Изучена роль длинных некодирующих РНК (днкРНК), связанных с аутофагией, в патогенезе меланомы. Для этого мы разработали прогностическую модель для пациентов с меланомой, основанную на анализе экспрессии генов, связанных с аутофагией. Поиск таких генов и оценку их связи с инфильтрацией иммунных клеток у пациентов с меланомой проводили по данным из The Cancer Genome Atlas (TCGA) и базы GeneCards. Использовали одновыборочный анализ обогащения по функциональной принадлежности (ssGSEA), анализ взвешенных сетей коэкспрессии генов (WGCNA), программу регрессии uniCOX и функциональный анализ обогащения. Роли выявленных днкРНК оценивали по шкале отношения рисков по результатам однофакторной регрессии экспрессии каждой днкРНК и по прогнозу пациентов по базам данных. Всю выборку разделяли по медиане выживаемости на равные группы с высоким и низким риском. Анализ выживаемости показал, что пациенты с низким риском отличались более благоприятным прогнозом. Функциональный анализ обогащения выявил множественные ключевые пути с функционально обогащёнными днкРНК-ассоциированными генами. Анализ инфильтрации иммунных клеток в опухоль выявил 7 типов клеток с дифференциальной экспрессией маркеров в группах с высокой и низкой аутофагией. Прогностические возможности разработанной модели проверяли на трёх когортах. Выявлены функционально важные днкРНК у пациентов с меланомой, 6 из них достоверно связаны с выживаемостью пациентов, что составляет основу для прогноза их выживаемости.

To explore the role of autophagy-related differential long non-coding RNA (lncRNA) in the pathogenesis of melanoma, we established a prognostic prediction model for patients with melanoma based on expression profiles of autophagy-related gene. Based on The Cancer Genome Atlas and GeneCard database, we used single-sample gene set enrichment analysis (ssGSEA), weighted gene co-expression network analysis (WGCNA), uniCOX in R software for COX proportional hazard regression analysis, and enrichment analysis to get an idea of biological processes with autophagy-related genes, which evaluates the relationship between autophagy-related genes and immune cell infiltration in patients with melanoma. The roles of identified lncRNA were evaluated by the risk score based on the results of single factor regression analysis for each lncRNA and on the prognosis for patients obtained from database. Then, the whole sample was divided into high and low-risk groups. Survival curve analysis revealed that low-risk group had a better prognosis. Enrichment analysis shows multiple key pathways enriched by lncRNA-associated genes. Infiltration of immune cells identified 7 types of immune cells change. Finally, 3 datasets verified the effect of our model on prognosis. There are important autophagy-related lncRNA in patients with melanoma. Top 6 lncRNA are significantly related to the overall survival rate of patients with melanoma and provide a basis for predicting the prognostic survival of patients.