揭示干扰素基因对三阴性乳腺癌免疫微环境的影响：治疗靶点的鉴定与ceRNA调控网络构建

本文深入探讨了干扰素相关基因（IRGs）在三阴性乳腺癌（TNBC）预后及免疫微环境调控中的作用。研究通过整合多组学数据构建了由STXBP1、LAMP3、CD276和POLR2F组成的干扰素相关预后标志（IRPS），并首次报道了5条与TNBC进展相关的ceRNA调控轴（如AC124067.4/hsa-miR-455-3p/STXBP1）。这些发现为TNBC的免疫治疗策略提供了新的分子靶点和理论依据。

　　

引言

乳腺癌（BC）是全球女性最常见的恶性肿瘤之一，而三阴性乳腺癌（TNBC）作为其特殊亚型，约占浸润性乳腺癌的15%–20%，具有高度异质性、侵袭性和复发率高的特点。由于缺乏特异性靶点和有效的靶向疗法，TNBC的治疗主要依赖手术联合全身化疗，但常规术后辅助化疗效果不佳，残留转移灶常导致肿瘤复发。因此，鉴定新的分子生物标志物对TNBC的早期诊断、预后和复发监测至关重要。

干扰素（IFN）作为一种多功能细胞因子，在抗病毒活性、抗增殖和免疫调节中发挥关键作用。IFN通过诱导凋亡、阻断细胞周期和激活免疫调节功能，发挥直接和间接的抗肿瘤效果。例如，IFN-β信号可抑制TNBC中癌细胞的干性，而IFN信号的激活对于启动抗肿瘤免疫至关重要。然而，IFN在TNBC免疫调节中的潜在机制尚不清楚，需要进一步研究以阐明IFN与免疫力之间的关系。

近年来的研究表明，lncRNA-miRNA-mRNA调控网络在多种癌症的发病机制和进展中扮演重要角色，包括肝癌、膀胱癌和其他恶性肿瘤。这一调控网络源于竞争性内源RNA（ceRNA）假说，即lncRNA与miRNA竞争性结合，调节mRNA表达水平，进而影响蛋白质翻译和相关细胞活动。在TNBC中，lncRNA-miRNA-mRNA调控轴对其发生、发展和预后具有显著影响。尽管在TNBC的ceRNA网络研究方面已取得一些进展，但其干扰素相关的ceRNA调控轴仍未被探索。因此，探索IFN相关的ceRNA网络，鉴定其关键调控轴和靶点，可能为TNBC治疗发现新的治疗靶点。

材料与方法

数据获取与描述

从TCGA数据库获取了与TNBC相关的RNA表达数据（mRNA、lncRNA和miRNA）及临床生存数据。从GSEA网站的分子签名数据库（MSigDB）检索了464个干扰素基因。

整合多组学分析用于IRPS构建与评估

差异表达RNA（DERNA）的获取：使用“limma”R包对来自TCGA数据库的mRNA、lncRNA和miRNA进行差异表达分析。差异表达mRNA（DEG）、lncRNA（DEL）和miRNA（DEM）的识别阈值设定为调整后P值（P-adj）< 0.05且|log2FC| > 1。将DEG与MSigDB数据库中的干扰素相关基因取交集，获得干扰素相关DEG（IR-DEG）。使用“pheatmap”和“limma”R包生成IR-DEG、DEL和DEM的热图和火山图。

IFN相关预后标志（IRPS）的建立：使用“survival”R包对IR-DEG进行单变量Cox回归分析，以P值<0.05作为识别生存相关IR-DEG的阈值。然后应用多变量Cox回归分析构建干扰素相关预后标志（IRPS）。根据预后IR-DEG（IR-DEG-IRPS）的表达水平和相关系数，通过以下公式计算患者的风险评分：风险评分 = Exp（mRNA1）× β1 + Exp（mRNA2）× β2 + Exp（mRNA3）× β3… + Exp（mRNAn）× βn。根据中位风险评分将患者分为高风险和低风险组，并计算两组的生存率。绘制高风险和低风险组的生存曲线进行Kaplan-Meier分析，同时生成1年、3年和5年受试者操作特征（ROC）曲线以评估IRPS的可靠性。

