影響因子：5.7

研究概述：肝細胞癌（HCC）具有高度侵襲性，診斷延遲，預后不良，并且缺乏全面和準確的預后模型來幫助臨床醫(yī)生。這項研究根據(jù)來自 5 個獨立 HCC 隊列的轉錄組測序數(shù)據(jù)鑒定了 119 個差異基因，其中 53 個基因與總生存期相關，使用 101 種機器學習算法，選擇了 10 個預后最強的基因，構建了一個具有四個基因（SOCS2、 LCAT、 ECT2 和 TMEM106C） 的HCC HPRGS。ROC、C 指數(shù)和 KM 曲線證實了 HPRGS 的良好預測性能。突變分析顯示低風險患者和高危患者之間存在顯著差異。低風險組對經(jīng)導管動脈化療栓塞術（TACE）和免疫治療的反應更高。多因素分析和諾莫圖證實 HPRGS 是 TCGA-LIHC 的獨立預后因素。

圖形摘要如下：

研究結果：

鑒定與 HCC 相關的預后基因和功能注釋

為了鑒定 HCC 中的差異基因，作者對 TCGA-LIHC 、 GSE13845 、 GSE25097 、 GSE84402 和 GSE174570 隊列中的正常組織和 HCC 組織進行了差異表達分析（圖2A-E），對差異基因的進一步交叉分析得出 119 個差異表達基因（DEG）（圖 2F），進一步通過單變量 Cox 分析篩選出 53 個具有預后意義的基因進行后續(xù)分析（圖 2G）。隨后作者對 53 個具有預后意義的基因進行了 GO 和 KEGG 富集分析，結果表明這些基因高度富集于 DNA 復制調(diào)節(jié)、凋亡核變化、參與凋亡執(zhí)行的細胞成分分解、巨噬細胞活化調(diào)節(jié)、吞噬作用的正調(diào)節(jié)、類固醇分解代謝、免疫效應過程調(diào)節(jié)和免疫反應激活。KEGG 富集分析顯示，這些基因在 P53 信號通路、細胞衰老、組氨酸代謝和細胞周期通路中高度富集（圖 2H）。

HCC HPRGS 的構建

TCGA-LIHC 隊列用作訓練隊列，LIRI-JP 隊列用作驗證隊列，使用10倍交叉驗證框架組合了 101 個預測模型，并計算了所有訓練和驗證隊列的 C 指數(shù)（圖 3A）。.隨后使用來自 Cox 模型的回歸系數(shù)對這四個基因的表達水平進行加權，以計算每位患者的風險評分（圖3B），將這個特征定義為 HPRGS，根據(jù) HPRGS 的中位值將訓練隊列和驗證隊列中的所有患者分為高危組和低危組，發(fā)現(xiàn)死亡人數(shù)隨著 HPRGS 分數(shù)的增加而逐漸增加（圖 3C、D）。生存分析顯示，在訓練隊列中，高危組患者的 OS 顯著低于低風險組（圖 3E），在驗證隊列中觀察到一致的結果（圖 3F）。

HCC HPRGS 的評估

為評價 HPRGS 的預后有效性，作者進行了ROC 曲線分析，分別在 LIRI-JP 驗證隊列中，它們分別達到 0.700、0.723 和 0.713（圖 4A、E）。然后，通過 ROC 曲線分析將訓練隊列中每位患者的臨床信息（包括年齡、性別、分級和分期）與其相應的 HPRGS 進行比較，發(fā)現(xiàn)HPRGS 在 1 年、 2 年和 3 年的預后有效性優(yōu)于其他臨床特征（圖 4B-D），并且在驗證隊列中獲得了一致的結果（圖 4F-H）。此外，將它們與 9 個已發(fā)表的 HCC 預后模型使用 C 指數(shù)來評估模型的預測能力，結果表明 HPRGS 在訓練和驗證隊列中都具有最高的 Cindex（圖 4I、J）。這些結果表明，HPRGS 在預測 HCC 患者預后方面具有良好的準確性。

