基于DNA损伤应答的肝细胞癌预后基因筛选和预后模型构建.pdf

本文引文格式:曹骏,张豪,郭泽皓,等.基于D NA损伤应答的肝细胞癌预后基因筛选和预后模型构建J.右江民族医学院学报,2 0 2 4,4 6(1):2 4-3 1.【论著与临床报道】基于D NA损伤应答的肝细胞癌预后基因筛选和预后模型构建曹骏1,2,张豪1,2,郭泽皓1,2,王小燕2,李康智2,莫之婧1,2(1.桂林医学院智能医学与生物技术学院,广西 桂林 5 4 1 1 9 9;2.广西高校生物化学与分子生物学重点实验室,广西 桂林 5 4 1 1 9 9)摘 要:目的 筛选差异表达的D D R相关基因(d i f f e r e n t i a l e x p r e s s e d-D NAd a m a g er e s p o n s ea s s o c i a t e dg e n e s,D E D D R)构建肝细胞癌(HC C)预后模型。方法 使用l i mm aR软件包从T C GA-L I HC数据集中筛选HC C样本和正常样本之间的差异表达基因(D E G s),将其与2 7 6个D D R基因取交集获得差异表达D E D D R。通过单因素C o x分析和L a s s o回归分析以确定D E D D R预后模型,R O C曲线评估模型的准确性。单因素、多因素C o x回归分析D E D D R预后模型风险评分是否为HC C的预后独立危险因素,并采用国际癌症基因组联盟(I C G C)中L I HC数据作为外部数据进行验证。最后对l o w-D E D D R组和h i g h-D E D D R组进行G S E A和免疫浸润分析。结果 13 6 1个D E G s与2 7 6个D D R基因取交集获得2 5个D E D D R,L a s s o回归分析得到4个D E D D R(T T K、N S MC E 2、NU D T 1、N E I L 3)用于构建预后模型。l o w-D E D D R组比h i g h-D E D D R组患者具有更高的生存率。R O C曲线显示该模型预测HC C患者1年、2年和3年生存率的AU C值分别为0.7 7、0.7 0和0.6 8;单因素和多因素C o x回归分析结果显示D E D D R预后模型风险评分是HC C患者的独立预后危险因素,且其AU C值高于其他临床病理特征,I C G C中L I HC数据进一步验证了该模型的准确性和临床适用性较好。G S E A分析显示h i g h-D E D D R组主要富集细胞周期、细胞衰老、D NA复制等信号通路,此外h i g h-D E D D R组中2型辅助性T细胞(T h 2)丰度更高,而嗜酸性粒细胞丰度更低。结论 D E D D R预后模型在预测HC C患者的预后方面具有较好的表现,可为评估HC C患者预后、识别高危患者提供参考。关键词:D NA损伤;肝肿瘤;预后中图分类号:R 7 3 5.7 文献标识码:A 文章编号:1 0 0 1-5 8 1 7(2 0 2 4)0 1-0 0 2 4-0 8d o i:1 0.3 9 6 9/j.i s s n.1 0 0 1-5 8 1 7.2 0 2 4.0 1.0 0 5I d e n t i f i c a t i o no fp r o g n o s t i cg e n e sa n dc o n s t r u c t i o no fp r o g n o s t i cm o d e lo fh e p a t o c e l l u l a r c a r c i n o m ab a s e do nD N Ad a m a g e r e s p o n s eC a oJ u n1,2,Z h a n gH a o1,2,G u oZ e h a o1,2,W a n gX i a o y a n2,L iK a n g z h i2,M oZ h i j i n g1,2(1.C o l l e g e o fI n t e l l i g e n tM e d i c i n ea n dB i o t e c h n o l o g y,G u i l i nM e d i c a lU n i v e r s i t y,G u i l i n5 4 1 1 9 9,G u a n g x i,C h i n a;2.K e yL a b o r a t o r yo fB i o c h e m i s t r ya n dM o l e c u l a rB i o l o g y,G u i l i nM e d i c a lU n i v e r s i t y,G u i l i n5 4 1 1 9 9,G u a n g x i,C h i n a)A b s t r a c t:O b j e c t i v e T os c r e e nd i f f e r e n t i a l e x p r e s s e d-D NAd