使用GEO数据集对预后基因表达进行外部验证：为验证从TCGA-TNBC分析中识别的关键基因的表达模式，从GEO数据库检索了两个独立的GEO数据集GSE65194和GSE38959。在适用的情况下，对基因表达矩阵进行log2转换。使用“limma”R包对每个数据集进行差异表达分析。为了进行整合验证，在保留仅交集基因后合并两个表达矩阵，然后使用“sva”包中的ComBat函数进行批次效应校正。使用非配对Wilcoxon秩和检验进行正常和TNBC样本之间的统计比较，P < 0.05的基因被认为具有统计学意义。使用每个数据集和合并的批次校正数据集的箱线图可视化验证结果。

IRPS中免疫治疗反应的预测：肿瘤免疫功能障碍和排斥（TIDE）算法整合了T细胞功能障碍和T细胞排斥的特征，基于基因表达水平模拟肿瘤免疫 evasion，从而预测对免疫检查点阻断（ICB）治疗的临床反应。使用TIDE网络工具，该算法计算三个分数：TIDE、排斥和功能障碍。这些分数分别代表免疫 evasion 能力、免疫细胞排斥程度和免疫功能障碍水平。进行t检验以评估高风险和低风险组之间分数的差异，以评估ICB反应的潜在变化，显著性阈值设定为P < 0.05。

肿瘤突变负荷（TMB）代表肿瘤样本中的突变总数，越来越被认为是评估免疫治疗反应的关键生物标志物。使用“maftools”包计算每位患者的TMB，并生成小提琴图以比较不同风险组的TMB。使用Spearman相关分析评估TMB与风险评分之间的关系，显著性阈值设定为P < 0.05。

肿瘤免疫微环境分析：采用单样本基因集富集分析（ssGSEA）评估TNBC中的免疫细胞浸润。使用与先前研究中确定的23种免疫细胞类型对应的基因集，预测各种免疫细胞类型的浸润程度。随后，使用Spearman相关回归分析确定IR-DEG-IRPS与免疫细胞浸润之间的关系，并使用“ggplot2”R包进行可视化。

ceRNA网络的构建与关键调控轴的识别：基于IR-DEG-IRPS，通过ENCORI数据库提取相关的miRNA-mRNA对，并将这些对中的miRNA与DEM取交集以识别IRPS相关的DEM。使用同一数据库基于IRPS相关的DEM进一步提取相关的lncRNA-miRNA对，并将lncRNA-miRNA对中的lncRNA与DEL取交集以识别IRPS相关的DEL。选择与mRNA结合的上游miRNA的标准包括从七个数据库（microT、miRmap、miRanda、PicTar、PITA、RNA22和TargetScan）中筛选至少两个miRNA，而与miRNA结合的上游lncRNA仅从miRanda数据库筛选。然后，将配对的IRPS相关DEL、DEM和IR-DEG作为节点，构建干扰素相关预后lncRNA-miRNA-mRNA网络，并使用Cytoscape软件进行可视化。

基于ceRNA假说，预期lncRNA水平与miRNA水平负相关，与mRNA水平正相关。LncRNA可下调miRNA的表达水平，减少其对mRNA表达的抑制效应。使用R软件中的“cor”函数对这些三种RNA在ceRNA网络中的相关性进行分析，并识别ceRNA调控轴。P < 0.05被认为具有统计学意义。

药物敏感性分析：CellMiner数据库提供了肿瘤细胞中基因表达和药物活性评分的广泛数据。通过对从CellMiner获取的相关药物数据进行Pearson相关分析，我们评估了ceRNA中IR-DEG-IRPS与药物活性评分之间的关系。旨在识别靶向ceRNA中IR-DEG-IRPS的潜在候选药物。

功能富集分析：从MSigDB获取Reactome通路基因集（MSigDB C2：典型通路；文件c2.cp.reactome.v7.5.symbols.gmt），用于对ceRNA调控轴内IR-DEG-IRPS基因进行基因集富集分析（GSEA）。我们运行了1000次排列，并在名义P < 0.05时认为结果显著。

细胞培养与qRT-PCR：将三种TNBC肿瘤细胞系MDA-MB-231、MDA-MB-468和HCC 1806以及正常乳腺上皮细胞MCF-10A培养至汇合，铺板密度为每孔50,000个细胞。按照既定方案使用Trizol试剂进行RNA提取。使用First-Strand Synthesis Master Mix进行cDNA合成。使用LightCycler 480系统和SYBR混合物以及基因特异性引物量化基因表达。β-肌动蛋白作为内参基因用于数据标准化，使用2^?ΔΔCT方法评估表达水平，结果呈现为与MCF-10A相比的相对倍数变化。

