、N分期、M分期、骨转移、脑转移、肝转移、肺转移、肿瘤大小共17个因素对骨肉瘤患者生存率影响有统计学意义（P<0.05）。单因素Cox回归分析显示年龄、性别、原发肿瘤部位、手术类型、放疗、化疗、婚姻状态、AJCC7版临床分期、T分期、N分期、M分期、骨转移、脑转移、肝转移、肺转移、肿瘤大小共15个因素与患者生存预后显着相关（P<0.05）。多因素Cox回归分析显示年龄、性别、原发肿瘤部位、手术类型、AJCC7版临床分期及肿瘤大小是影响骨肉瘤患者生存预后的独立危险因素（P<0.05）。建模组和验证组中,Cox模型预测1、3、5年生存的AUC值分别为0.907、0.821、0.79和0.864、0.812和0.743;最佳截断值分别是0.065、0.371、0.038和0.095、0.18、0.039;建模组与验证组的校准曲线拟合程度较好。建模组和验证组中,神经网络模型预测骨肉瘤患者1、3、5年生存的AUC值分别为0.896、0.830、0.80和0.809、0.794、0.743;建模组中,随机森林预测骨肉瘤患者1、3、5年生存的袋外错误率（OOB error）分别是:8.28%、19.38%和19.53%;验证组中,随机森林模型预测1、3、5年生存的AUC分别为0.884、0.767、0.731。比较三种模型AUC值,Cox比例风险回归模型、神经网络模型、随机森林模型均较好预测骨肉瘤患者生存,前两者预测3、5年生存优于随机森林模型。结论1、年龄、性别、AJCC7版临床分期、原发肿瘤部位、手术状态、肿瘤大小与骨肉瘤患者的生存预后显着相关。2、Cox比例风险回归模型、神经网络模型、随机森林模型均较好预测骨肉瘤患者生存,前两者预测中长期生存优于随机森林模型。

周俊^[5]（2021）在《骨肉瘤转移基因筛选及机器学习生存预测模型构建》文中进行了进一步梳理目的:筛选骨肉瘤患者转移和预后相关的基因标志物,探讨机器学习方法生存模型的预测效能。方法:1.从TARGET数据库中获取骨肉瘤病例的临床生存资料及基因表达数据。依据患者初次诊断时的状态分为转移组和非转移组,数据清理出同时具有基因表达和临床生存资料数据的病例,随机数表法按7:3比例分成建模组和验证组,采用Kaplan-Meier法和log-rank检验比较两组生存率的差异。筛选转移组和非转移组的差异表达基因,单因素Cox回归分析筛选生存相关的差异表达基因（P<0.05）。2.将单因素Cox回归分析的差异表达基因纳入建模组,分别构建Lasso-Cox比例风险回归、支持向量机（Support Vector Machines,SVM）、随机森林（Random Forest,RF）和极限梯度提升（Extreme Gradient Boosting,XGboost）四个机器学习模型,利用验证组对构建的模型进行内验证。计算准确率和受试者工作特征曲线下面积（Area Under the Receiver Operating Characteristic Curve,AUROC）评估模型的预测效能。结果:1.共纳入骨肉瘤病例272例,转移组68例,平均年龄为14.5±4.06岁;非转移组204例,平均年龄为17.1±10.69岁。log-rank检验结果显示转移组和非转移组患者的生存率差异有统计学意义（P<0.05）。数据清理出95例同时包含有基因表达和临床生存资料数据,建模组63例,平均年龄为14.72±4.47岁;验证组32例,平均年龄为16.72±6.56岁,两组患者的生存率和结局状态无明显统计学差异（P>0.05）。转移组和非转移组间的差异表达基因共371个,高表达基因有267个,低表达基因有104个。单因素Cox回归分析筛选得到具有统计学差异的基因共有37个基因（P<0.05）。2.Lasso回归分析筛选出10个基因,多因素Cox回归分析建立了一个五基因（MYC、FAM166B、SOSTDC1、FMO2和BPIFB1）的Lasso-Cox比例风险回归模型,建模组和验证组ROC曲线示生存期为1年、3年、5年的AUROC值分别为0.807和0.742、0.848和0.645、0.879和0.660,C指数分别为0.770和0.671。支持向量机递归特征消除方法共筛选出6个基因（ARX、SOSTDC1、TSPY4、ITK、ALDH1A1和RBMY1B）构建SVM模型,建模组和验证组预测生存期为5年的准确率分别为0.746和0.594,AUROC值为0.585。RF模型中特征变量排名前五的基因分别是FMO2、TSPY9P、DDN、ALDH1A1和MYC,建模组和验证组生存期为5年的准确率分别为0.762和0.750,AUROC值为0.709。XGboost模型中特征变量排名前五的基因分别是FMO2、DDN、TSPY1、ABCA4和MYC,建模组和验证组生存期为5年的准确率分别为0.714和0.750,AUROC值为0.700。MYC和FMO2基因均被纳入Lasso-Cox模型,并且均在RF模型和XGboost模型的特征变量重要性排名中位列前五。结论:1.机器学习方法构建的骨肉瘤生存预测模型中,RF模型和XGboost模型均有较好且相近的预测效能,优于Lasso-Cox比例风险回归模型,但SVM模型的预测效能不佳。2.MYC和FMO2基因可能与骨肉瘤转移和生存预后相关。3.转移性骨肉瘤患者的5年生存预后明显比无转移的患者差。

