目的利用生物信息学方法构建原发性肝癌(PLC)的预后模型。方法在The Cancer Genome Atlas(TCGA)数据库中纳入了404名PLC患者。使用单变量Cox回归及LASSO-Cox方法构建失巢凋亡和免疫相关基因(DAIs)的预后模型。Kaplan-Meier法和受试者工...目的利用生物信息学方法构建原发性肝癌(PLC)的预后模型。方法在The Cancer Genome Atlas(TCGA)数据库中纳入了404名PLC患者。使用单变量Cox回归及LASSO-Cox方法构建失巢凋亡和免疫相关基因(DAIs)的预后模型。Kaplan-Meier法和受试者工作特征曲线用于评估模型的预测能力,建立列线图以方便临床应用。进行基因集富集分析(GSEA)揭示相关通路,并使用CIBERSORT和TIDE方法进一步探讨DAIs与肿瘤免疫微环境之间的关系。使用“pRRophetic”R包来计算PLC药物的半数最大抑制浓度(IC50)。检测了PLC患者组织中SEMA7A的表达。结果构建并验证了基于7个DAIs(NR4A3、SEMA7A、IL11、AR、BIRC5、EGF和SPP1)的预后模型,在TCGA训练队列和GEO验证队列(GSE14520)中均发现一致的结果,即低风险组患者具有更好的临床预后和良好的免疫状态。将该预后模型与临床信息相结合,生成复合列线图以促进临床实践。体细胞突变分析显示TTN、TP53和CTNNB1突变占总突变比例最大,低风险-低TMB组生存率更高。药物敏感性分析显示高风险与低风险组之间以及TP53突变与非突变之间对化疗药物的敏感性存在差异。免疫组化结果显示SEMA7A在PLC中的表达高于癌旁正常肝组织(P<0.05)。结论本研究建立了一个基于DAIs的新的预测模型,用于预测PLC患者的临床结局和治疗反应,为个体化治疗提供新思路。展开更多
文摘目的利用生物信息学方法构建原发性肝癌(PLC)的预后模型。方法在The Cancer Genome Atlas(TCGA)数据库中纳入了404名PLC患者。使用单变量Cox回归及LASSO-Cox方法构建失巢凋亡和免疫相关基因(DAIs)的预后模型。Kaplan-Meier法和受试者工作特征曲线用于评估模型的预测能力,建立列线图以方便临床应用。进行基因集富集分析(GSEA)揭示相关通路,并使用CIBERSORT和TIDE方法进一步探讨DAIs与肿瘤免疫微环境之间的关系。使用“pRRophetic”R包来计算PLC药物的半数最大抑制浓度(IC50)。检测了PLC患者组织中SEMA7A的表达。结果构建并验证了基于7个DAIs(NR4A3、SEMA7A、IL11、AR、BIRC5、EGF和SPP1)的预后模型,在TCGA训练队列和GEO验证队列(GSE14520)中均发现一致的结果,即低风险组患者具有更好的临床预后和良好的免疫状态。将该预后模型与临床信息相结合,生成复合列线图以促进临床实践。体细胞突变分析显示TTN、TP53和CTNNB1突变占总突变比例最大,低风险-低TMB组生存率更高。药物敏感性分析显示高风险与低风险组之间以及TP53突变与非突变之间对化疗药物的敏感性存在差异。免疫组化结果显示SEMA7A在PLC中的表达高于癌旁正常肝组织(P<0.05)。结论本研究建立了一个基于DAIs的新的预测模型,用于预测PLC患者的临床结局和治疗反应,为个体化治疗提供新思路。