统计分析：本研究的统计分析使用R 4.2.2进行，P < 0.05被认为具有统计学意义。

结果

TNBC中的DEL、DEM和IR-DEG

本研究从TCGA数据集的TNBC样本中共识别出139个IR-DEG（上调：111个，下调：28个）、215个DEM（上调：148个，下调：67个）和1627个DEL（上调：740个，下调：887个）。

基于IR-DEG的IRPS建立与评估

单变量Cox回归分析识别出六个与生存相关的IR-DEG（STXBP1、IL12RB2、CCL16、POLR2F、LAMP3、CD276）。通过多变量Cox回归分析建立了TNBC的IRPS，从而识别出四个IR-DEG-IRPS，即STXBP1、LAMP3、CD276和POLR2F。其中，只有POLR2F作为TNBC的独立预后因素，是一个风险比（HR）值小于1的低风险基因。

风险评分曲线表明，被分类为低风险的患者始终具有较低的风险评分，而高风险类别的患者则表现出显著升高的风险评分。生存状态图分析显示，低风险组TNBC患者的死亡率明显低于高风险组。热图分析揭示了低风险和高风险组之间不同的表达模式，STXBP1和CD276在高风险患者中表达升高，而POLR2F和LAMP3通常表达较低。这些发现表明，这四个基因可能作为风险分层的可靠预后标志。此外，在IRPS背景下，低风险组与更有利的预后相关。ROC曲线显示，1年、3年和5年生存率的曲线下面积（AUC）值均超过0.8，从而证实了IRPS对TNBC患者预后的强大预测能力。

使用GEO数据集验证TCGA发现

使用GSE65194、GSE38959和经过批次校正的合并数据集进行外部验证，证实了STXBP1的下调和LAMP3的上调在所有数据集中一致。CD276和POLR2F在GSE38959中遵循TCGA表达趋势；然而，这两个基因在GSE65194中均未达到统计学显著性。在合并数据集中，CD276与TCGA趋势保持一致，而POLR2F显示无显著差异。这些结果突出了STXBP1和LAMP3的完全跨队列可重复性，以及POLR2F和CD276的可接受可重复性。

IRPS与免疫治疗的关系

TIDE结果显示，与低风险组相比，高风险组的TIDE和功能障碍评分均显著更高，而排斥评分在两组之间无显著差异。这些发现表明，高风险组表现出更高水平的免疫 evasion 和免疫功能障碍，而低风险组可能对ICB治疗反应更佳。相关分析表明，风险评分与TMB评分负相关，并且低风险组的TMB高于高风险组。这表明随着风险评分的增加，TMB评分降低，导致TNBC患者免疫治疗效果降低。总之，与高风险组相比，低风险组可能对免疫治疗表现出更好的反应。

IRPS与免疫微环境的联系

免疫细胞相关分析显示，STXBP1和POLR2F被认为是免疫抑制基因。它们的表达与多种细胞类型的免疫功能显著负相关，包括活化的CD4 T细胞、中性粒细胞和T辅助细胞17（Th17）。相反，LAMP3被视为免疫促进基因，其表达与活化的CD4 T细胞和T辅助细胞2（Th2）的免疫功能显著正相关。然而，CD276表达与23种不同免疫细胞类型的免疫功能无显著相关。这些发现表明IR-DEG-IRPS与免疫微环境密切相关。

单细胞分析显示，LAMP3在T细胞、组织干细胞、单核细胞和上皮细胞中高表达。相反，STXBP1和POLR2F在成纤维细胞、组织干细胞和平滑肌细胞中表现出高表达水平，而CD276主要在单核细胞和成纤维细胞中表达。因此，这四种IR-DEG-IRPS在各种细胞中的表达与其免疫细胞相关性非常吻合。

构建与干扰素相关的lncRNA-miRNA-mRNA网络

基于四个IR-DEG-IRPS（STXBP1、LAMP3、CD276和POLR2F），从ENCORI数据库中共选择了66个DEM和248个DEL。这些IR-DEG、DEM和DEL构成了38对DEM-IR-DEG、1798对DEL-DEM和137对间接的DEL和IR-DEG，形成了一个干扰素相关的预后ceRNA网络。

