经常看我们公众号的小伙伴一定会发现，预后模型的构建已经推出了多篇文章及分析思路，在这个生信越来越内卷的年代，预后模型真的就“老”了吗？下面这篇2022年4月新发表在Frontiers in Immunology(IF=7.561)上的基因组不稳定性相关的LncRNA预后模型会告诉你答案，一起来看看吧！

Construction of a Novel LncRNA Signature Related to Genomic Instability to Predict the Prognosis and Immune Activity of Patients With Hepatocellular Carcinoma

构建与基因组不稳定性相关的新型 LncRNA 特征以预测肝细胞癌患者的预后和免疫活性

一.研究背景：

肝细胞癌作为肝癌最主要的组织学亚型约占所有原发性肝癌病例的90%，是全球癌症相关死亡的第三大原因。乙型肝炎病毒感染、肝硬化等因素直接或间接的破坏DNA，进而产生突变和基因组的不稳定性(GI)，促进癌症的进展。多项研究发现GI决定癌细胞的行为及其对治疗的反应，而LncRNAs被证明是GI调控肿瘤发生的重要因素，因此，作者通过TCGA HCC数据探索了GI相关的LncRNAs对HCC早期诊断及预后效能，并构建了一个新型的HCC预后模型。

二.主要结果

1.筛选基因组不稳定性相关的LncRNAs

首先作者通过整理TCGA-HCC的体细胞突变谱，对患者的突变频率按降序排列。将突变频率最高和最低25%的患者分别分为基因组不稳定(GU)组(n = 93)和基因组稳定GS组(n = 90)。通过分析GU组和GS组的基因表达差异，通过秩和检验筛选出88个LncRNAs，鉴定为基因组不稳定性相关的LncRNAs (GILncRNAs)(A)。

接下来作者使用88个GILncRNAs通过无监督聚类，将患者分为了基因组稳定型(GS-like, n = 163)和基因组不稳定型(GU-like, n = 211) (B)。然后作者发现，与GS-like相比，GU-like的患者的体细胞突变频率以及NOD2基因的表达水平明显更高(C、D)，上述的结果证实了作者筛选的LncRNA与GI相关。

2.GILncSig模型构建与评估

下一步作者将TCGA-HCC数据集随机等分为训练集和验证集。通过再训练集中使用单因素Cox回归，在88个GILncRNAs中筛选得到了13个预后相关的GILncRNAs(A)，最终在13个LncRNA中确定了5个LncRNA用于构建模型，模型命名为GILncSig。接下来作者在TCGA验证集队列中测试了GILncSig的预测性能，通过生存曲线作者发现高危组患者的总生存期显著低于低危组患者。ROC曲线显示GILncSig预测患者1、3、5年总生存率的AUC值分别为0.717、0.667、0.689(B)。这在测试集中也得到了验证(C、D)。

作者还绘制了无病生存期(DFS)、疾病特异性生存期(DSS)和无进展生存期(PFS)的生存和ROC曲线(E-G)。上述的结果均显示，GILncSig对患者的预后具有良好的预测效能。

此外作者对GILncRNAs进行了突变相关分析。GILncSig表达值在三组高危组中均显示上调趋势，且随着风险得分的增加，三个队列中的体细胞突变数量及NOD2的表达水平均呈现上升的趋势(A-C)。

进一步在三个验证队列中对突变以及NOD2基因表达水平的分析显示，高风险组的突变数量以及NOD2的表达水平均比较高(D-I)，且高风险组TP53突变频率也较低风险组显著升高(J)，这些结果在TCGA验证集中均得到了验证。在对TP53突变与患者的生存分析中作者发现了不同的现象，K所示，在GU组中，TP53突变型患者与野生型患者的生存期并无较大差异；但在GS组中，TP53突变患者的预后明显差于TP53野生型患者。这些结果均支持了作者所构建的GILncSig可以较好的预测肝癌患者的体细胞突变频率及预后，独立预后分析也显示GILncSig风险评分和肿瘤分期是OS、DSS和DFS的独立预测因素(A-F)。