a m a g er e s p o n s ea s s o c i a t e dg e n e s(D E D D R)a n dc o n s t r u c t ap r o g n o s t i cm o d e l f o rh e p a t o c e l l u l a rc a r c i n o m a(HC C).M e t h o d s T h e“l i mm a”Rp a c k a g ew a se m p l o y e dt oi d e n t i f yd i f f e r e n t i a l l ye x p r e s s e dg e n e s(D E G s)b e t w e e n HC Cs a m p l e sa n dn o r m a ls a m p l e sf r o mt h eT C GA-L I HCd a t a s e t,a n dt h eD E G sw e r et a k e nt o i n t e r s e c tw i t h2 7 6D D Rg e n e st oo b t a i nD E D D R.U n i v a r i a t eC o xa n a l y s i s a n dL a s s o r e g r e s s i o na n a l y s i sw e r ep e r f o r m e d t oe s t a b l i s ht h eD E D D Rp r o g n o s t i cm o d-e l.T h ea c c u r a c yo f t h em o d e lw a s e v a l u a t e du s i n gR O Cc u r v e s.U n i v a r i a t e a n dm u l t i v a r i a t eC o xr e g r e s s i o na n-a l y s e sw e r ec o n d u c t e dt od e t e r m i n ew h e t h e r t h eD E D D Rp r o g n o s t i cm o d e l r i s ks c o r ew a sa n i n d e p e n d e n tp r o g-n o s t i c f a c t o r f o rHC C.E x t e r n a lv a l i d a t i o nw a sc a r r i e do u tu s i n gt h eL I HCd a t ap r o v i d e db yt h eI n t e r n a t i o n a l42第4 6卷 第1期 右江民族医学院学报 V o l.4 6N o.12 0 2 4年2月 J o u r n a l o fY o u j i a n gM e d i c a lU n i v e r s i t yf o rN a t i o n a l i t i e s F e b.2 0 2 4基金项目:国家自然科学基金地区科学基金项目(3 2 0 6 0 1 5 9)第一作者:曹骏,在读硕士研究生,研究方向:肿瘤的分子生物学,E-m a i l:c a o j u n s t u.g l m c.e d u.c n 通讯作者:莫之婧,博士,教授,硕士研究生导师,研究方向:肿瘤的分子生物学,E-m a i l:m o z h i j i n g g l m c.e d u.c nC a n c e rG e n o m eC o n s o r t i u m(I C G C).L a s t l y,G S E Aa n di mm u n ei n f i l t r a t i o na n a l y s i sw e r ec o n d u c t e do nt h el o w-D E D D Ra n dh i g h-D E D D Rg r o u p s.R e s u l t s T h e i n t e r s e c t i o no f 13 6 1D E G sw i t h2 7 6D D Rg e n e s r e s u l t e di n2 5D E D D Rg e n e s.L A S S Or e g r e s s i o na n a l y s i s i d e n t i f i e d4D E D D R(T T K,N S MC E 2,NUD T 1,N E I L 3)f o rc o n s t r u c t i n gt h ep r o g n o s t i cm o d e l.P a t i e n t s i nt h e l o w-D E D D Rg r o u pe x h i b i t e dh i g h e r s u r v i v a l r a t e s c