IR-DEG-IRPS的药物敏感性分析

显示了四种IR-DEG-IRPS异常表达与在NCI-60癌细胞系中测试的295种FDA批准的抗肿瘤药物的药物敏感性之间的451对关系。在这些关系中，155对mRNA-药物相关性对中有126种药物因IR-DEG-IRPS的过表达而出现耐药性，而126对中有84种药物表现出相反的效果。此外，170对中有85种药物对不同IR-DEG-IRPS表现出相反的药物敏感性。具体来说，STXBP1的上调与对29种药物（ON-123300、AM-5992、TPX-0005、ARV-825、SAR-20347等）的耐药性增加相关，并与对42种药物（ARQ-680、PLX-4720、Vemurafenib、TAK-632、PLX-8394等）的敏感性增强相关。LAMP3的上调与对20种药物（Sonidegib、P-529、Irofulven、PF-4989216、GDC-0084等）的耐药性增加和对67种药物（Fluphenazine、Alectinib、Zalcitabine、Ribavirin、Nelarabine等）的敏感性增加相关。CD276的上调与对140种药物（AM-5992、CFI-400945、Artemether、Palbociclib、Barasertib等）的耐药性增加和对48种药物（GSK-2126458、P-529、VS-5584、Telatinib、INK-128等）的敏感性增强相关。POLR2F的上调与对51种药物（Dasatinib、Everolimus、LY-3023414、spebrutinib、Saracatinib等）的耐药性增加和对54种药物（Chelerythrine、S-63845、Carmustine、auranofin、Hydroxyurea等）的敏感性增加相关。展示了与癌细胞中IR-DEG-IRPS最强烈相关的 top 30 药物。其中，20种药物（ARQ-680、PLX-4720、Vemurafenib、TAK-632、PLX-8394、Dabrafenib、Fluphenazine、SB-590885、GSK-2126458、Chelerythrine、P-529、VS-5584、Telatinib、Alectinib、Zalcitabine、MLN-2480、INK-128、Refametinib、AZD-8055、S-63845）随着IR-DEG-IRPS的过表达而增加其药物敏感性，而10种药物（AM-5992、CFI-400945、Artemether、Palbociclib、Barasertib、Crizotinib、Gandotinib、Imexon、ABT-348、Dasatinib）随着IR-DEG-IRPS的上调而表现出增加的耐药性。

lncRNA-miRNA-mRNA关键调控轴的识别

在调控轴中，miRNA表达与mRNA和lncRNA表达均负相关，而lncRNA表达与mRNA表达正相关，符合ceRNA假说。相关性分析显示，38对DEM-IR-DEG对中只有hsa-miR-455-3p-STXBP1表现出显著的负相关（P < 0.05）。此外，1798对DEL-DEM对中有116对表现出显著的负相关（P < 0.05）。在间接的DEL和IR-DEG对中，103对显示出显著的正相关（P < 0.05）。以hsa-miR-455-3p为连接节点，识别出八个与hsa-miR-455-3p负相关的DEL（AF111167.2、AC124067.4、RBPMS-AS1、AL359220.1、DNMBP-AS1、LINC01550、FAM198B-AS1、LIFR-AS1），其中五个与STXBP1正相关。将这五对DEL-DEM与一对DEM-IR-DEG结合后，建立了五个潜在的lncRNA/miRNA/mRNA调控轴（AC124067.4/hsa-miR-455-3p/STXBP1、RBPMS-AS1/hsa-miR-455-3p/STXBP1、DNMBP-AS1/hsa-miR-455-3p/STXBP1、FAM198B-AS1/hsa-miR-455-3p/STXBP1、LIFR-AS1/hsa-miR-455-3p/STXBP1）。

GSEA功能富集分析

GSEA分析显示，在TNBC中，STXBP1高表达的患者主要富集在108条通路中，包括生物氧化、雌激素依赖性基因表达和核受体信号传导等相关通路。相反，STXBP1低表达的患者显著富集在22条通路中，包括真核翻译起始、流感感染和RNA加工等通路。这些发现表明STXBP1可能通过这些通路影响TNBC的发生和发展。

细胞培养与qRT-PCR验证

使用qRT-PCR评估了在三种TNBC肿瘤细胞系（MDA-MB-231、MDA-MB-468和HCC 1806）和正常乳腺上皮细胞（MCF-10A）中四种预后基因的转录水平。与MCF-10A细胞相比，四种预后基因（STXBP1、LAMP3、CD276和POLR2F）的表达在MDA-MB-231细胞中均显著上调（P < 0.05）。在MDA-MB-468细胞中，三种预后基因STXBP1、LAMP3和POLR2F的表达水平显著上调（P < 0.05）。在HCC1806细胞中，STXBP1和POLR2F显示显著上调（P < 0.05）。尽管HCC1806中的LAMP3和CD276也呈现上升趋势，但这些变化未达到统计学显著性。总体而言，qRT-PCR结果显示所有四种预后mRNA在TNBC细胞中均上调。

