基于TNF家族基因的肝癌分型及预后模型的建立

摘要：

目的 为了能够识别获益于免疫治疗的肝癌患者及评估预后,亟需建立肝癌新分型与预后模型.方法 应用无监督聚类方法对TCGA-LIHC数据集中的肝癌样本进行分型,ssGSEA算法评估免疫细胞浸润能力,TIDE评分评估免疫治疗反应能力,应用COX与LASSO回归分析方法构建基于TCGA-LIHC数据集的风险评分模型,并在ICGC-LIRI-JP数据集中验证模型的准确性.结果 基于TNF家族基因的表达水平可以将肝癌患者分为TNF-A型与TNF-B型,分析发现TNF-A型预后好,免疫细胞浸润程度高,肿瘤突变负荷小,免疫逃逸能力弱以及对免疫治疗反应较好.利用两型的差异基因笔者构建了风险评分模型,其中模型的1年、3年和4年总生存期的曲线下面积(area under the curve,AUC)分别为0.758、0.789和0.768,验证集分别为0.674、0.713和0.710,证明预后模型具有较高的准确度,且高风险组患者预后差,具有较高的T分期及TNM分期.结论 基于TNF家族基因建立的肝癌新分型用来评估患者对免疫治疗的反应,并构建风险评分模型以预测肝癌患者的预后.

关键词：肝细胞癌、免疫治疗、预后模型、分子分型、肿瘤坏死因子

所属期刊栏目：51

分类号：R735.7(肿瘤学)

资助基金：贵州省科技计划项目

在线出版日期：2023-02-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：44-51