张浩^[6]（2021）在《骨肉瘤分子分型及各亚型肿瘤学性质表征》文中研究指明研究目的骨肉瘤是好发于青少年的恶性间质性肿瘤,以手术和新辅助化疗为主要治疗手段,近30年患者总体生存率没有改变,个体差异大,常发生耐药,复发及转移等事件,预后不良。目前尚无有效的骨肉瘤分子分型,针对骨肉瘤分子特征的靶向治疗也未有突破性进展。本研究目的即是揭示骨肉瘤从干细胞分化为肿瘤细胞过程的特征,针对分化方向和分子特征定义骨肉瘤三种亚型,为临床药物开发,临床肿瘤诊治提供理论支持。研究方法本研究纳入6例骨肉瘤单细胞数据和9例松质骨对照单细胞样本,对骨肉瘤和松质骨测序数据进行联合分析,通过数据清洗和降维聚类,鉴定各细胞成分。分别从基因表达,转录激活,通路激活以及拷贝数变异等角度,通过对比骨肉瘤细胞和正常间充质细胞,研究肿瘤细胞独特的转录特征。通过对比骨肉瘤不同的分化方向的肿瘤细胞群,探索骨肉瘤的分子分型,通过各个细胞群之间的通讯,展现肿瘤和微环境之间的通讯。最后,以两个骨肉瘤队列对该分子分型验证可行性。结果我们从骨肉瘤细胞中鉴定出包括肿瘤干细胞群在内的29群细胞,展现了骨肉瘤的分化过程,并从干细胞群分化方向上分出三个基因表达,转录激活,通路激活和拷贝数变异截然不同的肿瘤群。从三个肿瘤群中提取出44个特征基因,在一个公共队列和一个临床队列中对预后做了准确分类。结论本研究从骨肉瘤细胞中定义出了干细胞群,明确了骨肉瘤干细胞和骨间充质干细胞的差异。并且定义了骨肉瘤三个分子分型,三种骨肉瘤亚型存在不同的转录调控模式,和不同的靶向治疗通路的激活。最后在二个骨肉瘤队列中,证明该分子分型是骨肉瘤的独立预后因素。

叶尔哈那提·胡杜斯,阿尔恒别克·吐汗拜,艾克拜尔·尤努斯^[7]（2021）在《NLR、LMR和PLR与骨肉瘤预后的关系》文中研究说明目的探讨术前中性粒细胞/淋巴细胞比值（NLR）、淋巴细胞/单核细胞比值（LMR）、血小板/淋巴细胞比值（PLR）对预测骨肉瘤患者预后的影响。方法回顾性分析接受同样治疗方案的70例骨肉瘤患者的临床和生存资料,计算出初次确诊为骨肉瘤时的NLR、PLR和LMR,ROC曲线分析NLR、PLR和LMR的AUC值并确定最佳预测诊断截断值后分高低两组,Kaplan-Meier法绘制生存曲线,Cox比例风险回归模型分析预后因素。结果以NLR=3.025、LMR=4.82和PLR=111.5为界,高NLR组患者的3、5年生存率分别为42.0%、28.0%,低NLR组分别为73.9%、60.2%（P=0.002）,高LMR组分别为71.1%、55.3%（P<0.001）,低LMR组分别为33.3%、10.4%,高PLR组分别为30.8%、23.8%,低PLR组分别为63.6%、56.6%（P=0.001）。单因素分析显示NLR、PLR及LMR水平、肺转移均与患者死亡明显相关（P<0.05）,多因素Cox回归分析显示NLR及LMR水平是影响患者总生存率的独立预后因素。结论 NLR、LMR水平是预测骨肉瘤患者预后的指标之一,NLR>3.025、LMR<4.82者生存期较短,可能需更积极化疗和密切随访改善临床治疗结果。