讨论

与其他乳腺癌亚型相比，由于其侵袭性和不良预后，化疗仍然是三阴性乳腺癌（TNBC）的主要治疗方法，并且没有其他批准的靶向疗法。IFN在抗肿瘤免疫中起着至关重要的作用。LncRNA可以作为miRNA的ceRNA，从而靶向和调节mRNA，形成lncRNA-miRNA-mRNA调控轴。这一过程参与了TNBC的发生和发展。因此，研究干扰素相关ceRNA网络的构建有助于理解干扰素基因在TNBC中的分子机制，并为TNBC鉴定新的预后生物标志物和治疗靶点。

我们的研究基于TCGA数据库的TNBC RNA谱和GSEA网站的干扰素基因集，识别了包括139个IR-DEG、215个DEM和1627个DEL的DERNAs。通过单变量和多变量Cox回归分析，建立了由CD276、POLR2F、LAMP3和STXBP1基因组成的IRPS。文献证据支持关键基因如CD276、LAMP3和POLR2F在TNBC中的过表达，这与我们来自TCGA的计算分析和qRT-PCR验证一致。这一模式在两个独立的GEO数据集（GSE65194和GSE38959）以及经过严格批次效应校正的合并队列中得到进一步强化，其中LAMP3、CD276和POLR2F在不同数据集中表现出特别一致的上调。相比之下，STXBP1在之前的生物信息学研究中被报道在乳腺癌中下调，这与我们来自TCGA和GEO的计算机分析一致，但与我们在TNBC细胞系中的qRT-PCR发现不同。计算机分析和体外结果之间的这种差异已有充分记录，并且通常是由生物异质性而非技术 artifacts 驱动的。来自TCGA的批量RNA-seq数据捕获了肿瘤、基质和免疫细胞的混合物，以及肿瘤纯度、治疗史和疾病阶段的患者间变异性，所有这些都会影响基因水平的表达估计。相反，在均质的体外细胞群中进行的qRT-PCR检测缺乏体内存在的复杂肿瘤微环境和细胞间相互作用，这可能导致不同的表达模式。然而，大多数靶基因在独立队列中的一致验证仍然强调了我们发现的稳健性和普遍性。

将LAMP3、POLR2F和STXBP1纳入IRPS反映了它们互补的免疫调节功能和与TNBC预后的一致关联。LAMP3主要在肿瘤相关的树突状细胞和髓系细胞中表达，促进抗原呈递并调节T细胞活化。POLR2F是RNA聚合酶II的一个亚基，已被 implicat ed 在DOK3介导的TNF/MAPK信号传导中，影响巨噬细胞招募和极化。STXBP1，囊泡停靠和融合的调节剂，有助于CXCL趋化因子释放，促进巨噬细胞浸润和免疫 evasion。这些机制涵盖了抗原呈递、炎症转录控制和趋化因子介导的免疫细胞运输，这三个不同但汇聚的肿瘤-免疫串扰方面。多变量分析证实，这些基因的特定共表达模式与TNBC生存和复发显著相关，支持它们即使在没有证明直接物理相互作用的情况下的组合预后价值。我们承认这三个基因之间的功能关系尚未经过实验验证；靶向扰动和共培养研究将是未来工作的重要方向。来自相同回归建模过程出现的CD276也与这些基因一起评估了预后和免疫学相关性。

免疫治疗越来越被认为是癌症治疗的战略方法。作为免疫治疗的重要组成部分，干扰素可以在抗肿瘤过程中引发强烈的免疫反应。TMB和TIDE是评估免疫治疗效果的两种常用方法。具有高TMB评分的患者将从免疫治疗中受益，例如，具有错配修复缺陷的结直肠癌患者（具有大量体细胞突变）在使用PD-1/PD-L1抗体治疗时具有更好的免疫相关无进展生存期。TIDE通过整合两种肿瘤免疫 evasion 机制（免疫排斥和免疫功能障碍）而不是依赖单一生物标志物，改善了对免疫检查点抑制剂疗效的预测。考虑到这些，我们评估了IRPS风险评分与免疫治疗的相关性。我们的分析显示，具有低风险评分的TNBC患者具有更高的肿瘤突变负荷和更低水平的免疫 evasion，表明他们可能从免疫治疗中获益更多。具有强免疫原性的早期低风险TNBC表现出更高水平的TMB、PD-L1表达和肿瘤浸润淋巴细胞（TILs），这有助于增强免疫功能和对免疫治疗的更好反应。我们的发现强调了IRPS在未来TNBC免疫治疗策略中的有益作用。