o m p a r e dt ot h eh i g h-D E D D Rg r o u p.R O Cc u r v e s i n d i c a t e d t h a t t h em o d e l p r e d i c t e d t h a t 1-y e a r,2-y e a r,a n d3-y e a r s u r-v i v a l r a t e s f o rHC Cp a t i e n t sh a d t h eAU Cv a l u e so f 0.7 7,0.7 0,a n d0.6 8,r e s p e c t i v e l y.U n i v a r i a t ea n dm u l t i-v a r i a t eC o xr e g r e s s i o na n a l y s e sd e m o n s t r a t e dt h a t t h eD E D D Rp r o g n o s t i cm o d e l r i s ks c o r ew a sa n i n d e p e n d e n tp r o g n o s t i c f a c t o r f o rHC Cp a t i e n t sw i t hh i g h e rAU Cv a l u e st h a no t h e rc l i n i c a lp a t h o l o g i c a l f e a t u r e s.F u r t h e rv a l i d a t i o nu s i n gL I HCd a t ao f I C G Cc o n f i r m e dt h em o d e lsa c c u r a c ya n dc l i n i c a l a p p l i c a b i l i t y.G S E Aa n a l y s i sr e v e a l e dt h a t t h eh i g h-D E D D Rg r o u pw a sm a i n l ye n r i c h e d i np a t h w a y s r e l a t e d t o c e l l c y c l e,c e l l u l a r s e n e s c e n c e,a n dD NAr e p l i c a t i o n.A d d i t i o n a l l y,t h ea b u n d a n c eo f t y p e2h e l p e rTc e l l s(T h 2)w a sh i g h e r i nt h eh i g h-D E D-D Rg r o u p,w h i l et h ea b u n d a n c eo fe o s i n o p h i l sw a sl o w e r.C o n c l u s i o n T h eD E D D Rp r o g n o s t i cm o d e lh a ss h o w e dg o o dp e r f o r m a n c e i np r e d i c t i n gt h ep r o g n o s i so fHC Cp a t i e n t s,a n dc a ns e r v ea sar e f e r e n c ef o rp r o g-n o s t i ce v a l u a t i o na n d i d e n t i f i c a t i o no fh i g h-r i s k i n d i v i d u a l s.K e yw o r d s:D NAd a m a g er e s p o n s e;l i v e r t u m o r;p r o g n o s i s 肝癌是全球最具侵袭性的实体恶性肿瘤之一,预计到2 0 2 5年其发病病例将超过1 0 0万。肝细胞癌(h e p a t o c e l l u l a rc a r c i n o m a,HC C)是最常见的肝癌形式,也是癌症致死的第四大原因1。尽管在HC C治疗综合方案以及对其流行病学、病因学、生物学、诊断学和治疗方面取得了显著进展,但HC C患者的长期预后仍然不容乐观。近几十年来,研究人员一直致力于研究HC C发病机制的分子通路,发现基因突变、表观遗传变化以及编码或非编码基因的失调对HC C的生长产生影响2。然而,由于HC C在患者之间、肿瘤之间和肿瘤内部都具有不同程度的异质性,目前广泛使用的几种预后生物标志物仍然不能满足需求。因此,深度挖掘公共基因表达数据库以寻找分子标志物对于HC C的早期诊断、生存预测和复发监测非常重要,这有助于指导患者个性化治疗。据报道3,基因组不稳定性是癌症的基本标志。基因组不稳定性是指由于D NA损伤反应导致基因组结构频繁发生有害变化。为了维持基因组稳定性,真核细胞进化出多种机制来检测D NA损伤、呈现损伤信号并介导 细胞反应以 消除损 伤。