Background Kidney renal clear cell carcinoma (KIRC) is a potentially fatal urogenital disease. It is a major cause of renal cell carcinoma and is often associated with late diagnosis and poor treatment outcomes. More evidence is emerging that genetic models can be used to predict the prognosis of KIRC. This study aimed to develop a model for predicting the overall survival of KIRC patients. Results We identified 333 differentially expressed genes (DEGs) between KIRC and normal tissues from the Gene Expression Omnibus (GEO) database. We randomly divided 591 cases from The Cancer Genome Atlas (TCGA) into training and internal testing sets. In the training set, we used univariate Cox regression analysis to retrieve the survival-related DEGs and futher used multivariate Cox regression with the LASSO penalty to identify potential prognostic genes. A seven-gene signature was identified that included APOLD1, C9orf66, G6PC, PPP1R1A, CNN1G, TIMP1, and TUBB2B. The seven-gene signature was evaluated in the training set, internal testing set, and external validation using data from the ICGC database. The Kaplan-Meier analysis showed that the high risk group had a significantly shorter overall survival time than the low risk group in the training, testing, and ICGC datasets. ROC analysis showed that the model had a high performance with an AUC of 0.738 in the training set, 0.706 in the internal testing set, and 0.656 in the ICGC external validation set. Conclusion Our findings show that a seven-gene signature can serve as an independent biomarker for predicting prognosis in KIRC patients.

中文翻译：

---

七基因特征模型预测肾肾透明细胞癌的总生存期

背景肾肾透明细胞癌 (KIRC) 是一种潜在致命的泌尿生殖系统疾病。它是肾细胞癌的主要原因，通常与诊断晚和治疗结果不佳有关。越来越多的证据表明遗传模型可用于预测 KIRC 的预后。本研究旨在开发一个模型来预测 KIRC 患者的总生存期。结果 我们从基因表达综合 (GEO) 数据库中鉴定了 KIRC 和正常组织之间的 333 个差异表达基因 (DEG)。我们将来自癌症基因组图谱 (TCGA) 的 591 例随机分为训练集和内部测试集。在训练集中，我们使用单变量 Cox 回归分析来检索与生存相关的 DEG，并进一步使用带有 LASSO 惩罚的多变量 Cox 回归来识别潜在的预后基因。确定了一个七基因特征，包括 APOLD1、C9orf66、G6PC、PPP1R1A、CNN1G、TIMP1 和 TUBB2B。使用来自 ICGC 数据库的数据在训练集、内部测试集和外部验证中评估了七基因签名。Kaplan-Meier 分析表明，在训练、测试和 ICGC 数据集中，高风险组的总生存时间明显短于低风险组。ROC分析表明，该模型具有较高的性能，训练集的AUC为0.738，内部测试集的AUC为0.706，ICGC外部验证集的AUC为0.656。结论我们的研究结果表明，七基因特征可以作为预测 KIRC 患者预后的独立生物标志物。使用来自 ICGC 数据库的数据在训练集、内部测试集和外部验证中评估了七基因签名。Kaplan-Meier 分析表明，在训练、测试和 ICGC 数据集中，高风险组的总生存时间明显短于低风险组。ROC分析表明，该模型具有较高的性能，训练集的AUC为0.738，内部测试集的AUC为0.706，ICGC外部验证集的AUC为0.656。结论我们的研究结果表明，七基因特征可以作为预测 KIRC 患者预后的独立生物标志物。使用来自 ICGC 数据库的数据在训练集、内部测试集和外部验证中评估了七基因签名。Kaplan-Meier 分析表明，在训练、测试和 ICGC 数据集中，高风险组的总生存时间明显短于低风险组。ROC分析表明，该模型具有较高的性能，训练集的AUC为0.738，内部测试集的AUC为0.706，ICGC外部验证集的AUC为0.656。结论我们的研究结果表明，七基因特征可以作为预测 KIRC 患者预后的独立生物标志物。Kaplan-Meier 分析表明，在训练、测试和 ICGC 数据集中，高风险组的总生存时间明显短于低风险组。ROC分析表明，该模型具有较高的性能，训练集的AUC为0.738，内部测试集的AUC为0.706，ICGC外部验证集的AUC为0.656。结论我们的研究结果表明，七基因特征可以作为预测 KIRC 患者预后的独立生物标志物。Kaplan-Meier 分析表明，在训练、测试和 ICGC 数据集中，高风险组的总生存时间明显短于低风险组。ROC分析表明，该模型具有较高的性能，训练集的AUC为0.738，内部测试集的AUC为0.706，ICGC外部验证集的AUC为0.656。结论我们的研究结果表明，七基因特征可以作为预测 KIRC 患者预后的独立生物标志物。