高低危人群患者的生物學功能

低風險組高度富集于氨基酸分解代謝、氨基酸代謝、細胞氨基酸分解代謝、脂肪酸氧化和脂肪酸分解代謝，而高危組高度富集于適應性免疫反應、B 細胞活化、B 細胞受體信號通路、細胞分裂和染色體分離（圖 5A、B）?；?KEGG 基因集的 GSEA 顯示，低風險組在補體和凝血級聯(lián)反應、藥物代謝細胞色素 P450、脂肪酸代謝、氨基酸代謝和脂肪酸分解代謝方面具有較高的活性，而高危組在細胞粘附分子、細胞周期和 DNA 復制方面具有較高的活性（圖 5C、D）?；跇酥拘曰蚣倪M一步 GSVA 分析顯示，高危組在 G2/M 檢查點、E2F 轉錄因子、mTOR 信號通路、PI3K-AKT-mTOR 信號通路中具有較高的活性，而低危組在脂肪生成、脂肪酸代謝、膽汁酸代謝和氧化磷酸化方面具有較高的活性（圖 5E）。此外，HPRGS 與致癌相關標志評分之間的相關性分析表明，HPRGS 與癌癥相關生物過程和代謝途徑密切相關（圖 5F）。為了調(diào)查致癌相關標志評分是否與 HCC 患者的預后相關，作者進行了生存分析。結果顯示，這些通路與 HPRGS 呈正相關，如 G2/M 檢查點、E2F 轉錄因子、mTOR 信號通路和 PI3K-AKT-mTOR 信號通路是 HCC 患者的不良預后因素（圖 5G）

高危和低危患者群體的基因組變異景觀和腫瘤內(nèi)異質性

在高危 HCC 患者中，MATH 評分相對較高，表明 ITH 程度更嚴重 （圖 6A），MATH 評分與 HCC 患者的不良預后呈正相關（圖 6B）。通過將 MATH 評分與 HPRGS 相結合，“高危+高 MATH”組患者的預后顯著差于“低風險+低MATH”組患者（圖 6C）。為了探討高危組和低危組之間基因組突變頻率的差異，作者描述了兩組的突變景觀。結果顯示高危組和低危組之間有不同的突變譜（圖 6D、E）。如圖所示，TP53 是高危人群中最常見的突變基因，而 CTNNB1 是低風險人群中最常見的突變基因。為了進一步分析，作者合并了高危組和低危組中前 10 個突變基因，并進行了差異分析，以探討兩組之間的突變率是否存在差異。去除重復基因后，獲得 14 個基因，其中 TP53 和 OBSCN 在高危組和低危組之間的突變頻率差異顯著，高危組突變頻率較高（圖 6F）。

高危組和低危組患者具有不同的腫瘤免疫微環(huán)境

ESTIMATE分析表明高風險組微環(huán)境綜合評分表現(xiàn)較差，而腫瘤純度評分相對較高（圖 7A），CIBERSORT 分析表明高危組患者的腫瘤免疫微環(huán)境富含調(diào)節(jié)性 T 細胞、M0 巨噬細胞、活化記憶 CD4+ T 細胞、濾泡輔助性 T 細胞、M1 巨噬細胞和中性粒細胞浸潤。相比之下，低風險組患者的腫瘤免疫微環(huán)境富含靜息記憶 CD4+ T 細胞和單核細胞（圖 7B）。相關性分析結果也相似（圖 7C）。進一步生存分析表明6 種細胞類型的浸潤豐度與 HCC 患者的預后相關（圖 7D）。結合差異分析、相關性分析和生存分析的結果，最終確定了兩種類型的交叉細胞，即靜息記憶 CD4+ T 細胞和 M0 巨噬細胞（圖 7E）。這可能意味著這兩種免疫細胞的浸潤對 HCC 的預后和發(fā)展具有重要意義。進一步分析結果顯示，高危組在癌細胞抗原釋放、調(diào)節(jié)性 T 細胞募集、骨髓抑制性髓系細胞浸潤、T 細胞識別癌細胞和癌細胞殺傷方面表現(xiàn)更為突出（圖 7F）。

HPRGS可以預測對經(jīng)動脈化療栓塞及免疫治療的反應

在GSE54236隊列中，觀察到 HPRGS 和 TVDT 之間存在負相關（圖 8A），在 GSE14520隊列中，與腫瘤較小的患者相比，在較大腫瘤患者中觀察到更高的 HPRGS （圖 8B）。隨后使用 HPRGS 在 GSE104580 隊列中進行驗證，結果顯示低風險組的反應者比例高于高風險組（70% vs. 41%，圖 8C）。使用 HPRGS 預測 HCC 患者 TACE 治療反應率的 AUC 值為 0.662（圖8D），因此HPRGS 可用于預測 TACE 治療對 HCC 患者的療效。

