肝细胞癌基因诊断标志物和免疫浸润标志物的分析和识别

摘要

目的:筛选潜在的肝细胞癌(HCC)基因诊断和免疫浸润标志物。方法:下载GEO数据库和TCGA数据库中HCC和邻近正常组织(NAT)基因表达谱微阵列数据。基于GEO数据，采用LASSO回归、随机森林模型筛选HCC高度相关的差异表达基因(HDEG),基于TCGA数据绘制各HDEG诊断HCC的ROC曲线，以AUC的95%CI下限大于0.8的HDEG为潜在的诊断标志物。收集郑州大学第二附属医院16例HCC及其配对NAT组织，实时荧光定量PCR法检测各诊断标志物的表达水平。基于GEO数据，采用单样本基因集富集分析算法评估诊断标志物与22种免疫细胞免疫浸润的相关性。结果:载脂蛋白F(APOF)、铁调素抗菌肽(HAMP)、补体9(C9)、金属硫蛋白1E(MT1E)被筛选为潜在的HCC基因诊断标志物，AUC(95%CI)分别为0.953(0.933～0.973)、0.946(0.922～0.970)、0.926(0.901～0.951)、0.925(0.899～0.950),其在HCC组织中的表达均较NAT下调(P<0.05)。HCC组织中γδ T细胞、单核细胞、M2巨噬细胞、活化的肥大细胞和中性粒细胞浸润减少，活化的记忆CD4 T细胞、调节性T细胞和M0巨噬细胞浸润增加(P均<0.05)。APOF、HAMP、C9、MT1E与多种免疫细胞和免疫功能相关(P均<0.05)。结论:APOF、HAMP、C9、MT1E可能是潜在的HCC基因诊断标志物及治疗靶点。

关键词

肝细胞癌 / 机器学习 / 生物标志物 / 免疫浸润