A prognostic model based on ferroptosis-related long non-coding RNA signatures and immunotherapy responses for non-small cell lung cancer.

肺癌 长非编码RNA 癌症研究 腺癌 免疫疗法 生物 细胞 肿瘤科 医学 下调和上调 癌症 基因 内科学 生物化学 遗传学
作者
W-W Yi,X-Q Guo,Yuncong Xu,B Liang,P Song
出处
期刊:PubMed 卷期号:27 (6): 2591-2604 被引量:4
标识
DOI:10.26355/eurrev_202303_31796
摘要

Non-small cell lung cancer (NSCLC) ranks high in the incidence of malignant tumors, with limited treatment options and poor prognosis. Ferroptosis is a newly discovered cell death mechanism based on iron and reactive oxygen species (ROS). The role of ferroptosis-related long non-coding RNAs (lncRNAs) and associated prognostic mechanisms in NSCLC require investigation.We constructed a prognostic multi-lncRNA signature based on ferroptosis-related differentially expressed lncRNAs in NSCLC. The levels of ferroptosis-related lncRNA in normal lung cells and lung adenocarcinoma cells were verified by RT-PCR.We identified eight differentially expressed lncRNAs associated with NSCLC prognosis. The expression of AC125807.2, AL365181.3, AL606489.1, LINC02320, and AC099850.3 was upregulated, while SALRNA1, AC026355.1, and AP002360.1 were downregulated in NSCLC cell lines. Kaplan-Meier analysis showed that a high-risk patient group was associated with poor NSCLC prognosis. A risk assessment model based on ferroptosis-related lncRNAs was superior to NSCLC prognosis based on traditional clinicopathological features. Gene Set Enrichment Analysis (GSEA) identified immune- and tumor-related pathways in low-risk group patients. In addition, The Cancer Genome Atlas (TCGA) showed that T cell function during APC co-inhibition, APC co-stimulation, chemokine receptor (CCR), MHC class I, parainflammation, T cell co-inhibition, and check-point expression differed significantly between low- and high-risk groups. M6A-related mRNA comparisons between these groups also revealed significant differences in ZC3H13, RBM15, and METTL3 expression.Our new model of lncRNA-associated ferroptosis effectively predicted NSCLC prognoses.

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
richardzhang1984完成签到 ,获得积分10
1秒前
gangxiaxuan给gangxiaxuan的求助进行了留言
10秒前
Lz555完成签到 ,获得积分10
12秒前
微生完成签到 ,获得积分10
13秒前
Sophie完成签到,获得积分10
17秒前
Hello应助a134680采纳,获得10
20秒前
orixero应助学术蝗虫采纳,获得10
21秒前
林读书完成签到 ,获得积分10
22秒前
chen完成签到 ,获得积分10
30秒前
37秒前
37秒前
小张完成签到 ,获得积分10
38秒前
碧蓝雁风完成签到 ,获得积分10
39秒前
数乱了梨花完成签到 ,获得积分10
42秒前
gangxiaxuan发布了新的文献求助10
43秒前
a134680发布了新的文献求助10
43秒前
dichunxia完成签到,获得积分10
45秒前
鞘皮完成签到,获得积分10
45秒前
莎莎完成签到 ,获得积分10
47秒前
子月之路完成签到,获得积分10
57秒前
1分钟前
shimenwanzhao完成签到 ,获得积分0
1分钟前
daniel发布了新的文献求助20
1分钟前
haochi完成签到,获得积分10
1分钟前
怡心亭完成签到 ,获得积分10
1分钟前
海韵之心完成签到 ,获得积分10
1分钟前
1分钟前
FF完成签到 ,获得积分10
1分钟前
嘻嘻哈哈啊完成签到 ,获得积分10
1分钟前
lwtsy完成签到,获得积分10
1分钟前
俏皮的豌豆完成签到,获得积分10
1分钟前
酷酷涫完成签到 ,获得积分0
1分钟前
btcat完成签到,获得积分10
1分钟前
iberis完成签到 ,获得积分10
1分钟前
蟹xie完成签到 ,获得积分10
1分钟前
gangxiaxuan完成签到,获得积分10
1分钟前
janer完成签到 ,获得积分10
1分钟前
Martin完成签到 ,获得积分10
1分钟前
经纲完成签到 ,获得积分0
2分钟前
释金松完成签到 ,获得积分10
2分钟前
高分求助中
Rechtsphilosophie 1000
Bayesian Models of Cognition:Reverse Engineering the Mind 800
Essentials of thematic analysis 700
A Dissection Guide & Atlas to the Rabbit 600
Very-high-order BVD Schemes Using β-variable THINC Method 568
Внешняя политика КНР: о сущности внешнеполитического курса современного китайского руководства 500
Revolution und Konterrevolution in China [by A. Losowsky] 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3121768
求助须知:如何正确求助?哪些是违规求助? 2772118
关于积分的说明 7711131
捐赠科研通 2427484
什么是DOI,文献DOI怎么找? 1289396
科研通“疑难数据库(出版商)”最低求助积分说明 621386
版权声明 600158