基于生物信息学的肝细胞癌铁死亡预后模型的构建

作者：于洋洋; 韩超; 李光^*

来源：河北医学, 2022, 28(04): 561-567.

• 生物信息学
• 肝细胞癌
• 铁死亡

目的:为寻找肝细胞癌相关预后的铁死亡基因，寻找独立预后的因素，构建肝细胞癌患者铁死亡的预后模型。方法:通过TCGA数据库下载TCGA-LIHC的转录组数据和临床信息，使用Perl语言对TCGA-LIHC的铁死亡相关基因的表达谱数据进行提取。使用R语言的limma包对铁死亡相关基因的表达谱数据进行差异分析。使用R语言的org.Hs.eg.db包对差异的铁死亡基因进行id注释，使用R语言的colorspace,stringi和ggplot2包对铁死亡基因进行GO和KEGG富集分析。使用Perl语言对铁死亡相关基因的表达谱信息和TCGA-LIHC患者的生存时间、生存状态进行整合，通过单因素cox分析，筛选出与LIHC患者生存预后显著相关的铁死亡基因，然后使用多因素cox分析对模型进行构建。使用R语言的survival包对肝细胞癌铁死亡预后模型进行分组，并且进行KM生存分析。使用R语言的pheatmap包对铁死亡预后模型进行风险曲线，生存状态图的绘制。使用Perl对患者的生存时间，生存状态，年龄，性别，TNM分期与铁死亡预后模型进行整合，进行单因素和多因素cox分析，寻找独立预后的因素，并使用了ROC曲线对模型的预后因素进行了评估。结果:TCGA-LIHC包含了个50正常组织，374个肝细胞癌组织。通过差异分析，共得到了TCGA-LIHC相关铁死亡差异基因83个，其中上调基因70个，下调基因13个。GO功能富集分析显示，response to oxidative stress和cellular response to oxidative stress是主要的铁死亡相关生物过程; KEGG功能富集分析显示，Ferroptosis和Central carbon metabolism in cancer是主要的生物通路。单因素cox分析筛选出了31个铁死亡预后相关基因，多因素cox分析构建了10个铁死亡相关基因的预后模型(FANCD2,ZEB1,BLOC1S5-TXNDC5,HMOX1,GABARAPL1,FLT3,IDH1,G6PD,VDAC2,MYB)，多因素cox回归中的系数如下:铁死亡基因风险评分=(-0.3774×FANCD2的表达)+(-0.3774×ZEB1的表达)+(-0.3774×BLOC1S5-TXNDC5的表达)+(-0.3774×HMOX1的表达)+(-0.3774×GABARAPL1的表达)+(-0.3774×FLT3的表达)+(-0.3774×IDH1的表达)+(-0.3774×G6PD的表达)+(-0.3774×VDAC2的表达)+(-0.3774×MYB的表达)。KM生存分析显示，预后模型低表达的患者生存中更具备优势，P=1.992e-08。风险曲线，生存状态进一步验证了我们的结果。单因素和多因素cox分析分别显示了clinical stage的P<0.001和P=0.004,riskScore的P<0.001。ROC曲线评估了铁死亡模型的AUC为0.736,clinical stage临床分级的AUC为0.701，这证明了该模型的可靠性。结论:通过生物信息学分析，构建了10个肝细胞癌相关的铁死亡基因模型，可以用于患者预后的评估。

• 单位
  中国医科大学附属第一医院