杨乾坤^[8]（2021）在《外周血淋巴细胞亚群在骨肉瘤中的分布特点及预后价值研究》文中指出目的:研究外周血淋巴细胞亚群（Peripheral blood lymphocyte subsets,PBLS）在良恶性骨肿瘤中的分布特点以及其对骨肉瘤的预后价值。方法:收集2012年1月至2019年6月在我院治疗的良恶性骨肿瘤患者的临床资料,包括一般临床资料、外周血淋巴细胞亚群检测指标和血常规指标等,根据纳排标准最终筛选出70例恶性骨肿瘤患者（骨肉瘤组）和70例良性骨肿瘤患者（对照组）进行研究。用Mann-Whitney U检验比较两组在PBLS绝对计数、PBLS相对比值和血常规参数上的差异。在骨肉瘤组中,根据Enneking分期、复发或转移等变量进行分组,用Mann-Whitney U检验或Kruskal-Wallis H检验比较不同亚组在PBLS绝对计数和PBLS相对比值上的差异;用受试者工作特征曲线下面积（Area under the ROC curve,AUC）评价PBLS绝对计数、PBLS相对比值和血常规参数对骨肉瘤总体生存的预后判断价值;用Kaplan-Meier曲线法绘制不同亚组的生存曲线,用Log-Rank检验比较不同亚组间的生存差异;用Cox回归分析确定骨肉瘤患者总体生存的预后因素。结果:（1）本研究共纳入140例患者,其中骨肉瘤患者70例,良性骨肿瘤患者70例。骨肉瘤组的中位生存期为34.90（4.60～76.90）月,其1年、3年和5年生存率分别为87.14%、54.28%和22.86%。对照组均为良性骨肿瘤患者,该组的疾病诊断包括骨样骨瘤8例（11.43%）、骨软骨瘤50例（71.43%）和软骨瘤12例（17.14%）。（2）骨肉瘤组和对照组在PBLS绝对计数上无显着差异（P>0.05）,但是在PBLS相对比值上,骨肉瘤组在CD4+/CD8+比值、CD19+/CD8+比值、CD16+CD56+/CD8+比值和CD4+/CD3+比值上均显着低于对照组（P<0.05）。在血常规相关参数上,骨肉瘤组在白细胞计数、中性粒细胞计数、单核细胞计数、血小板计数、NLR和PLR上均显着高于对照组（P<0.05）,而在LMR上显着低于对照组患者（P<0.05）。（3）不同亚组骨肉瘤患者的PBLS参数进行比较,与Enneking II期和未出现复发或转移的患者相比,Enneking III期、初诊时肺转移以及治疗后出现复发或转移的患者在CD3+CD4+绝对计数、CD19+绝对计数、CD16+CD56+绝对计数、CD4+/CD3+比值、CD4+/CD8+比值、CD19+/CD3+比值和CD16+CD56+/CD3+比值上均显着降低（P<0.05）,而在CD3+CD8+绝对计数和CD8+/CD3+比值上均显着增加（P<0.05）。（4）在PBLS参数和血常规参数对骨肉瘤总体生存的预后价值评价中,在PBLS参数中,CD16+CD56+绝对计数、CD4+/CD8+比值、CD19+/CD3+比值和CD4+/CD3+比值预测总体生存的AUC分别为0.638、0.781、0.657和0.768;在血常规相关参数中,NLR、PLR、LMR和PNI预测总体生存的AUC分别为0.720、0.632、0.639和0.718。（5）在单因素Cox回归分析中,术前新辅助化疗、手术、化疗、Enneking分期、ALP、CD19+绝对计数、CD16+CD56+绝对计数、CD4+/CD8+比值、CD4+/CD3+比值、CD19+/CD3+比值、NLR、PLR、PNI、LMR、白细胞计数和中性粒细胞计数是影响总体生存的预后因素（P<0.05）。在多因素Cox回归分析中,术前新辅助化疗、手术、化疗、Enneking分期、ALP、CD4+/CD8+比值、CD19+/CD3+比值、NLR、PLR和PNI是总体生存的独立预后因素（P<0.05）。（6）在Enneking II/III期、初诊肺转移组和治疗后未出现复发或转移组骨肉瘤患者中,CD4+/CD8+比值≥1.30或CD19+/CD3+比值≥0.11的患者均具有相对较长的总体生存期（P<0.05）。结论:PBLS参数在良恶性骨肿瘤中和骨肉瘤不同亚组中的分布不同,对骨肉瘤患者的总体生存具有预测价值。骨肉瘤和良性骨肿瘤在PBLS参数上的差异主要体现在PBLS相对比值上。不同Enneking分期和不同复发或转移情况的亚组骨肉瘤患者在PBLS绝对计数和PBLS相对比值上均存在显着差异。在PBLS参数中,CD4+/CD8+比值和CD19+/CD3+比值可作为骨肉瘤总体生存的预测指标。

