肺腺癌患者代謝相關基因和免疫相關預后模型的建立①

鄧彪 陳春源 黃裕鋒 陳心銘 羅連響 梁柱（廣東醫科大學附屬醫院心胸外科，湛江 524001）

肺癌是全世界癌癥相關死亡的主要原因之一，盡管近年肺癌病死率有所下降，但2017年導致的死亡病例數仍多于乳腺癌、前列腺癌、結直腸癌和顱內腫瘤死亡病例總和［1］。肺腺癌（lung adenocarcinoma，LUAD）是非小細胞肺癌最普遍的組織類型，與其他肺癌亞型相比，LUAD與基因組變化關系密切，具有高度異質性［2-3］。半數以上LUAD診斷時已是局部晚期或已轉移，預后較差，五年生存率較低，開發一個更有效的LUAD預后預測工具迫在眉睫［4-5］。癌細胞新陳代謝是癌癥的標志之一，可維持癌細胞生長［6］。近年研究表明癌細胞新陳代謝改變對癌癥生長和發展起重要作用，如LUAD預后與癌細胞新陳代謝密切相關［7-10］。因此，系統研究代謝相關基 因（metabolism related genes，MRGs）對 改 善LUAD治療和預后至關重要［11-12］。腫瘤免疫微環境（tumor immune microenvironment，TIME）中的免疫細胞通過分泌代謝決定因子維持腫瘤生長，其類型和豐度對腫瘤進展和免疫治療具有顯著影響［13-14］。但系統分析MRGs、LUAD預后與TIME關系的研究較少。本研究旨在建立基于MRGs的LUAD預測模型，并分析LUAD患者TIME與MRGs的關系，通過生物信息學綜合分析方法研究TCGA（The Cancer Genome Atlas）和GEO（Gene Expression Omnibus）數據庫的LUAD基因表達數據和臨床信息，建立一個性能穩定的風險預測模型和列線圖，通過GO和KEGG功能富集分析探索與模型MRGs密切相關的通路，采用免疫評分相關性分析探索高低風險患者免疫細胞和免疫相關通路差異，探討MRGs與TIME的關系。

1 資料與方法

1.1樣本基因組表達數據和臨床信息研究流程如圖1所示。……