这 个 过 程 称 为D NA损伤应答(D D R)。D D R是细胞对D NA损伤的自主反应,包括内源性和外部性。D D R信号通路由8个分支通路组成,即错配修复(MMR)、碱基切除修复(B E R)、核 苷 酸 切 除 修 复(N E R)、同 源 重 组 修 复(HR R)、非 同 源 末 端 连 接(NHE J)、检 查 点 因 子(C P F)、范可尼贫血(F A)和跨损伤合成(T L S)4。这些D D R通路的存在主要是为了执行基因组维护功能,从而保持基因组完整性。尽管D NA损伤发生的的频率相对较低,但应该尽快修复,以保证遗传信息的准确传递。此外,研究表明D D R损伤在肿瘤发生、肿瘤发展和对治疗的反应中起着重要作用3。对于肿瘤治疗,基因毒性药物3 0多年来一直是癌症化疗的支柱,其造成的D NA损伤通常需要D D R系统来进行修复5。D D R系统通路与肝癌的化疗耐药有关,某些肝癌细胞通过增强D D R能力来对抗化疗药物引起的D NA损伤,从而导致化疗耐药的情况经常发生6。可见D D R通路可能通过影响肿瘤的发展和治疗反应来影响肝癌患者的生存,因此基于D D R的肝细胞癌预后相关基因筛选及构建预后模型具有重要意义。本研究从差异表达基因(D E G s)与D D R的交集基因中筛选出关键D D R相关基因(d i f f e r e n t i a le x-p r e s s e d-D NAd a m a g er e s p o n s ea s s o c i a t e dg e n e s,D E-D D R)构建预后模型,分析该模型在评估HC C患者预后中的价值,并进一步探讨D E D D R预后模型不同分组在信号通路和免疫浸润方面的特征,为临床医师评估HC C患者预后提供参考。1 材料与方法1.1 数据 的 收 集 和 预 处 理 从T C GA数 据 库 和I C G C数据库中下载了2个公开的L I HC数据集,包含了L I HC患者样本的临床和基因表达数据集信息,并删除了没有临床数据的样本。当两个或更多探针对应同一个基因时,取两个或更多探针的平均值分配对应的基因。T C GA中L I HC数据包含了4 0 1例HC C患者样本的临床和基因表达数据集信息,其中包括HC C肿瘤患者组织样本数据3 5 6例及正常组织样本数据4 5例,作为训练集进行分析。在3 5 6例HC C肿瘤样本中,有2 9例样本的部分临床因素有缺失,在合并整合的基因表达谱后,仅纳入3 2 7个HC C肿瘤样本进行后续分析。I C G C中L I HC数据包含2 1 2例肝细胞癌患者组织样本,作为外部验证集进行验证。根据KN I J N E N B UR GT A等4的先前研究数据,搜集了包括MMR、B E R、N E R、HR R、NHE J、C P F、F A和522 0 2 4年 右江民族医学院学报 第1期T L S在内的8个D D R通路的2 7 6个相关基因。1.2 D E D D R预后模型构建 在T C GA数据库中,使用l i mm aR软件包筛选HC C样本和正常样本之间的差异表达基因(D E G s)。校正后P值(a d j P-v a l u e)1作为阈值。为了进一步筛选基因异基因D E G s和D D R之间的交集基因D E D D R。使用单变量C o x回归分析来识别与生存相关的D E D D R基因,同时为了降低交叉基因的维数,使用R软件中的g l m n e t包进行L a s s o回归分析,g l m n e t函数的f a m i l y参数设定为C o x。用1 0折交叉验证法,绘制均方误差,寻找系数不为零的基因,得到L a s s o回归系数并构建D E D D R预后模型。每个样本的风险评分可以通过以下公式计算,其中n为D E D D R特征数,E x p(D E D D R g e n ei)为D E D D R的基因表达值,C o e f(D E D D R g e n ei)为L a s s o回归系数:D D R s c o r e=ni=1C o e f(D E DD R g e n ei)*E x p(D E DD R g e n ei)1.3 生存分析 根据风险评分的中位值将T C GA数据集中样本分为l o w-D E D D R组和h i g h-D E D D R组。使用s u r v i v a l软件包通过K a p l a n-M e i e r生存曲线计算每组的总生存期。P0.0 5被认为差异有统计学意义。同时,使用1年、2年和3年的时间依赖性受试者工作特征(R O C)曲线来评估模型的准确性。曲线下的计算面积(AU C)值范围在0.51.0表示5 0%1 0 0%的预测能力。最后,利用I C G C中L I HC数据作为外部验证集对其预测准确性进行验证,根据风险评分的中位值将I G G C数据集中样本分为l o w-D E D D R组和h i g h-D E D D R组。