许良^[9]（2020）在《微管亲和调节激酶2对骨肉瘤干细胞顺铂耐药性及骨肉瘤细胞发生发展的作用及机制研究》文中研究指明第一部分微管亲和调节激酶2在骨肉瘤中的表达及其临床意义研究背景:骨肉瘤是儿童和青少年中最常见的骨原发恶性肿瘤,尽管年发病率只有3/100万,但严重危害青少年患者的身体健康。由于骨肉瘤具有明显异质性、基因组不稳定性和早期转移以及化疗效果不敏感的特点,骨肉瘤已成为青少年和青年人癌症相关死亡的主要原因。随着化疗技术和外科技术的进步,骨肉瘤的治疗方案由20世纪70年代以前的截肢治疗转变为日益规范的新辅助化疗-手术-辅助化疗的标准方案。未发生转移的骨肉瘤患者5年生存率由原先的不足20%提高到70%左右。尽管如此,近三十年来骨肉瘤患者的生存率未发生显着进步,而且发生转移的骨肉瘤患者5年生存率不足25%。近年来,各种恶性肿瘤的靶向治疗研究如火如荼的进行,很多肿瘤也取得了里程碑式的进展。NCCN指南中推荐索拉非尼（VEGFR抑制剂）作为骨肉瘤患者的二线治疗。因此,有必要进一步探索骨肉瘤新的分子机制,开发新的有效治疗靶点,改善骨肉瘤的预后。微管亲和调控蛋白 2（microtubule affinity-regulating kinase 2,MARK2）是一种丝氨酸/苏氨酸蛋白激酶,是微管相关蛋白磷酸化的关键成分,并在细胞周期调控蛋白、Ⅱ型组蛋白等细胞因子的磷酸化中起重要作用。研究通过动物基因敲除实验发现,MARK2在神经分化、神经退行性变、细胞极化、细胞内转运及细胞迁移等作用中起重要作用。然而近年来研究发现,MARK2与肿瘤恶性生物学行为及耐药性存在着密切联系。在非小细胞肺癌、宫颈癌等恶性肿瘤中,MARK2高表达且与临床预后不良相关。但MARK2在骨肉瘤中的表达及其相关研究缺乏,因此我们首先进行尝试性探索微管亲和调节激酶2在骨肉瘤中的表达及其临床意义。研究目的本研究旨在探讨MARK2在骨肉瘤中的表达情况及与临床病理特征和预后之间的关系,为进一步研究MARK2在骨肉瘤中发生发展的作用及机制提供坚实基础。研究方法1.我们首先分析了公开数据库骨肿瘤患者中MARK2的表达和临床预后的关系。2.免疫组织化学检测骨肉瘤组织和骨母细胞瘤组织中MARK2蛋白表达情况,并分析骨肉瘤组织中MARK2表达与临床病理特征及预后之间的关系。研究结果1.GEO数据库（GSE12865）的分析发现与正常成骨细胞组织相比,骨肉瘤组织中的MARK2表达升高。TARGET数据的分析表明,MARK2高表达的骨肉瘤患者总生存率和无病生存率低,预后较差。2.免疫组织化学实验结果显示MARK2在骨肉瘤组织中的表达明显高于在骨母细胞瘤组织中的表达。而且MARK2的高表达与肿瘤大小（P=0.0322）,远处转移（P=0.0044）和对化疗的反应相关（P<0.0001）。Kaplan-Meier生存分析表明,MARK2表达较高的患者总体生存期较短。结论MARK2在骨肉瘤组织中高表达,并与肿瘤大小、远处转移和对化疗的反应及患者预后不良相关。第二部分MARK2在骨肉瘤干细胞顺铂耐药性中的作用及机制研究研究背景新辅助化疗、手术、辅助化疗的标准治疗方案使骨肉瘤患者的生存率得到明显的改善。骨肉瘤的标准化疗药物包括顺铂、多柔比星、异环磷酰胺和甲氨喋呤等。尽管最近在诊断和治疗方法上取得了进展,但进年来骨肉瘤患者的存活率仍然停滞不前,事实上仍有约35%的骨肉瘤患者会对上述4种化疗药物产生耐药,尤其是顺铂耐药,化疗耐药常常导致治疗失败,并导致骨肉瘤复发,转移或不可切除,这限制了当前骨肉瘤的治疗效果。因此,有必要进一步探索骨肉瘤的耐药机制,开发新的有效治疗靶点,以逆转骨肉瘤的化疗耐药,改善骨肉瘤的预后。肿瘤干细胞（CSC）是具有自我更新、分化潜能、高致瘤性、高度耐药等特征的一类恶性肿瘤细胞群,虽然在肿瘤中的数量所占比例极少,但对常规放化疗不敏感,被认为是肿瘤发生发展、化疗耐药、转移的根源,对肿瘤的治疗及预后有着重要的意义。因此,肿瘤干细胞理论是化疗耐药的重要原因,分离肿瘤干细胞、进行相关研究,找出药物靶点和相关的信号传导通路,为新的药物及治疗方法的开发提供理论支持。CD133抗原被认为是正常组织和癌组织的干细胞标记。研究鉴定出骨肉瘤细胞系中的CD133+细胞具有肿瘤干细胞的许多特征。肿瘤细胞DNA损伤修复能力也是化疗耐药的重要机制。多项研究发现,在胶质瘤、宫颈癌、非小细胞肺癌以及B细胞慢性淋巴细胞性白血病中,DNA依赖性蛋白激酶（DNA-PK）及DNA依赖性蛋白激酶催化亚单位（DNA-PKcs）的的活性和表达增高。本课题组前期研究发现,CD133+骨肉瘤细胞具有肿瘤干细胞的特性,该群细胞高表达MDR1、DNA-PK基因,在化疗耐药、肿瘤形成以及肿瘤恶性生物学行为中较为突出。DNA-PKcs高表达与骨肉瘤不良预后相关,复发转移的患者中DNA-PKcs 阳性率显着高于无瘤生存患者,DNA-PKcs可作为影响无瘤生存率的预后因素之一。