生物信息学分析甲状腺癌免疫基因构建预后评估模型及对免疫细胞浸润的影响

摘要

目的基于生物信息学方法构建甲状腺癌免疫基因预后评估模型及危险分层系统,分析模型评分对免疫细胞浸润的影响和免疫调控网络。方法从癌症基因组图谱(The Cancer Genome Atlas,TCGA)数据库及ImmoPort Resources数据库下载甲状腺癌患者临床、转录组及免疫基因数据,筛选出差异表达的免疫相关基因,从Cistrome Project数据库中下载转录因子数据,构建差异表达的免疫相关基因及差异表达的转录因子之间的调控网络。采用单因素和多因素Cox分析筛选出独立的预后免疫相关基因并构建预后评估模型,分析预后评估模型风险评分与临床病例特征及预后的相关性。从TIMER2.0数据库下载肿瘤相关性免疫细胞浸润数据,分析预后评估模型风险评分与肿瘤相关性免疫细胞(B细胞、CD4;T细胞、CD8;T细胞、中性粒细胞、巨噬细胞及树突状细胞)浸润丰度的相关性。结果基于R语言共筛选出272个在甲状腺癌中差异表达免疫相关基因及36个差异表达的转录因子[错误发现率(false discovery rate,FDR)0.3,均P<0.05),并构建调控网络。多因素Cox分析结果显示,6个免疫基因(CXCL5、COLEC10、S100A9、MMP12、APOD和FGF7)为独立预后因子构建预后评估模型(均P<0.05)。基于模型风险评分分为高风险组和低风险组,高风险组和低风险组患者10年总生存(overall survival,OS)率为95.6%和85.4%。该预后评估模型具有较高准确度[曲线下面积(area under curve,AUC)=0.992]。单因素及多因素Cox回归分析结果显示,预后评估模型风险评分是OS的独立预测因子(P<0.05),高风险评分是患者OS不良的危险因素,且与肿瘤微环境中的中性粒细胞增多及CD8;T细胞减少相关。结论基于生物信息学方法构建了甲状腺癌免疫相关基因预后评估模型及危险评分系统,为预测甲状腺癌患者预后提供参考,且免疫基因间交互网络可能通过影响肿瘤微环境中的免疫细胞的生物学功能发挥作用。