每个样本的风险评分计算方法与T C GA训练集的计算方法相同L a s s o回归系数为方法1.2所得到的系数。1.4 独立预后分析 使用s u r v i v a lR软件包(版本3.4.0)对预后模型风险评分进行单变量和多变量C o x回归分析,以 研究性别、年 龄、病理分期、T分 期 和D E D D R预后模型风险评分与HC C患者总生存期之间的相关性。以评估预后模型风险评分是否与患者的总生存期相关,并确定其可以被视为HC C的独立预后危险因素。C o x模型是一种常用的生存分析方法,它可以用于评估不同危险因素对生存时间的影响。1.5 功能富集分析 为了更好地描述两个HC C风险组的分子特征。使用c l u s t e r P r o f i l e r软件包进行基因集富集分析(G S E A)。G S E A是一种计算方法,可以进一步确定基因集的两个组之间差异表达的通路。来自 分 子 特 征 数 据 库(M S i g D B)的 基 因 集 显 示 了D D R s c o r e组和低D D R s c o r e组之间高低组富集通路的差异。确定排列数的截止值=1 0 0 0,并且错误发现率(F D R)1,p v a l u e 0.0 5的通路是显著富集的。此外,使用基因集变异分析(G S VA)方法,使用R包“G S VA”为每个队列生成富集分数。探讨两个风险组在不同的D D R通路的富集程度。选择M S i g D B数据库中的R E A C-TOME基因集作为参考数据集。1.6 免疫浸润分析 使用R包中的G S VA包,通过其中的s s g s e a函数进行s s G S E A分析,以评估l o w-D E D D R组和h i g h-D E D D R组之间2 8种免疫细胞亚型的浸润程度。在此分析中,以P0.0 5表示差异有统计学意义。1.7 统计学方法 本研究中所有统计分析均使用R软件(版本4.2.2)使用s u r v m i n e r和s u r v i v a lR包进行单变量和多变量C o x回归计算风险比(H R)、9 5%置信区间(C I)和P值。使用K a p l a n-M e i e r方法和对数秩检验比较l o w-D E D D R组和h i g h-D E D D R组的总生存期。应用时间相关的受试者工作特征(t i m eR O C)来评估基于D D Rs c o r e的生存预测的敏感性和特异性,并利用“s u r v i v a lR O C”包量化曲线 下面积(AU C)。R O C曲线用于评估D D R评分和临床特征的预后分类性能。本文中的所有统计数据显着性定义为P0.0 5。2 结果2.1 差异表达的D E D D R的筛选 经l i mm aR软件从4 5个正常样本和3 5 6个HC C样本中筛选出13 8 6个D E G s(见图1 A)。随后将D E G s和2 7 6个D D R相关基因取交集,得到了2 5个在HC C中差异表达的D E D D R(见图1 B)。单变量C o x回归分析识别到了2 4个与生存相关的D E D D R基因,最后使用L a s s o回归分析鉴定出T T K、N S MC E 2、NUD T 1和N E I L 3共4个D E D D R,随着l a m b d a()参数自然对数变化的情况,当最小值为0.0 3,即其对数值为-3.4 9时,M S E为最低(左侧虚线),右侧虚线为1个标准误差内的值L a s s o回归系数(见图1 C、图1 D)。这4个基因在HC C中的表达均高于正常组织(见图1 E),并且这4个基因与HC C患者预后显著相关,均是HC C患者预后的危险基因(见图1 F)。2.2 D E D D R预后模型构建和验证 将筛选出的4个D E D D R(T T K、N S MC E 2、NUD T 1和N E I L 3)用于构建D E D D R预后模型。根据T C GA中患者的风险评分中值划分为l o w-D E D D R组和h i g h-D E D D R组。K a p l a n-M e i e r曲线显示,l o w-D E D D R组比h i g h-D E D-D R组患者具有更高的生存率(P0.0 5)(见图2 A)。D E D D R预后模型的R O C曲线显示该模型预测HC C患者1年、2年和3年生存率的AU C值分别为0.7 7、0.7 0和0.6 8,表明该模型可以较好地评估HC C患者预后(见图2 B)。采用I C G C中L I HC数据集作为外622 0 2 4年 右江民族医学院学报 第1期注:A为T C G A数据库中HC C转录组数据的火山图谱分析;B为D D R和D E G s的交集基因;C为L a s s o模型最佳参数选择(l a m b d a);D为L a s s o系数分布特征;E为4个D E D D R的表达谱的热图;F为森林图显示O S与D E D D R表达之间关联。