通过整合泛癌表型关联来系统性地识别和确定风险lncRNA的优先级

LncRNA已成为参与正常细胞生理学和疾病的主要调控分子类别，我们对lncRNA的了解非常有限，它已成为发现癌症中与疾病相关的新的lncRNA的主要研究挑战。 基于具有相似表型关联的多种疾病显示相似的分子机制的假设，我们提出了一种基于Pancancer网络的优先排序方法，通过整合疾病表型关联来系统地识别疾病特异性风险lncRNA。 我们将该策略应用于来自14种癌症类型的大约2800个肿瘤样品中，以区分疾病风险lncRNAs的优先级。 我们的方法在ROC曲线下得出的平均面积（AUC）为80.66％，其中髓母细胞瘤的AUC最高（98.14％）。 当使用留一法交叉验证（LOOCV）评估疾病候选基因的优先级时，获得的平均AUC得分为97.16％。 此外，我们展示了这种方法的鲁棒性和综合重要性，包括疾病表型关联，已知疾病基因和癌症类型数量。 以多形性胶质母细胞瘤为例，确定候选lncRNA基因SNHG1为疾病诊断和预后的新型疾病危险因素。 总之，我们通过整合泛癌表型关联提供了一种新颖的lncRNA优先级排序方法，可以帮助研究人员更好地了解lncRNA在人类癌症中的重要作用。