IF5.9，基于分子亚型的免疫相关特征，用于预测肝细胞癌的预后和免疫治疗效果

空间转录组+机器学习+免疫相关基因预后升级思路，同步解决论文与课题需求！

题目：基于分子亚型的免疫相关特征，用于预测肝细胞癌的预后和免疫治疗效果

英文名：An immune-related signature based on molecular subtypes for predicting the prognosis and immunotherapy efficacy of hepatocellular carcinoma

杂志：Frontiers in Immunology

影响因子：5.9

发表时间：2025年5月19日

研究背景：免疫治疗已成为多种恶性肿瘤（尤其是肝细胞癌（HCC））的关键治疗方式。本研究旨在构建不同HCC分子亚型之间免疫相关基因的预后特征，为免疫治疗应用提供指导，并通过免疫组化促进其临床实际应用。

研究思路：使用京都基因与基因组百科全书（KEGG）通路进行基因集变异分析和共识聚类分析，以区分肝细胞癌（HCC）亚型。在TCGA-LIHC队列中，应用单变量、Lasso和多变量Cox回归分析构建了一个新的免疫相关预后特征。在三个预后队列、一个免疫治疗队列、不同的HCC细胞系和组织芯片中验证了亚型特异性免疫相关预后特征（SIR-PS）。通过miRNA-mRNA相互作用和信号通路进一步探索了免疫治疗的可能机制。

研究结果：

1、基于KEGG通路的HCC亚型鉴定与富集分析

利用GSVA算法对KEGG基因集的富集评分进行无监督层次聚类，将样本分为两个不同亚型（图2A-C）。Sub1与Sub2相比，AFP水平更高、肿瘤分级（GRADE）和病理分期（Tstage）更晚、女性患者比例更高、中位年龄更低（图2D-E）。Kaplan-Meier分析显示Sub2患者预后显著优于Sub1（图2F）。差异分析发现Sub1和Sub2分别有2284和751个差异基因，Sub1富集基因与免疫缺陷疾病相关（图2G）。免疫检查点基因表达在Sub1中显著升高（图2H）。

图2

2、SIR-PS的构建与验证

TCGA队列中获得3035个亚型间差异基因（SDEGs），与ImmPort数据库1509个免疫基因交集得到239个SIRDEGs（图3A）。单变量Cox筛选67个预后相关基因，LASSO进一步缩减至5个（图3B-C），最终4基因（STC2、BIRC5、EPO、GLP1R）构建模型。风险评分公式：riskscore=(STC2×0.22344)+(BIRC5×0.19238)+(EPO×0.11058)+(GLP1R×0.24472)。高风险组患者死亡率及4基因表达随风险评分升高而增加（图3D-E）。Kaplan-Meier显示高风险组预后更差（图3F），TCGA队列1年和3年AUC分别为0.771和0.727（图3I）。ICGC（图3G）、GSE54236（图3H）和GSE202069队列均验证其效能（AUC0.791-0.866）。SIR-PS在4个数据集中AUC排名前列（SupplementaryFigure3C）。

图3

3、SIR-PS的临床意义与肿瘤微环境

高风险组AFP更高、女性更多、肿瘤分期更晚（图4A）。CIBERSORT显示高风险组记忆B细胞、调节性T细胞、静息树突细胞、中性粒细胞浸润增加，而活化的NK细胞、M1型巨噬细胞减少（图4B）。免疫检查点基因在高风险组普遍高表达（图4B）。免疫治疗队列中高风险组响应率更高（图4C），预测响应的AUC为0.787（图4D）。

图4

4、SIR-PS的空间转录组分析

高风险组TP53突变频率最高（40%），低风险组CTNNB1突变频率最高（33%）（图5A-B）。风险评分在HCC细胞中最高，STC2和BIRC5主要富集于癌细胞（图5C）。高恶性细胞系（SNU-449、97H）中STC2和BIRC5的mRNA和蛋白表达显著高于低恶性细胞系（Hep3B、Huh7）（图5D-E），而EPO和GLP1R无显著趋势。

图5

5、组织芯片验证

IHC显示STC2、BIRC5、EPO、GLP1R在HCC中表达高于正常组织（图6A-D）。高表达组患者预后更差（图6E-H）。

图6

基于IHC风险评分分组，高风险组预后显著更差（图7A），1年和3年AUC分别为0.711和0.795（图7B）。传统标志物GPC3和CK19无显著预后差异（图7C-F）。

图7

6、免疫治疗机制探索

单变量Cox回归分析的结果显示，AST、childpugh、肿瘤大小、血管侵犯、BIRC5、EPO和风险组之间的生存存在显著差异。在TCGA-LIHC队列中，STC2和BIRC5的表达水平和风险评分与PDL1的表达水平呈正相关(图8A，B，E，F)，表明STC2和BIRC5都可以促进癌细胞上PDL1的表达，从而促进肿瘤免疫逃逸。然而，EPO或GLP1R与PDL1之间没有明显的相关性(图8C，D)。进一步探索了STC2和BIRC5调节PDL1的潜在机制。由于基因表达通过miRNA的潜在相互影响，使用multiMIiR包筛选了TarBase数据库中已验证与STC2、BIRC5和PDL1结合的miRNA。共有87个miRNA靶向PDL1，其中PDL1和STC2之间有61个共享miRNA，PDL1和BIRC5之间有48个共享miRNA(图8G，H)。

图8

总结：本研究开发了一个基于四种关键免疫相关基因(STC2、BIRC5、EPO和GLP1R)的预后模型SIR-PS，该模型在预测HCC预后和免疫治疗反应方面表现出优异性能。通过空间转录组分析、细胞实验和组织芯片验证，证实了模型的可靠性。SIR-PS可作为HCC患者生存结果和免疫治疗反应的强大预后和预测工具，为HCC个体化免疫治疗提供新思路。