科研之友
微信
新浪微博
Facebook
分享链接
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。
- 单位