但是,该机制的上游靶点尚不清楚。微管亲和力调节激酶2（MARK2）参与许多细胞功能的调节。近年来研究发现,MARK2与肿瘤的化疗耐药存在着密切联系。MARK2在顺铂耐药的宫颈癌细胞系中过表达。研究发现,在非小细胞肺癌中MARK2高表达并与顺铂抵抗具有密切关系,MARK2的过表达与DNA的低甲基化和复制密切相关。细胞系和原代细胞实验均显示了 MARK2在细胞周期激活和DNA损伤修复中的重要作用。下调MARK2表达后,肺癌细胞内DNA损伤增多、细胞周期发生S期阻滞、NF-κB的活性增高。对此该研究认为MARK2可以通过调节细胞周期增加细胞的DNA损伤修复。PI3K/Akt/mTOR通路的失调与包含骨肉瘤在内的多种肿瘤的化学耐药性有关。第一部分发现,MARK2在骨肉瘤的高表达与对化疗的反应相关,然而,MARK2能否通过PI3K/Akt/mTOR信号通路调节DNA-PKcs的表达从而促进骨肉瘤干细胞对顺铂的耐药,仍需进一步研究明确。研究目的本研究旨在探讨MARK2在CD133+MG-63和MNNG/HOS细胞中对顺铂耐药的作用及其潜在机制。研究方法1.通过MACS（免疫磁珠分选法）获得CD133-和CD133+MG-63和MNNG/HOS细胞,分别用CCK8细胞活性实验检测其对顺铂的耐药性,并用qRT-PCR和蛋白质印记实验检测CD133-和CD133+MG-63和MNNG/HOS细胞MARK2的表达。2.siRNA 下调 CD133+MG-63 和 MNNG/HOS 细胞中 MARK2 的表达后,检测顺铂耐药性的变化。3.分别用蛋白质印记实验和细胞免疫荧光实验检测顺铂作用之后CD133-和CD133+MG-63和MNNG/HOS细胞中DNA损伤修复相关蛋白的表达情况。siRNA下调CD133+MG-63和MNNG/HOS细胞中MARK2的表达后,检测DNA损伤修复的变化。4.应用蛋白质印迹法对比检测CD133-和CD133+MG-63和MNNG/HOS细胞中PI3K/Akt/mTOR通路相关蛋白和DNA-PKcs的表达,并在CD133+细胞中加Akt抑制剂后,检测DNA-PKcs的表达水平和顺铂耐药性。下调CD133+MG-63和MNNG/HOS细胞中MARK2的表达后,检测PI3K/Akt/mTOR通路相关蛋白DNA-PKcs的表达的变化。研究结果1.与 CD133-MG-63 和 MNNG/HOS 细胞相比,CD133+MG-63和MNNG/HOS细胞显示出较高的顺铂耐药性和MARK2表达水平。2.下调MARK2降低了 CD133+MG-63和MNNG/HOS细胞的顺铂耐药性,说明MARK2在CD133+MG-63和MNNG/HOS中促进顺铂耐药。3.与 CD133-MG-63 和 MNNG/HOS 细胞相比,CD133+MG-63 和 MNNG/HOS细胞顺铂作用后DNA双链断裂较少,DNA损伤修复蛋白增加。siRNA下调CD133+MG-63和MNNG/HOS细胞中MARK2的表达后,DNA双链断裂增加,DNA损伤修复蛋白减少。结果说明MARK2可促进CD133+MG-63和MNNG/HOS的DNA损伤修复。4.与 CD133-MG-63 和 MNNG/HOS 细胞相比,CD133+MG-63 和 MNNG/HOS细胞中PI3K/Akt/mTOR信号通路中的关键蛋白、DNA-PKcs的表达水平升高。抑制P13K/Akt/mTOR信号通路的活性后,CD133+MG-63和MNNG/HOS细胞中DNA-PKcs的表达水平和顺铂耐药性下降。下调MARK2后,CD133+MG-63和MNNG/HOS细胞中PI3K/Akt/mTOR信号通路中的关键蛋白、DNA-PKcs的表达水平均降低。以上结果说明,MARK2可通过PI3K/Akt/mTOR信号通路调节DNA-PKcs的表达,从而增强CD133+MG-63和MNNG/HOS的顺铂耐药。研究结论1.MARK2在CD 133+MG-63和MNNG/HOS细胞中高表达且与顺铂耐药性有关。2.MARK2通过PI3K/Akt/mTOR信号调节DNA-PKcs的表达从而促进了CD133+MG-63和MNNG/HOS细胞顺铂耐药,这提供了新的逆转骨肉瘤化疗耐药的策略和治疗靶点。第三部分MARK2在骨肉瘤细胞发生发展的作用及机制研究背景骨肉瘤具有恶性程度高,进展迅速,早期易发生转移的特点,转移90%发生在肺。骨肉瘤患者的主要死因就是肿瘤的肺转移。大约10-20%骨肉瘤患者在初诊时发生远处转移,并且约有50%以上的患者会在病程的不同时期发生转移。尽管标准治疗方案下骨肉瘤的生存率有了明显的提高,但发生转移的骨肉瘤患者5年生存率25%左右。所以远处转移是影响骨肉瘤患者预后的重要因素。对于复发、转移的难治性病例,索拉菲尼靶向药是NCCN推荐的二线药物。