基于T细胞耗竭与代谢重编程的肝细胞癌五基因预后风险模型构建及其免疫浸润与药物敏感性分析

《Scientific Reports》：Construction of a five-gene prognostic model involving T cell exhaustion and metabolic reprogramming for predicting hepatocellular carcinoma risk using LASSO: insights into immune infiltration and drug sensitivity

　　肝细胞癌（HCC）是全球最常见且致命的恶性肿瘤之一。其发病机制与T细胞耗竭和代谢重编程密切相关，这两个关键但尚未被充分探索的机制可深刻影响肿瘤免疫微环境（TIME）并推动疾病进展。本研究旨在通过整合这两种生物学过程，构建肝细胞癌的预后风险模型，并阐明其与免疫浸润和药物敏感性的相关性。通过整合癌基因组图谱肝细胞癌数据集（TCGA-LIHC）和基因表达综合数据库（GEO，包括GSE76427和GSE10186）等数据集的数据，进行了综合生物信息学分析。筛选出57个与T细胞耗竭和代谢重编程均相关的重叠基因。随后，通过蛋白质-蛋白质相互作用（PPI）网络分析和Cox回归模型分析，鉴定了以下5个核心基因：EZH2、FOXO1、SMARCA2、KPNA2和SLC2A1。根据计算的风险评分，将TCGA-LIHC训练集中的肝细胞癌患者分为高风险组和低风险组，两组总体生存期（OS）存在显著差异（P < 0.0001）。该模型在预测1年和3年总体生存期方面表现出良好的性能，曲线下面积（AUC）超过0.7，外部验证进一步证实了这一发现。此外，风险评分与不同的免疫细胞浸润模式和不同的抗癌药物敏感性相关，低风险组表现出增强的免疫活性和更高的药物敏感性。总之，本研究构建了一个五基因模型，从细胞耗竭与代谢重编程交叉的角度为肝细胞癌的预后分层提供了计算证据。然而，其临床应用仍需在独立临床队列中进行实验验证。这些发现为代谢改变与免疫逃逸对肝细胞癌进展的协同效应提供了新颖且深入的见解。