基于生物信息学方法的胶质瘤成纤维细胞相关预后模型的识别

背景：胶质瘤是中枢神经系统最常见的原发性肿瘤，具有很高的致死率。本研究旨在挖掘具有预后价值的成纤维细胞相关基因，并构建相应的预后模型。方法：本研究纳入了胶质瘤相关的TCGA（癌症基因组图谱）队列和CGGA（中国胶质瘤基因组图谱）队列。通过“limma”R包执行差异表达分析。应用“clusterProfiler”R包进行GO（基因本体论）分析。采用Kaplan-Meier（K-M）曲线、LASSO回归分析和Cox分析确定预后基因。创建了成纤维细胞相关的风险模型，并通过独立队列进行验证。我们使用基因集变异分析（GSEA）推导了成纤维细胞相关高风险和低风险亚组之间的富集通路。使用微环境细胞群计数器（MCP-counter）方法计算免疫浸润细胞和基质细胞，并使用SubMap算法评估免疫治疗反应。化疗敏感性通过“pRRophetic”R包进行评估。结果：在胶质瘤中共发现93个差异表达的成纤维细胞相关基因（DEFRGs）。在TCGA-胶质瘤队列训练集中筛选出7个预后基因，以创建成纤维细胞相关基因特征。然后通过TCGA-胶质瘤队列和CGGA-胶质瘤队列测试集验证了成纤维细胞相关风险模型。Cox回归分析证明，成纤维细胞相关风险评分是预测胶质瘤患者总生存期的独立预后预测因子。GSEA揭示的成纤维细胞相关基因特征适用于免疫相关通路。MCP-counter算法结果显示，成纤维细胞相关高风险和低风险亚组之间的肿瘤微环境存在显著差异。SubMap分析证明，成纤维细胞相关风险评分可以预测免疫治疗的临床敏感性。化疗敏感性分析表明，低风险患者对多种化疗药物更敏感。结论：我们的研究确定了预后相关的成纤维细胞基因，并生成了一种新的风险特征，可以评估胶质瘤的预后，并为临床胶质瘤治疗提供理论基础。