分子靶向药物是骨肉瘤的新兴治疗手段,对改善骨肉瘤的预后将会有重要的作用,因此有必要进一步研究骨肉瘤发生发展的机制,寻找新的改善骨肉瘤预后的生物标志物和治疗靶点。微管亲和调节激酶（MARKs）是丝氨酸/苏氨酸蛋白激酶,可磷酸化微管相关蛋白,例如Tau,并调节细胞骨架动力学和细胞周期进程。人体内有四种MARK形式（MARK1-4）,目前,越来越多的证据表明,MARKs具有多种功能,包括在细胞极性,神经元细胞分化、神经退行性病变、细胞内转运,细胞生长和细胞迁移中的作用。先前的一些研究还表明,MARKs在某些癌症的发生和发展中起着至关重要的作用。作为MARKs家族的成员,据报道,微管亲和调节激酶2（MARK2）通过各种信号途径介导细胞增殖,转移和化学药物耐药,因此在肿瘤的进展和预后中起着举足轻重的作用。第一部分研究发现MARK2在骨肉瘤中高表达,并与肿瘤大小、远处转移和不良预后相关。然而,MARK2在骨肉瘤发病机理和进展中的功能作用和分子机制仍然未知。研究表明,骨肉瘤基因具有高度的不稳定性,PI3K/AKT信号通路在晚期骨肉瘤病例中被激活并参与到骨肉瘤细胞发生发展中,包括细胞增殖,迁移侵袭和化疗耐药的调控。在我们先前的实验中,我们发现MARK2通过PI3K/AKT/NF-κB信号通路增强骨肉瘤细胞的顺铂耐药性。然而,MARK2是否通过PI3K/AKT/NF-κB信号通路促进骨肉瘤细胞增殖和转移尚待确定。研究目的研究旨在探讨MARK2在骨肉瘤进展和转移中的作用及潜在机制。实验方法1.用慢病毒建立稳定过表达或敲低MARK2的MG-63和MNNG/HOS细胞。CCK-8法检测细胞增殖情况。流式实验测细胞周期。2.过表达或敲低MARK2后,通过细胞划痕实验、Transwell细胞迁移、侵袭实验检测,观察骨肉瘤细胞的迁移和侵袭能力的变化,并用免疫印迹实验检测转移相关的基质金属蛋白2（MMP2）的表达。3.蛋白质免疫印迹实验检测MARK2过表达和沉默后PI3K/AKT/NF-κB信号通路相关关键蛋白表达水平。4.用PI3K抑制剂LY294002处理MARK2高表达细胞,进行挽救实验。CCK8、细胞流式实验、细胞划痕实验、Transwell细胞迁移、侵袭实验、免疫印迹实验检测PI3K抑制剂是否可以挽救MARK2过表达对骨肉瘤细胞增殖、迁移和侵袭的影响。5.建立裸鼠异种移植骨肉瘤模型,观察过表达和敲低MARK2对皮下肿瘤体积和重量的影响。免疫印迹实验检测裸鼠肿瘤标本中PI3K/AKT/NF-κB信号通路相关关键蛋白和MMP2的表达水平。免疫组织化学实验检测增殖能力相关的指标Ki-67。研究结果1.CCK8实验显示过表达MARK2促进骨肉瘤细胞的增殖水平。细胞流式实验显示MARK2的过表达显着降低了 G1期细胞的百分比,并增加了 S期细胞的百分比。相反,在下调MARK2的骨肉瘤细胞中观察到相反的结果。表明MARK2可能通过加速骨肉瘤细胞的G1-S期转变来促进细胞生长。2.过表达MARK2促进骨肉瘤细胞的迁移和侵袭,同时MMP2的表达水平升高。敲低MARK2抑制骨肉瘤细胞的迁移和侵袭,同时MMP2的表达水平降低。表明MARK2可以通过促进MMP2的表达来促进促进骨肉瘤细胞的迁移和侵袭。3.过表达MARK2促进骨肉瘤细胞PI3K/AKT/NF-κB信号通路中p-PI3K p85,p-AKT,p-NF-κB/p65 的蛋白水平升高。敲低 MARK2,p-PI3K p85,p-AKT,p-NF-κB/p65蛋白水平降低。结果表明,MARK2可以激活骨肉瘤中的PI3K/AKT/NF-κB 途径。4.挽救实验结果表明,在用LY294002处理的过表达MARK2骨肉瘤细胞中,细胞增殖能力下调,细胞周期G1期比例增加,S期细胞比例减少,细胞的迁移和侵袭能力下降,p-AKT,p-NF-κB/p65和MMP2的表达水平受到抑制,MARK2的表达不受影响,结果提示PI3K抑制剂可以挽救MARK2过表达对骨肉瘤细胞增殖,迁移和侵袭的作用,MARK2至少部分通过激活PI3K/AKT/NF-κB途径调节G1-S转变和MMP2表达来促进骨肉瘤细胞的增殖迁移和侵袭。5.过表达MARK2异种移植骨肉瘤肿瘤的体积和重量均增加。敲低MARK2,异种移植骨肉瘤肿瘤的体积和重量均降低。在过表达MARK2的小鼠肿瘤标本中p-AKT,p-NF-κ/p65,MMP2和Ki-67的表达水平显着增加,而在MARK2沉默的小鼠肿瘤标本中p-AKT,p-NF-κB/p65,MMP2和Ki-67表达水平降低。这些结果表明MARK2可能通过PI3K/AKT/NF-κB途径促进骨肉瘤细胞体内成瘤。结论MARK2通过PI3K/AKT/NF-κB通路调节G1-S相转变和MMP2表达,从而促进了骨肉瘤细胞的增殖,迁移和侵袭。结果提示MARK2可作为骨肉瘤患者的一种新的癌基因和有潜力的治疗靶标。