图1 D E D D R的筛选部 数 据 集 进 行 验 证,K a p l a n-M e i e r曲 线 显 示,l o w-D E D D R组比h i g h-D E D D R组患者具有更高的生存率(P0.0 5)(见图2 C)。R O C曲线显示该模型预测HC C患者1年、2年和3年生存率的AU C值分别为0.7 7、0.7 1和0.7 5(见图2 D),表明该模型具有临床适用性,可 以 较 好 地 评 估HC C患 者 预 后。此 外 构 成D E D D R预后模型的4个基因,在T C GA和I C G C数据中的表达趋势一致,均为在h i g h-D E D D R组中的表达高于在l o w-D E D D R组中的表达(见图2 E、图2 F)。注:A为基于T C G A数据集的K a p l a n-M e i e r生存曲线;B为T C GA数据集中1年、3年、5年的R O C曲线预;C为基于I C G C数据集的K a p l a n-M e i e r生存曲线;D为I C G C数据集中1年、3年、5年的R O C曲线预;E、F为热图显示了4个D E D D R在l o w-D E D D R、h i g h-D E D D R组的表达谱。图2 D E D D R预后模型构建和验证722 0 2 4年 右江民族医学院学报 第1期2.3 独立危险因素分析 采用单因素和多因素C o x回归分析D E D D R预后模型风险评分和其他临床病理因素与T C GA数据集中HC C患者预后的关系。单变量C o x分析结果显示,病理分期、T分期和D E D D R预后模型风险评分与预后显著相关(P0.0 5)(见图3 A)。再将这3个因素纳入多因素C o x回归分析,结果显示只有D E D D R预后模型风险评分与预后显著相关(P0.0 0 1)(见图3 B),表明D E D D R预后模型风险评分 是HC C患 者 预 后 的 独 立 危 险 因 素。此 外,R O C曲线结果显示D E D D R预后模型风险评分、年龄(A g e)、性别(G e n d e r)、病理分期(P.s t a g e)和原发肿瘤分期(T.s t a g e)预测HC C患者2年生存率的AU C值分别为0.7、0.4 7 1、0.4 9 6、0.6 3 3和0.6 4 6,其中D E D-D R预后模型风险评分的AU C值最大,说明其预后预测准确性高于其他临床病理特征(见图3 E)。随后用I C G C数据进行验证,也得到了类似的结果(见图3 C、图3 D、图3 F)。注:A、B为T C G A数据集的单因素和多因素C o x回归分析;C、D为I C G C数据集的单因素和多因素C o x回归分析;E为T C G A数据集中的受试者工作特征曲线;F为I C G C数据集中的受试者工作特征曲线。图3 独立危险因素分析2.4 D E D D R预后模型不同分组富集分析的分子特征 为探究D E D D R预后模型不同分组的分子特征,通过G S E A方法分析l o w-D E D D R组和h i g h-D E D D R组参与的信号通路。结果表明h i g h-D E D D R组主要富集细胞周期、细胞衰老、D NA复制、同源重组修复通路、范可尼贫血机制通路、P 5 3信号通路、卵母细胞减数分裂等通路(见图4 A)。l o w-D E D D R组主要富集了以下通路:过氧化物酶体,缬氨酸、亮氨酸和异亮氨酸降解和补体和凝血级联反应等信号通路(见图4 B)。使用G S VA算法对8个D D R核心通路进行量化。结果表明h i g h-D E D D R组在所有8个通路的评分均高于l o w-D E D D R组(见图4 C)。822 0 2 4年 右江民族医学院学报 第1期注:A为G S E A分析h i g h-D E D D R组主要富集的信号通路;B为G S E A分析l o w-D E D D R组主要富集的信号通路;C为G S VA分析的两组D D R通路箱线图,*P0.0 0 0 1,MMR错配修复(m i s m a t c hr e p a i r),B E R碱基切除修复(b a s ee x c i s i o nr e p a i r),N E R核苷酸切除修复(n u c l e o t i d ee x c i s i o nr e p a i r),HR R同源重组修复(h o m o l o g o u sr e c o m b i n a t i o nr e p a i r),NHE J非同源末端连接(n o n-h o m o l o g o u se n d j o i n i n g),C P F检查点因子(c h e c k p o i n t f a c t o r s),F A范可尼贫血(f a n c o n i a n e m i a,F A),T L S跨损伤合成(t r a n s l e s i o ns y n t h e s i s)。图4 T C GA中h i g h-D E D D R组和l o w-D E D D R组之间不同的功能通路2.5 免疫浸润分析 为分析D E D D R预后模型不同分组的免疫浸润情况,进行s s G S E A分析。