結(jié)果

預(yù)后炎癥相關(guān)基因的鑒定

為了建立乳腺癌的預(yù)后預(yù)測模型，我們從GSEA數(shù)據(jù)庫中獲取了人類炎癥反應(yīng)基因集，其中包含200個炎癥相關(guān)基因（IRG），并對其進行了進一步分析。從TCGA數(shù)據(jù)庫中獲取這些炎癥基因在乳腺癌組織和癌旁組織中的表達水平，篩選出56個差異表達的炎癥基因（DEG）。對所有 IRG 的單變量 Cox 分析顯示，其中 30 個 IRG 與TCGA 隊列中的總生存率相關(guān)，p < 0.05。然后，通過將維恩圖中顯示的56個DEG和30個炎癥相關(guān)基因相交，總共鑒定出11個不同表達的炎癥相關(guān)基因。使用熱圖可視化乳腺癌中 9 個上調(diào)基因（TACR1、IRF7、BST2、IFITM1、LAMP3、SELL、CXCL9、IL12B、IL12B、GPR132、IL18）和 2 個下調(diào)基因（KCNMB2、TACR1）的表達。根據(jù)單變量 Cox 回歸分析，發(fā)現(xiàn) 10 個風險基因（風險比 > 1）和 1 個保護基因（風險比 < 1）與乳腺癌相關(guān)。幾乎所有的預(yù)后特征基因都呈正相關(guān)

乳腺癌預(yù)后模型的構(gòu)建和驗證

為了研究IRG與乳腺癌患者預(yù)后之間的關(guān)系，我們通過LASSO算法分析，基于11個單變量結(jié)果構(gòu)建了預(yù)后風險預(yù)測模型。并利用10倍交叉驗證來確定調(diào)整參數(shù)的最佳值，結(jié)果表明7個IRG是最可靠的標記。使用 7 個 IRG（包括 GPR132、IFITM1、IL12B、IL18、IRF7、KCNMB2 和 TACR1）構(gòu)建列線圖來預(yù)測乳腺癌患者的 1 年、2 年和 3 年生存率。將各基因的得分累加得到總分，并在總分對應(yīng)點向下畫垂直線，確定1年、2年、3年的相對生存率。根據(jù)中位風險評分，將患者分為低風險組和高風險組。我們進行了 Kaplan-Meier 和 ROC 分析來估計 IRG 特征的強度并比較兩組之間的差異。KM 曲線顯示兩組之間存在顯著差異，并顯示風險評分較高的患者往往預(yù)后較差，生存時間較短。此外，1年、2年和3年的ROC曲線下面積（AUC）分別為0.640、0.604和0.628。結(jié)果顯示該預(yù)后模型具有良好的敏感性和特異性。

IRGs 風險預(yù)測模型的進一步驗證

為了進一步評估基于TCGA隊列構(gòu)建的IRGs風險預(yù)測模型的分層能力，我們根據(jù)中位風險評分將乳腺癌分為高風險組和低風險組。然后我們繪制了患者生存狀態(tài)和風險評分的分布圖。風險評分的分布圖顯示高風險組的死亡人數(shù)較多。此外，患者生存狀況的散點圖顯示低風險組的預(yù)后明顯改善。利用主成分分析（PCA）和t分布隨機鄰域嵌入（t-SNE）來確認風險評分的可靠聚類能力。繪圖顯示不同風險組的乳腺癌患者呈兩個方向分布，表明模型中7個基因的表達可以有效地將乳腺癌患者分為高風險組和低風險組。進行單變量和多變量Cox比例風險回歸分析，進一步探討炎癥相關(guān)基因預(yù)后風險模型的獨立預(yù)后價值。單變量分析表明，年齡（p?< 0.001）和病理（分期）（p?< 0.001）與總生存率顯著相關(guān)。此外，進一步的多變量分析顯示年齡 (?p?< 0.001)、病理（分期）(?p?< 0.001)、淋巴結(jié)狀態(tài) (N) (?p?< 0.001) 和總生存率 (無花果。3C和和 3D）。3D）。單變量 Cox 回歸分析中風險評分的風險比 (HR) 和 95% 置信區(qū)間 (CI) 分別為 2.783 和 1.737-4.457 ( p < 0.01)，多變量 Cox 回歸分析中的風險比 (HR) 為 3.129 和 2.065-4.741 (?p?<?0.01?) ）。這些結(jié)果表明，該模型的風險評分是乳腺癌患者預(yù)后的強大獨立預(yù)測因子。

基于IRGs的腫瘤微環(huán)境評價

采用單樣本基因集富集分析（ssGSEA）對16個免疫細胞亞群和13個免疫相關(guān)功能進行量化，以闡明風險評分與免疫狀態(tài)之間的相關(guān)性。在TCGA隊列中，結(jié)果顯示，低風險組的免疫細胞浸潤狀態(tài)往往較高，并且這些組中的免疫相關(guān)通路也有所增加（無花果。4A和和4B)。4B）。從這些發(fā)現(xiàn)中我們可以得出結(jié)論，低危組的免疫反應(yīng)可能比高危組更活躍，高危組乳腺癌患者的不良預(yù)后可能與負性免疫調(diào)節(jié)有關(guān)。 。根據(jù)TCGA數(shù)據(jù)庫中各腫瘤樣本類型的免疫表型分布，通過單因素方差分析顯示5種免疫類型的風險評分水平。通路在低風險組和高風險組之間存在差異富集。免疫狀態(tài)和基質(zhì)細胞在腫瘤微環(huán)境中發(fā)揮重要作用。我們對風險評分與腫瘤微環(huán)境進行了相關(guān)性分析，以更好地了解腫瘤微環(huán)境對乳腺癌患者預(yù)后的影響。結(jié)果表明，風險評分與免疫細胞浸潤（p?< 0.001，R?= -0.36）和基質(zhì)細胞（p?< 0.001，R?= -0.7）呈負相關(guān)。此外，基于干細胞評分（DNAss）和干細胞評分（RNAss）進行了 Spearman 相關(guān)性檢驗，探討風險評分與癌癥干性評分之間的關(guān)聯(lián)，結(jié)果顯示 RNAss 與風險評分呈正相關(guān)（p?< 0.05，R?= 0.16）。因此，預(yù)后模型的風險評分與癌癥干細胞的活性之間可能存在密切關(guān)系。

IRGs與藥物敏感性的關(guān)系

通過60種不同的人類癌細胞系（NCI-60）數(shù)據(jù)庫，通過CellMiner界面（https://discover.nci.nih.gov/cellminer）進行評估，我們探索了IRGs對藥物敏感性的影響，并獲得了16具有統(tǒng)計學顯著差異的藥物。結(jié)果表明，KCNMB2的表達與異維A酸、伊穆喹莫特、醋酸甲地孕酮、氟奮乃靜和氟維司群的敏感性呈正相關(guān)。說明KCNMB2表達量越高,對上述藥物的敏感性越強。IL-18的表達與哌潘酮、硼替佐米、放線菌素D、雌莫司汀、維莫非尼、長春花堿、雷洛昔芬、三氧化二砷和洛莫司汀的敏感性呈負相關(guān)。此外，IFITM1的表達與伊馬替尼呈正相關(guān)，GPR與奧希替尼呈負相關(guān)。研究表明，我們的風險評分計算模型可以有效預(yù)測癌細胞對這些藥物的敏感性，并可能導(dǎo)致臨床環(huán)境中更精確的藥物使用。