有趣的是，我们的免疫细胞浸润分析显示，STXBP1和POLR2F与各种免疫细胞的浸润丰度呈显著负相关，包括树突状细胞、γδT细胞、髓源性抑制细胞（MDSC）、自然杀伤T细胞和调节性T细胞。先前的研究已经描述，IFN-γ表达与树突状细胞和γδT细胞正相关，以及与调节性T细胞的产生负相关。反过来，调节性T细胞可以直接或间接抑制CD4和CD8 T细胞、B细胞、树突状细胞、巨噬细胞和自然杀伤细胞的增殖和功能。这些发现表明，STXBP1和POLR2F可能通过IFN-γ介导的通路抑制肿瘤免疫微环境。此外，检测到LAMP3与免疫细胞浸润（包括CD4 T细胞、CD8 T细胞、自然杀伤T细胞和Th2细胞）之间存在显著正相关。研究表明，IFN-λ表达与CD4 T细胞、CD8 T细胞和自然杀伤T细胞正相关，并且其过表达可以加速Th1细胞的分化，同时抑制Th2细胞介导的反应。此外，人们普遍认为Th2细胞因子可以促进肿瘤进展。这些发现暗示LAMP3可能通过IFN-λ介导的通路促进肿瘤进展。

根据单细胞分析的结果，LAMP3被确定为关键的免疫促进基因，基于单细胞RNA测序（scRNA-seq）数据，在T细胞、单核细胞、组织干细胞和上皮细胞中显示高表达。值得注意的是，LAMP3表达在T细胞中最突出，而T细胞与BC的良好预后相关。这表明LAMP3可能与TNBC患者的良好生存结果相关。相反，STXBP1和POLR2F都被归类为免疫抑制基因，在scRNA-seq数据中的成纤维细胞、组织干细胞和平滑肌细胞中表现出高表达水平。这与先前的研究一致，表明成纤维细胞和相关基质细胞通过激活细胞因子谱和降低T细胞活性，在TME中促进免疫 evasion。CD276主要在单核细胞和成纤维细胞中表现出显性表达。CD276可能通过替代通路运作，可能涉及基质-免疫相互作用或细胞外基质的调节，从而间接影响免疫细胞行为。我们研究中的单细胞测序结果提供了对TME内免疫景观的细致视角，突出了免疫调节基因在不同细胞环境中的多样化作用。免疫激活基因在促免疫细胞中上调，而免疫抑制基因在抗免疫细胞中上调，LAMP3、STXBP1和POLR2F符合这种表达模式。这种一致性使得这三种基因可以作为潜在的生物标志物或治疗靶点，特别是在个性化癌症免疫治疗的背景下。虽然我们的单细胞RNA-seq分析提供了对LAMP3和CD276的空间和细胞表达的洞察，但我们承认这些发现是相关的。然而，先前的研究已经证明，LAMP3⁺树突状细胞可以驱动T细胞耗竭和Treg招募，并且CD276抑制T细胞浸润并调节肿瘤中的巨噬细胞极化，表明这些基因在免疫调节中具有潜在的致病作用。尽管如此，需要在TNBC中通过功能验证来确认这些机制。

本研究的另一个重要发现是基于预后IR-DEG构建了一个由248个lncRNA、66个miRNA和4个mRNA组成的干扰素相关预后ceRNA网络。识别了五个关键调控轴（AC124067.4/hsa-miR-455-3p/STXBP1、RBPMS-AS1/hsa-miR-455-3p/STXBP1、DNMBP-AS1/hsa-miR-455-3p/STXBP1、FAM198B-AS1/hsa-miR-455-3p/STXBP1、LIFR-AS1/hsa-miR-455-3p/STXBP1）。值得注意的是，这五个ceRNA轴在以往的任何研究中均未被报道。然而，这些轴相关RNA表达的异常变化已被先前的癌症研究证实。ceRNA调控轴中miRNA（hsa-miR-455-3p）在TNBC中的过表达已被先前的实验研究证实，与我们的结果一致。在关键轴中的五个lncRNA中，DNMBP-AS1和LIVR-AS1的下调已被先前的实验或生物信息学研究证明。此外，AC124067.4在另一项乳腺癌生物信息学研究中显示上调，这与我们对TNBC的发现相矛盾。为了进一步调查这一差异，我们基于TCGA数据库对乳腺癌数据进行了差异表达分析，发现AC124067.4在乳腺癌