结合机器学习和转录组学分析筛选与氨死亡相关的肝癌预后基因

摘要

目的：系统评估氨死亡相关基因在HCC中的分子特征及其预后价值。方法：基于共识无监督聚类方法对HCC样本进行氨死亡分子分型。通过加权基因共表达网络分析（WGCNA）筛选氨死亡相关基因模块，结合支持向量机（SVM）与LASSO算法识别4个氨死亡核心基因，并基于LASSO-Cox回归模型构建风险评分体系。进一步分析风险模型与HCC患者生存、肿瘤微环境及免疫治疗反应性的关联性。结果：共识聚类分析识别出两类显著不同的氨死亡分子亚型（P<0.05）。构建的风险评分模型对HCC患者的生存预后具有良好的预测性能，且风险评分与肿瘤微环境免疫浸润特征及免疫治疗反应性密切相关（P<0.05）。结论：氨死亡相关风险评分模型可作为HCC新的预后标志，并有望为免疫治疗策略提供潜在的参考依据。

关键词

氨死亡 / 肝细胞癌 / 机器学习 / 预后标志物