易鹏,徐雄峰,姚佳炜,邱波^[10]（2020）在《儿童骨肉瘤预后因素及列线图的构建》文中进行了进一步梳理目的利用TARGET数据库提供的临床信息分析儿童骨肉瘤患者的预后因素,构建生存预后列线图（Nomogram）,并对其预测准确性进行评估。方法从TARGET数据库中获得儿童骨肉瘤患者的原始临床数据共214例,首先通过单因素回归分析确定影响骨肉瘤患者生存预后的相关因素,删除有相关因素空白或缺失的病例,获得101例儿童骨肉瘤患者临床信息的矩阵,随机将101例患者划分为建模组（n=73）和验证组（n=28）。并通过多因素Cox比例风险回归模型分析影响儿童骨肉瘤患者生存预后的独立危险因素。根据筛选的相关因素构建Nomogram图。利用一致性指数和校准图对其预测准确性进行评估。结果患者的性别、人种、原发肿瘤部位、手术方式、转移部位及术前化疗后组织坏死率与生存预后有关（P<0.1）,其中,性别、术前化疗后组织坏死率是影响生存预后的独立危险因素（P<0.05）。所有相关危险因素均被用于构建Nomogram图。对Nomogram图预测价值的评估结果显示,建模组的一致性指数（C指数）为0.768（95%CI 0.721～0.815）,验证组为0.727（95%CI 0.648～0.806）,C指数高于美国癌症联合委员会（AJCC）第六版（0.65）、第七版（0.65）,且校正曲线的预测值与真实值显示出良好的一致性。结论利用TARGET数据库构建的Nomogram图可为儿童骨肉瘤患者提供快速、准确的预后评估。