低風險組患者表現(xiàn)出更高的 TIDE 評分和更高的免疫治療反應率，這表明低風險組的患者可能從 ICI 治療中獲益更多（圖 8E，F(xiàn)）。進一步的 IPS 評分分析顯示，與高危組相比，低風險組的 PD-1 和 CTLA4 抑制劑 IPS 評分顯著更高，表明低風險組患者對 PD-1 和 CTLA4 抑制劑治療比高危組患者更敏感（圖 8G）?？傊?，低風險組的患者更有可能從免疫療法中受益。

作者使用 GDSC 數(shù)據(jù)庫來預測不同 HPRGS 的 HCC 患者的藥物敏感性。結果顯示，高危組 5-氟尿嘧啶、吉西他濱、索拉非尼、卡博替尼和舒尼替尼的 IC50 顯著降低，而低風險組阿昔替尼、厄洛替尼和吉非替尼的 IC50 顯著降低（圖 8H）。為了探索高危 HCC 患者的潛在治療藥物，作者分析了基于 CTRP 數(shù)據(jù)庫和 PRISM 中的相對抑制數(shù)據(jù)庫的數(shù)據(jù)。結果證實SOCS3 表達水平較高的患者的預測 AUC 值顯著降低，表明對吉西他濱的敏感性更高（圖 8I）。接下來作者在 CTRP 和 PRISM 中篩選出 31 種藥物，這些藥物的預測 AUC 值與 HPRGS 呈統(tǒng)計學負相關，并且在高危組中顯著降低（圖 8J）。在對 CTRP 和 PRISM 獲得的結果進行交集后最終篩選出 5 種潛在的候選化合物：酪氨酸激酶抑制劑利尼法尼、細胞松弛素 B、嘌呤霉素、阿米非他平和辛伐他汀。其中，linifanib 在高?；颊呷后w中表現(xiàn)出高敏感性，CMap 評分為-95.88，表明它可能是一種潛在的高危人群患者治療藥物（圖 8L）。

列線圖的構建和評估

為提高 HPRGS 的臨床效用，對 TCGA-LIHC 隊列中的 HCC 患者進行了單因素和多因素 Cox 回歸分析。結果顯示，在單因素分析中，HPRGS 是 OS 的獨立預后因素（圖 9A）。在多變量分析中，HPRGS 仍然是 OS 的獨立預后因素（圖 9B），表明 HPRGS 在 HCC 患者中具有可靠的預后評估能力。隨后作者通過結合 HPRGS 和獨立的預后臨床病理特征構建了列線圖（圖 9C），校準曲線顯示列線圖預測和實際觀察之間具有出色的一致性（圖 9D）。ROC 曲線分析證實了其高預測準確性（圖 9E）。此外，多指標 AUC 曲線圖證實了列線圖的穩(wěn)定性和穩(wěn)健性（圖 9F-G）。這些發(fā)現(xiàn)揭示了列線圖可以為 HCC 的個性化預后預測提供可靠和準確的證據(jù)。

HCC cDNA 微陣列芯片隊列中 HPRGS 的驗證

為了驗證 HPRGS 在現(xiàn)實世界中的準確性，作者使用 qRT-PCR 進一步驗證了 HCC cDNA 微陣列隊列中的 HPRGS。首先，差異分析結果顯示，SOSC2 和 LCAT 基因在正常組織中高表達，ECT2 和 TMEM106C 在腫瘤組織中過表達（圖 10A-H），KM 曲線分析顯示 SOSC2 和 LCAT 與良好預后呈正相關，而 ECT2 和 TMEM106C 與不良預后呈正相關，這與以前的發(fā)現(xiàn)一致（圖 10I-L）。使用中位風險評分將患者分為高危組和低危組，HPRGS 與 HCC cDNA 微陣列隊列中的不良預后呈正相關（圖 10M、N），1 年、 2 年和 3 年 ROC 曲線表現(xiàn)出優(yōu)異的預測效能（圖 10O）。

研究總結

這項研究開發(fā)并驗證了HPRGS，為預測 HCC 患者的生存結果和治療反應提供了有效的工具。該特征能夠描繪具有獨特通路活性和腫瘤微環(huán)境的不同亞組，從而深入了解 HCC 異質性，最終落到治療反應預測與患者分層，探索高危患者的潛在治療藥物，旨在改善 HCC 管理的預后并改進治療策略。