接下来作者为了了解GILncSig的适用性，对年龄、肿瘤分级等临床因素进行了分层分析。在各个年龄分层及肿瘤分级GILncSig表现出了对HCC患者的广泛适用性(A-B)

下面作者继续在ICGC队列中将GILncSig与其他现有的肝癌患者预后模型进行比较。与4-甲基化LncRNAs模型(4-MDELs)、12-LncRNAs模型以及一个免疫相关的LncRNA模型相比，GILncSig在1年、2年、3年总生存期预测的AUC值均显著高于其他模型(C-E)。此外，再ICGC队列中GILncSig中的MRI210HG基因的高表达预示了HCC患者的不良预后(F)。

3.肝细胞癌中LUCAT1的表达与预后不良相关

作者基于回归系数，发现GILncSig中LUCAT1是预测不良预后最重要的LncRNA。因此，作者在HCC中全面的研究了LUCAT1。首先，作者发现LUCAT1在HCC中显著高表达(A)，且高表达LUCAT1的HCC患者具有较差的预后(B)；通过qRT-PCR，证实了LUCAT1基因mRNA在HCC组织中高表达(C)。进一步，作者在肝癌细胞系中对LUCAT1进行基因敲除，干扰LUCAT1的表达后，肝癌细胞的细胞增殖率明显低于对照组(D-E)，且肝癌细胞的迁移能力显著降低(G、H)。

4.GILncSig的功能及与免疫及治疗的全面研究

为了理解GILncSig影响GI的潜在机制，首先作者绘制了LncRNA-mRNA共表达网络(A)。然后，通过GO和KEGG富集分析作者发现，GILncSig相关的mRNA与多个GI发生的细胞组分及通路相关(B、C)。

接下来，作者分析了GILncSig与TCGA-HCC队列患者免疫状态的相关性。ESTIMATE结果显示，免疫评分没有差异而基质和ESTIMATE打分有显著差异(A-C)；免疫细胞浸润分析显示高风险得分组与低风险得分组在多种免疫细胞浸润比例上存在显著差异(D)。多个检查点基因的表达在两组间也具有显著差异(E)。这些结果表明，GILncSig具有评估肝癌患者的肿瘤免疫微环境和免疫检查点基因的表达的潜力。

进一步作者又评估了GILncSig是否具有预测肝癌药物治疗的作用。作者发现，低风险组与多种化疗药物较高的IC50值显著相关(0 A-D)，相比之下高危组患者仅对有限的化疗药物治疗敏感(0E-G)。对于免疫治疗，作者发现高风险组患者的TIDE评分显著降低(0H)，提示高危组患者在接受免疫治疗时可能获得更多的临床受益。在一个接受免疫治疗的肝癌队列中，作者还发现GILncSig中LINC00221基因表达高的患者对免疫治疗的响应更好(0I)，且通过Western blotting发现抑制LUCAT1的表达可以降低PD-L1的蛋白表达(0J)。

全文总结：

到这里这篇文章就介绍完啦，总的来说整体文章框架逻辑清晰，每一步的分析也都是我们推过的预后模型文章的经典分析方法啦。生信分析部分通过筛选GI相关的LncRNAs并构建预后模型，多个队列验证及与其他模型进行比较，并将预后模型应用于多种免疫指标及肝癌化疗、免疫治疗的预测，抓住预后模型中关键的LncRNAS进行功能解读，将整体工作做得十分全面。不仅局限于生信分析，作者巧妙的添加了几个体外实验对预后模型中的关键LncRNA在肝癌细胞系中的表达及对细胞功能进行解析，更进一步的丰富了文章内容，提高了研究深度，是一个非常不错的预后模型研究工作呦！事实证明，在2022年只要分析做的全面，预后模型的构建仍然可以发表，一点也没有“老”，也可以发的更高呦，小伙伴们快快动起来！