题目:Development and Verification of the Hypoxia-Related and Immune-Associated Prognosis Signature for Hepatocellular Carcinoma
摘要
背景:缺氧与肝细胞癌(HCC)微环境内的免疫状态的关系具有十分重要的临床意义。
方法:本文分析TCGA数据库的肝细胞癌患者的转录组数据,使用ssGSEAhe t-SNE算法评估免疫和低氧状态。根据ssGSEA打分将患者分为两个免疫分组,根据两组患者的总体生存率(OS)分为缺氧-高和缺氧-低组。此外,使用Cox回归分析和LASSO算法鉴定预后相关的基因,随后用于建立缺氧和免疫相关的基因特征,同时使用ICGC队列进行外部验证。
结果:LASSO方法共鉴定到13个基因分别为HAVCR1,PSRC1,CCNJL,PDSS1, MEX3A, EID3,EPO,PLOD2,KPNA2,CDCA8,ADAMTS5,SLC1A7和PIGZ构建基因特征以用于HCC风险分层。低风险组的OS明显优于高风险组。此外,多因素分析表明本研究构建的缺氧和免疫相关的预后特征可以作为预测预后的信号。与低风险组相比高风险组的患者具有严重缺氧和免疫检查点表达较高和不同的免疫细胞浸润状态的特点。
结论:本文构建了一种缺氧和免疫相关的预后特征可以作为HCC风险分层的方法。
流程图

本文从TCGA数据库中检索了肝细胞癌(HCC)的转录组数据,包括374位患者和50位健康人群的样本。
2.肝细胞癌的缺氧相关的差异表达基因
根据从MsigDB中得到的200个缺氧相关基因的表达矩阵计算病例之间的欧氏距离并进行t-SNE分析,共得到三个分类,每个分类下分别有169、164和41例病例(图1)。生存分析显示Cluster1的患者预后最差(图1B),表明Cluster1和Cluster3可能分别处于“缺氧-高”和“缺氧-低”状态。各个簇marker 基因的热图结果见图1C。GO和KEGG富集分析结果表明,特定患者与缺氧状态显著相关。因此,作者将Cluster1和Cluster3分别分为“缺氧-高”和“缺氧-低组”。此外,对“缺氧-高”和“缺氧-低组”进行差异分析,得到1798个差异表达基因,其中1532个上调基因和266个下调基因。

图1缺氧相关的差异表达基因
3.肝细胞癌种免疫相关的差异表达基因
图2 分析TCGA患者的免疫状态
4. 风险评估模型和预测能力的评估
图3预后的风险评估模型
表1 TCGA队列中与总生存率相关的临床特征的单因素和多因素Cox回归分析



图4 TCGA和ICGC HCC队列预后特征与临床表型的相关性
6.高风险和低风险组缺氧状态的评估
图5缺氧相关的GSEA分析
7.高风险和低风险组免疫细胞浸润程度的差异
图7高风险和低风险组不同免疫状态的分析
结语