《表4 宫颈癌中对基于临床+miRNA数据所建立的RSF模型的预测能力有重要影响的因子》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《利用组学数据建立针对四种女性癌症的基于机器学习方法的生存预测模型》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

在宫颈癌中，由于DNA甲基化、miRNA表达、mRNA表达数据对模型的预测能力有一定程度的提升，因此我们可以进一步地根据预测模型找到对模型预测能力有显著影响的重要生物分子.其中临床+miRNA数据建立的Cox模型在宫颈癌中的预测能力显著高于单独的临床变量模型，在该模型中具有高预测能力的重要影响因子列于表4.通过文献调研，发现这些模型中的重要miRNA分子都在宫颈癌中起重要的调节作用.如针对miR-142的研究发现miR-142的表达与FIGO分期和淋巴转移呈负相关（P<0.001），miR-142通过直接靶向HMGB1，直接影响HMGB1的表达，进而影响宫颈癌细胞的增殖和侵袭能力，增强细胞凋亡[20]；有研究表明miR-100在宫颈癌患者样品中下调（P=0.019）[21]，miR-100，miR-99a的下调使得其靶标在宫颈癌发生过程中功能丧失[21～23]；miR-204在原发肿瘤组织中的表达明显低于邻近非癌组织（P=0.008），miR-204通过靶向TCF12，在宫颈癌的迁移和侵袭中发挥重要作用[24].