结果表明l o w-D E D D R组和h i g h-D E D D R组之间有9种免疫细胞丰度存在显著差异,如h i g h-D E D D R组中活化C D 4T细胞、中央记忆C D 4T细胞、效应记忆C D 4T细胞、记忆B细胞、活化的树突状细胞、2型辅助性T细胞(T h 2),自然杀伤细胞丰度更高,而嗜酸性粒细胞丰度更低。见图5。图5 D E D D R预后模型不同分组的免疫浸润分析3 讨论尽管在HC C预防、早期筛查和治疗方案方面取得了很大的进展,但HC C仍然是最常见的恶性疾病之一,死亡率高、预后差,每年导致超过5 0万人死亡。在我国,HC C的发病主要集中在3 06 0岁人群,5年生存率较低,仅为1 4.1%7。为了提高HC C患者的总生存期,有必要寻找新的、有效的预后标志物。近年来,许多研究探索HC C的诊断或预后生物标志物,包922 0 2 4年 右江民族医学院学报 第1期括基因组D NA8、mR NA9、l n c R NA1 0和甲基化1 1等。一些D D R相关基因与肿瘤的研究表明,D D R相关的B R C A 2基因种系突变与前列腺癌不良预后相关1 2。此外D D R相关的ATM体细胞突变被证明是预测期结直肠癌患者化疗反应的生物标志物1 3。但很少有研究关注D D R基因表达与HC C预后之间的关联。本研究通过分析T C GA数据库中D D R相关基因的表达谱,探讨D D R相关基因与HC C患者预后的关系。基 于L a s s o分 析 构 建 了 由T T K、N S MC E 2、NUD T 1和N E I L 3组成的D E D D R预后模型。l o w-D E D D R组比h i g h-D E D D R组患者具有更高的生存率,而在h i g h-D E D D R组中T T K、N S MC E 2、NUD T 1和N E I L 3均为高表达。研究发现T T K的抑制会损害同源重组(HR)和修复效率,在修复D NA损伤和维持基因组完整性方面发挥着至关重要的作用1 4。此外,之前的研究报告称,T T K在肿瘤组织中过度表达,并被确定为与HC C相关的不良预后,并且T T K抑制剂被证明是一种有效的抗癌剂,可抑制肿瘤的生长1 5。一些研究结果表明,N S MC E 2在与U B E 2 I相关的基因网络中高水平的表达可能与肝细胞癌的不良预后有关,可能会影响HC C的生存率和复发率以及肿瘤的病理生物学特征,包括细胞增殖、侵袭和转移等现象,从而 对HC C的 预 后 产 生 影 响1 6。有 研 究 表 明 了NUD T 1是一种对HC C患者具有治疗潜力的预后生物标志物1 7。NUD T 1的高表达与晚期原发肿瘤、肿瘤分级、血管侵袭程度和A J C C肿瘤分期密切相关。N E I L 3(内切核酸酶V I I I样蛋白3)属于D NA碱基切除修复(B E R)途径中的一个蛋白,负责检测和修复D NA链中的氧化损伤,根据Z HAOZJ等1 8的研究表明:N E I L 3在肝细胞癌中过度表达,并与预后不良有关。由此推测这4个D E D D R高表达后可能通过参与上述作用影响了h i g h-D E D D R组患者的预后。G S E A显 示 在h i g h-D E D D R组 中,细 胞 周 期、D NA复制 和 同 源 重 组 修 复 等 信 号 通 路 增 强,并 且h i g h-D E D D R组在8个D D R核心通路的G S VA评分更高,表明了h i g h-D E D D R组可能经历了更多的D NA损伤应答。HC C中的D NA损伤应答能力可维持其基因组稳定性,减少致命的突变积累,并在恶劣的环境下更好地存活和繁殖,从而为癌细胞提供了一种对抗放射疗法和化疗药物的机制。虽然放射疗法和化疗药物常常通过引发D NA损伤来攻击癌细胞,但HC C可能通过激活这些通路,增强其对D NA损伤的应答和修复能力,从而逃避治疗的效果6。这种适应性反应可能导致癌细胞对治疗的抵抗性增强,使得原本应该有效的治疗策略变得不再有效。综合而言,这些通路在HC C中的活化可能导致肿瘤细胞对治疗的抵抗,从而限制了放射疗法和化疗药物等标准治疗方法的疗效。因此,深入了解这些通路如何影响D NA损伤应答以及其与癌细胞逃避治疗的相互关系,对于开发新的治疗策略以克服治疗抵抗具有重要意义。免疫浸润分析表明,在h i g h-D E D D R组中,2型辅助性T细胞(T h 2)丰度更高,T h 2细胞通常参与体液免疫应答,调节B细胞产生抗体,以及促进抗体产生和炎症反应。HC C患者中的T h 2细胞的富集经常被报道,并且与肿瘤侵袭和转移有关1 9。还有研究表明T h 2细胞的富集是HC C预后较差的生物标志物2 0。T h 2细胞可能会抑制细胞免疫响应,减弱T细胞和自然杀伤细胞NK T等免疫细胞的活性,降低对肿瘤的攻击能力。此外,T h 2细胞的存在可能起到促进肿瘤微环境中免疫抑制性细胞的增加,如调节性