通过scRNA-seq和批量RNA-seq的综合分析建立基于CAF特征的HCC预后预测模型

摘要

目的 以整合批量RNA-seq数据和单细胞RNA-seq数据挖掘癌症相关成纤维细胞(cancer-associated fibroblasts, CAF)的特征标记以及探索CAF特征与肝细胞癌(hepatocellular carcinoma, HCC)预后之间的关系。方法 从基因表达综合数据库(gene expression omnibus, GEO)数据库获得HCC scRNA-seq数据，用Seurat, Monocle 2软件包分析scRNA-seq数据确定了细胞簇以及分化轨迹，还对所有细胞簇特异性表达的标记基因集进行了富集分析。然后整合RNA-seq基因表达和相应的临床信息数据，鉴定CAF特征，并采用单因素Cox回归和最小绝对收缩和选择算子(least absolute shrinkage and selection operator, LASSO)回归分析，筛选预后相关CAF特征基因、构建预后模型，划定风险组，建立列线图验证模型预测效能。结果 通过对scRNA-seq和RNA-seq数据的整合分析，确定了HCC中的7个细胞簇，并鉴定出了15个预后相关CAF基因。通过单因素Cox回归和LASSO回归分析筛选出TTK、EZH2、EME1、SLC7A11、DNAJC6、PNCK、TERB2、S100A8和PTPRD-AS1作为CAF特征基因。基于这些基因构建并验证预后特征，根据特征风险评分对患者进行分组，低风险组患者的生存时间明显长于高风险组，此外ROC曲线和列线图表明风险评分模型可以更好地评估肝癌患者的预后。结论 我们通过scRNA-seq分析技术试图探索HCC中的CAF特征，并建立基于CAF的风险特征来预测HCC患者的预后，该特征有助于对HCC患者进行个体化治疗。

关键词

肝癌 / CAF特征 / scRNA分析技术 / 预后预测模型

基金资助

新疆维吾尔自治区“天池英才”计划(2023TCYCDXG); 新疆维吾尔自治区自然科学基金(2022D01C290)