基于免疫原性细胞死亡相关基因的肝细胞癌患者预后预测模型的构建及验证OA
目的基于免疫原性细胞死亡(ICD)相关基因构建肝细胞癌(HCC)患者预后预测模型,并评估其临床转化价值。方法从癌症基因组图谱(TCGA)数据库肝细胞癌(LIHC)队列中选择365例HCC患者,按7∶3比例随机分为训练集和内部验证集;从基因表达综合(GEO)数据库GSE76427数据集中选择108例HCC患者作为外部验证集;收集上述患者肿瘤及配对癌旁正常组织的批量RNA测序数据,以及性别、年龄、肿瘤分级、总生存期(OS)等的临床资料。收集GEO数据库GSE162616数据集中4例HCC患者的单细胞RNA测序数据。针对GSE162616数据集中患者单细胞进行降维聚类,并计算各类细胞的ICD活性评分,依据评分将细胞分为高、低ICD活性组,从而筛选组间差异表达基因(DEGs)。基于上述DEGs对LIHC队列365例HCC患者的RNA测序数据进行加权基因共表达网络分析(WGCNA),获取与ICD相关性最强的基因集,将该基因集与LIHC队列患者的HCC肿瘤组织与配对癌旁正常组织间DEGs取交集,最终获得HCC特异性ICD相关基因(ICDRGs)。利用单因素Cox回归模型分析上述基因中HCC预后相关的ICDRGs,通过整合10种机器学习算法筛选最优基因,构建ICD相关HCC预后风险评分模型,同时采用Spearman相关性检验分析最优基因的表达水平与HCC组织免疫细胞浸润间的相关性。通过模型计算训练集和验证集患者预后风险评分,基于评分中位数将各数据集患者分别分为高、低风险组,采用Kaplan-Meier(K-M)生存分析、受试者工作特征(ROC)曲线及Cox回归分析检验模型的预后预测效能。通过单因素及多因素Cox回归分析筛选HCC患者的预后影响因素,整合风险评分模型建立列线图模型,通过校准曲线和决策曲线分析(DCA)评估列线图模型的临床转化价值。结果GSE162616数据集中共聚类出5种细胞类型,其中未成熟B细胞的ICD活性最高,从高、低ICD活性组中筛选出920个单细胞水平ICDRGs,经WGCNA最终获得82个HCC特异性ICDRGs。通过单因素Cox回归分析从上述82个基因中筛选出26个与HCC预后相关的ICDRGs,经机器学习算法筛选最终建立了基于PIP4K2A、TAGLN2、RAC1、SLC16A3、FYN共5个核心基因的ICD相关HCC预后风险评分模型。Spearman相关性检验结果显示,这5个基因表达水平与免疫细胞浸润具有显著相关性(P<0.001)。K-M生存分析和ROC曲线结果显示该模型对HCC患者预后预测性能良好,单因素及多因素Cox回归分析结果表明该模型的风险评分结果可作为HCC患者独立预后预测因素(HR=1.991,95%CI=1.368~2.898,P<0.001)。校准曲线显示列线图模型预测HCC患者的1、3、5年生存率的准确性较高,DCA表明该列线图模型对患者5年生存率的预测效能具有最高的临床获益率。结论本研究构建的基于5个HCC预后相关ICDRGs的HCC患者预后预测模型效能良好,该模型与临床指标结合衍生的列线图模型也具有较高的临床应用价值。
郭灿灿;李欢腾;马东梅;郭辉;王玮;刘世海;潘华政
青岛大学附属医院检验科,山东青岛266003青岛大学附属医院检验科,山东青岛266003青岛大学附属医院检验科,山东青岛266003青岛大学附属医院检验科,山东青岛266003青岛市崂山区疾病预防控制中心青岛大学附属医院检验科,山东青岛266003青岛大学附属医院检验科,山东青岛266003
医药卫生
癌,肝细胞免疫原性细胞死亡单细胞基因表达分析预后预测学习模型机器学习
《精准医学杂志》 2026 (5)
P.418-424,7
山东省自然科学基金面上项目(ZR2020-MH318)。
评论