主管：中华人民共和国教育部主办：四川大学主编：刘伦旭刊期：月刊ISSN：1007-4848CN：51-1492/R
将训练组524例LUAD样本的昼夜节律DEGs表达量和生存信息合并，剔除15例无总生存期（overallsurvival，OS）及生存状态的患者，余509例LUAD样本依次纳入Cox回归和3种机器学习算法［最小绝对收缩和选择算子（LASSO）回归、支持向量机递归特征消除（SVM-RFE）、随机森林］。选择4种算法计算DEGs的交集基因，最终构建风险评分（RiskScore）预测模型。RiskScore预测模型计算公式：RiskScore=Exp1×C1+Exp2×C2+…+Expn×Cn（Exp为预后特征基因的表达量，C为LASSO回归分析得到的回归系数，n为交集基因的数目）。
根据上面的公式计算每例样本的RiskScore，以RiskScore中位数为截断值将LUAD样本分为低风险组和高风险组，P≤0.05为差异有统计学意义。
a：GO分析，对前10个富集类别（生物过程、细胞成分和分子功能）进行可视化；b：KEGG分析，显示前9个富集通路；c：PPI网络构建，基于PPI网络的前46个节点差异表达基因，使用Degree算法选择基因，颜色越深表示基因关联的节点越多；PPI：蛋白质相互作用网络
a：预测肺腺癌患者1、3、5年OS率的列线图；b～c：分别为列线图在训练组和验证组中预测1、3、5年OS率的校准曲线；d：列线图预测1、3、5年OS率的ROC曲线；OS：总生存期；ROC：受试者工作特征
a：GSE149655单细胞的组成和分布；b：细胞标记基因鉴定细胞类型；c：7个昼夜节律基因的表达谱
综上所述，本研究通过Cox回归和3种不同的机器学习算法构建了准确有效的7个特征昼夜节律基因预后模型。基于该7个基因的RiskScore模型可预测LUAD患者的OS。将RiskScore和临床参数相结合的列线图可用于预测LUAD患者1、3、5年OS率，其有助于LUAD患者的预后和随访监测，为LUAD患者的个体化诊疗提供参考。但本研究仍存在一定的局限性。首先，我们的研究数据主要来自TCGA和GEO数据集，有必要在大型独立临床队列中评估其预测效能。其次，我们缺乏深入的研究，特别是没有设计基因组定向分层实验。最后，这7个基因在LUAD发病中的生物学机制有待进一步通过功能研究来具体阐明。
利益冲突：无。
作者贡献：崔严奇、赵虎和张亚伟负责病例筛选，数据整理与论文设计，初稿撰写等；曾志勇、倪琳、连铎煌、杨鲸蓉、叶仕新、许蜂蜂和张锦灿负责论文审阅与修改。