论文部分内容阅读
背景与目的:原发性肝癌(HCC)是最常见的预后较差的恶性肿瘤之一,其病因与发病机制尚未完全明了,因此,寻找HCC患者可靠的预后指标与生存生物标志物具有重要的临床价值。本研究通过生物信息学方法筛选HCC预后免疫相关基因,并构建基于免疫相关基因标签的预后风险评分模型,为HCC患者的预后评估及个体化治疗的临床决策提供依据。方法:从TCGA数据库获取HCC患者的临床信息以及RNA-seq数据(377个HCC样本和50个相邻的非癌组织样本)。在Immport数据库中下载免疫相关基因资料,使用R语言的limma包在HCC组织中筛选出差异表达的免疫相关基因。利用单变量和多变量Cox比例风险回归模型鉴定出与HCC患者(377个HCC患者中临床资料完整的344例)总体生存率(OS)密切相关的免疫相关基因,并以此构建基于基因标签的预后风险评分模型,对HCC患者预后风险进行评分。同时从上述模型样本中随机抽取50%的病例(172例)为验证样本行内部验证。用Kaplan-Meier方法分析高风险分与低风险分患者的生存状态,用ROC曲线以及C-index分析评估该风险评分的准确性。最后,分析该风险评分与HCC临床病理特征的关系,并采用单因素和多因素Cox回归分析,确定该风险评分作为独立预后因素的有效性。结果:在HCC的癌和癌旁组织中鉴定出329个差异表达的免疫相关基因,其中24个与HCC的OS有关(均P<0.001)。使用前向和后向选择算法进行了多变量Cox比例风险回归分析确定PSMD14、S100A11、FABP6、RBP2、LCNL1、FCN2、NDRG1、CSPG5和NR6A1为OS的9个高风险基因。按此9基因标签预后风险评分模型划分,模型样本中高风险分HCC患者OS明显差于低风险分HCC患者(P=1.715E-08),内部验证样本中得到验证结果相同(P=2.222E-05)。模型样本风险评分模型的ROC下曲线面积(AUC)在1、3年时分别为0.790和0.733,内部验证样本分别为0.799和0.743,C-index分析结果显示,模型样本以及验证样本的C-index分别为0.715(95% CI=0.683～0.829)和0.756(95% CI=0.668～0.762)。HCC的肿瘤分级,病理分期,T分期和新肿瘤事件的发生与风险评分明显有关(均P<0.05)。单因素和多因素Cox分析显示,风险评分是HCC的独立预后因素(单因素:HR=1.057,95% CI=1.041～1.074,P<0.001;多因素:HR=1.050,95% CI=1.033～1.067,P<0.001)。结论:通过TCGA数据库挖掘,鉴定出9个与HCC患者预后密切相关的免疫相关基因,且构建了基于9基因标签的预后风险评分系统,该系统有助于临床医生判断HCC患者预后和制定个性化的治疗方案。