二、影响骨肉瘤预后因素的分析（论文开题报告）

（1）论文研究背景及目的

此处内容要求：

首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。

写法范例：

本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。

（2）本文研究方法

调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。

观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。

实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。

文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。

实证研究法：依据现有的科学理论和实践的需要提出设计。

定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。

定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。

跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。

功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。

模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。

三、影响骨肉瘤预后因素的分析（论文提纲范文）

（1）利用生物信息学结合大数据分析骨肉瘤预后相关基因并探索STC2基因在骨肉瘤中的表达及意义（论文提纲范文）

（2）长链非编码RNA LINC01614通过miR-520a-3p/SNX3调控轴促进骨肉瘤进展的分子机制（论文提纲范文）

（3）基于GEO和TARGET数据库联合分析构建骨肉瘤三基因预后模型（论文提纲范文）

（4）机器学习和Cox模型在骨肉瘤生存预测中的应用（论文提纲范文）

（5）骨肉瘤转移基因筛选及机器学习生存预测模型构建（论文提纲范文）

（6）骨肉瘤分子分型及各亚型肿瘤学性质表征（论文提纲范文）

（7）NLR、LMR和PLR与骨肉瘤预后的关系（论文提纲范文）

（8）外周血淋巴细胞亚群在骨肉瘤中的分布特点及预后价值研究（论文提纲范文）

（9）微管亲和调节激酶2对骨肉瘤干细胞顺铂耐药性及骨肉瘤细胞发生发展的作用及机制研究（论文提纲范文）

（10）儿童骨肉瘤预后因素及列线图的构建（论文提纲范文）

四、影响骨肉瘤预后因素的分析（论文参考文献）

• [1]利用生物信息学结合大数据分析骨肉瘤预后相关基因并探索STC2基因在骨肉瘤中的表达及意义[D]. 王紫玥. 山西医科大学, 2021(01)
• [2]长链非编码RNA LINC01614通过miR-520a-3p/SNX3调控轴促进骨肉瘤进展的分子机制[D]. 蔡启轩. 吉林大学, 2021(01)
• [3]基于GEO和TARGET数据库联合分析构建骨肉瘤三基因预后模型[D]. 郭嘉. 南昌大学, 2021(01)
• [4]机器学习和Cox模型在骨肉瘤生存预测中的应用[D]. 许嗣滔. 汕头大学, 2021(02)
• [5]骨肉瘤转移基因筛选及机器学习生存预测模型构建[D]. 周俊. 汕头大学, 2021(02)
• [6]骨肉瘤分子分型及各亚型肿瘤学性质表征[D]. 张浩. 中国人民解放军海军军医大学, 2021(01)
• [7]NLR、LMR和PLR与骨肉瘤预后的关系[J]. 叶尔哈那提·胡杜斯,阿尔恒别克·吐汗拜,艾克拜尔·尤努斯. 肿瘤防治研究, 2021(04)
• [8]外周血淋巴细胞亚群在骨肉瘤中的分布特点及预后价值研究[D]. 杨乾坤. 中国医科大学, 2021(02)
• [9]微管亲和调节激酶2对骨肉瘤干细胞顺铂耐药性及骨肉瘤细胞发生发展的作用及机制研究[D]. 许良. 山东大学, 2020(04)
• [10]儿童骨肉瘤预后因素及列线图的构建[J]. 易鹏,徐雄峰,姚佳炜,邱波. 疑难病杂志, 2020(09)