目的:本研究旨在从临床角度和基因层面探究影响上尿路尿路上皮癌(UTUC)患者预后的相关因素。通过构建临床预测模型,预测UTUC患者在1、3、5、10年内的预后情况,同时填补中国热带地区UTUC患者数据方面的空白。此外,通过筛选UTUC预后相关的铁死亡基因,建立UTUC铁死亡基因调控网络,以期为后续基因相关性功能研究提供方向和理论依据。方法:1、收集海南医学院附属海南医院泌尿外科近10年的UTUC患者临床数据,对149例患者的临床资料和生存资料进行回顾性分析。采用机器学习方法搭建随机生存森林,同时结合单因素和多因素COX分析结果,建立临床预测模型。本研究采用一致性参数C指数,综合判别改善指数IDI,净重新分类指数NRI对模型进行评价。最后以列线图形式展示模型结果。2、从GEO公共数据库中提取UTUC患者的基因表达谱(GEPs),并与铁死亡基因数据库中提取的铁死亡基因进行交集筛选,筛选出UTUC铁死亡基因。通过GO和KEGG通路分析,挖掘UTUC铁死亡基因的功能富集结果。使用String在线数据库绘制UTUC铁死亡基因的PPBelumosudil细胞培养I调控网络。最后结合预后相关基因,构建风险预测模型。结果:1、从海南医学院附属海南医院收集的病例共187例,去除失访信息后最终纳入研究共149例,病例资料完整共66例。其中男女比例约3:2,发病年龄在38-88岁(中位年龄67岁),生存时间约21-4010天(中位天数706天)。通过机器学习搭建随机生存森林,发现肿瘤分期在模型中的重要性评分最高,而T分期,是否手术,手术方式及肿瘤大小等变量评分逐渐降低Bioactive material。采用单因素COX分析结果显示发病年龄、是否手术、手术方式、肿瘤大小、病理诊断、肿瘤分期、T、N、肿瘤分级、NLR、PLR、LMR、SII、SIRI等均是影响UTUC预后的危险因素(P<0.05)。行多因素COX分析结果显示发病年龄、是否手术、肿瘤分期是影响UTUC患者预后的独立危险因素。将这些因素作为预测因子构建临床预测模型。绘制校准曲线发现实际值与预测值结果较为相似。计算评价新模型的C指数为0.845,IDI指数结果为0.284,NRI指数结果为0.800。与传统TNM分期模型(C=0.705)进行比较,可以认为新模型预测效果更好,预测结果更加准确。2、从GEO公共数据库中筛选的UTUC基因表达谱数据共33例。从Gene Cards,NCBI,Ferr Db三大基因数据库下载的铁死亡基因共764个。设置adj.p值<0.05和|log_2FC|>1.0作为筛选差异基因的临界值,共筛选出差异基因952个。最后获得的铁死亡差异基因共50个。通过GO富集分析发现,这些基因显著参与氨基酸跨质膜输入,DNA结合转录因子活性的调节,同时参与介导细胞骨架和细胞外基质的结构成分,与多种跨膜转运蛋白活性有关。KEGG通路分析结果表明这些基因主要富集在铁死亡,动脉粥样硬化,癌症途径,癌症中枢碳代谢,和海马信号等相关通路。然后采用单因素COX回归分析筛选UTUC预后基因,结合铁死亡差异基因,共筛选出5个UTUC铁死亡预后差异基因(RGS4,KR购买TamoxifenT16,SCARA5,LRFN5,SLC7A5)。根据这5个基因构建风险预测模型。结论:1、本研究通过对149例UTUC患者的临床信息进行统计学分析,采用机器学习和单因素及多因素COX回归分析的方法,构建预测UTUC患者1、3、5、10年生存率的临床预测模型。通过对模型进行评价,发现新模型的预测精度更高,可以为临床医师指导患者预后提供一定参考价值。2、本研究共筛选出5个具有差异的铁死亡预后基因,使用lasso回归去除过拟合基因后,构建风险预测模型。根据风险曲线和生存曲线可以发现,高低风险两组患者的预后存在明显差异。