基于生物信息学分析筛选和鉴定肝细胞癌预后相关的代谢基因

摘要

目的:寻找与肝癌发病机制和预后相关的潜在代谢基因并构建预测肝细胞癌(hepatocellular carcinoma, HCC)患者预后模型。方法:通过GSEA数据库获得所有与代谢途径相关的基因,从TCGA数据库下载肝癌和正常组织的基因表达数据。将二者的基因相映射,分析这些代谢差异表基因(DEGs)在肝癌标本中的表达情况。然后用单因素Cox回归分析筛选与预后相关的代谢基因。在此基础上,使用LASSO分析进一步筛选预后基因,构建预后风险模型,分析高、低风险组预后情况。并对预后模型中的基因进行KEGG通路富集分析和GO分析。采用单因素Cox分析和多因素Cox回归分析,对预后模型进行独立预后分析,同时绘制Nomogram图对患者预后进行评估。最后,使用GEPIA2数据库比较预后基因在肿瘤组织和正常组织中的表达,分析预后基因对生存期的影响。最后利用GEO数据库中的肝癌样本(GSE14520)进行了外部验证。结果:共获得代谢相关基因959个。这些代谢基因在肝癌样本中表达差异显著的基因有156个,其中上调基因105个,下调基因51个。随后,通过对这些DEGs进行单变量Cox分析,得到58个预后相关的候选基因。在此基础上,通过LASSO分析构建了11个基因的预后模型。预后模型中高风险组较低分险组预后差(P<0.05)。该模型可在GSE14520中得到复制。预后模型中基因涉及的通路主要有嘧啶代谢、谷胱甘肽代谢、药物代谢、碳代谢、嘌呤代谢、氨基糖和核苷酸糖代谢。在这11个基因中,生存分析显示ATIC、ENO1、G6PD、GNPDA1、HEXB、ME1、RRM1、RRM2、UCK2这9个基因高表达和CYP2C9的低表达与肝癌患者不良预后有统计学相关性(P<0.05)。结论:本研究建立的11个基因模型和Nomogram图可以帮助临床医生评估肝癌患者的预后。