纯生信4+，补体相关+预后模型+免疫浸润，这样的套路一学就会

今天给同学们分享一篇生信文章“Prognostic Model and Tumor Immune Microenvironment Analysis of Complement-Related Genes in Gastric Cancer”，这篇文章发表在J Inflamm Res期刊上，影响因子为4.5。

结果解读：

补体家族基因的表达和三条经典的补体系统途径

补体系统由50多个蛋白质组成，确切的补体基因数量仍未知。在本研究中，通过整理过去的文献和综述，共获得了53个与补体相关的候选基因，其中42个基因的表达经过TCGA和GSE84437数据库的结合进行了提取。补体系统通过三个途径激活：凝集素途径、替代途径和经典途径（图1A）。为了确定异常表达模式是否与恶性肿瘤有关，作者检查了这42个基因在胃癌与癌旁非癌样本中的mRNA水平。30个补体基因的表达在胃癌和非癌样本之间存在显著差异（图1B）。此外，这些结果支持了补体基因mRNA表达在胃癌中具有显著多样性，并且异常基因表达参与了胃癌的发生和进展。

补充家族基因在GC中的遗传变异模式

四十二个补体基因具有高拷贝数变异（CNV）频率，主要表现为拷贝数扩增。相反，C1S、C1R、C1RL、CFD、C3AR1、CPN1、C8A、C8B、CD209、C3和CLU的CNV缺失频率较高（图2A）。补体基因的CNV位置显示在染色体上（图2B）。此外，作者总结了GC中42个补体调节因子的CNV和体细胞突变的频率。在经过筛选的433个样本中，有144个（32.33%）显示出补体调节因子的遗传变异。在补体基因中，C3、CFH、CR1、CR2、CFI、VTN、C1S、C5、C6、CFHR4、CFHR5、C3AR1、C8B、C9、CFHR2、CPN1、C1R、C4BPB、C8A、CFHR1、CLU、C4BPA、MASP2、C1QA、C1RL、C5aR1、CD209、C4A和CD55在GC中发生突变，而其他调节因子没有突变（图2C）。通过单变量Cox比例风险回归分析，检测到了10个预后基因。绘制了森林图并确定了风险比（图2D）。

使用补体家族中的基因构建的风险评分模型

验证集由GSE84437队列中的433个样本组成，而训练集由TCGA-GC队列中的371个样本组成。选择的补体基因在验证集中的系数是通过Lasso-Cox回归分析估计的，然后构建了一个风险评分模型。作者得到了以下风险评分方程：风险评分 = (0.067 * C5aR1 exp.) + (0.016 * C7 exp.) + (0.099 * C9 exp.) + (-0.030 * CD46 exp.) + (0.185 * CD59 exp.) + (0.050 * CFH exp.) + (0.523 * CFHR4 exp.) + (0.081 * VTN exp.)（图3A和B）。根据中位数风险评分，将两组样本分为高风险和低风险类别。值得注意的是，训练集和验证集包括基因表达、风险评分和生存的测量数据。具体而言，在训练集中，高风险类别的死亡率为51.89%，低风险类别的死亡率为26.34%；在验证组中，高风险类别的死亡率为52.78%，低风险类别的死亡率为43.78%。重要的是，生存研究的结果表明，低风险患者的总生存期明显长于高风险患者（图3C和D；p < 0.05）。评估风险模型的热图利用得分分布、基因表达模式变化和八个独立预后基因，显示了患者的生存率。这些热图用于评估使用TCGA平台信息开发的风险模型（图3E-J）。值得注意的是，预后模型展示了显著的预后能力，表明它可能预测胃癌的发生和进展。

诺莫图与Cox分析

开发了一个图表来检验基于补体的风险模型在临床环境中的临床效力（图4A）。通过将所有预后参数的分数相加，患者被分配一个总分。当分数之和较大时，患者的临床结果较不理想。校准图显示，该图表的结果与完美模型的结果有些相似（图4B）。ROC曲线进一步证明了该图表进行准确预测的能力（图4C）。Cox回归分析证实了GC患者的预后与预后风险评分模型、分期、年龄和分级的关联。

基因集富集分析（GSEA）

为了探究与胃癌的八个关键预后基因相关的信号通路，进行了基因集富集分析（图5A）。研究结果显示，这些基因富集在与细胞粘附分子、补体和凝血级联、细胞因子与细胞因子受体相互作用、细胞外基质受体相互作用、造血细胞系谱系和神经活性配体受体相互作用相关的通路中（图5B-G）。因此，这八个关键预后基因可能在炎症、免疫和血液系统中起着重要作用，促进胃癌的发生和进展。

预后模型的风险评分与46个常见的免疫检查点基因（ICGs）在GC中相关

在TCGA-GC队列中，对46个ICG和风险评分相互作用进行了表征（图6）。与低风险类别相比，高风险患者的ICG表达水平显著升高（图6A）。此外，风险评分与CTLA4、LAG3、CD274和PDCD1都显示出良好的相关性（图6B-F）。

风险评分与免疫细胞浸润的相关性

通过研究八个主要预后基因与22种不同类型的肿瘤免疫细胞（TIICs）之间的关联，利用CIBERSORT方法检查风险模型与免疫细胞浸润的相关性（图7）。比较高风险和低风险患者的免疫细胞浸润水平。调节性T细胞CD4记忆活化和滤泡辅助T细胞在低风险组中的比例显著较高，而调节性T细胞、静息性树突状细胞和单核细胞在高风险组中的比例显著较高（图7A）。风险评分与单核细胞、静息性树突状细胞、巨噬细胞M2和嗜酸性粒细胞呈负相关，与T细胞CD4记忆活化和滤泡辅助T细胞呈正相关（图7B-H）。与低风险患者相比，高风险人群的肿瘤免疫功能和排斥（TIDE）得分显著较高，说明高风险评分介导了GC肿瘤免疫微环境（TIME）中的免疫逃逸，并且高风险评分的患者对免疫治疗的效果较差（图7I）。

GC样本和相邻正常样本中的八个关键基因表达，以及它们与GC患者预后的关联

TCGA-GC队列中的32对胃癌和相邻正常样本的mRNA表达模式分析显示，C5aR1、C9、CFHR4和CD46在肿瘤细胞中的表达水平明显较高（p < 0.05，图8A、C、D和G），而C7、CD59、CFH和VTN则没有（图8B、E、F和H）。使用KM绘图仪检查了8个主要预后基因与OS的相关性。与C5aR1、CD59和VTN表达水平较高的患者相比，表达水平较低的患者预后较好（图8I、M和P；p < 0.05），而C7、C9、CFHR4、CFH和CD46则不然（图8J、K、L、N和O）。研究结果表明，与相邻非癌组织相比，C5aR1在胃癌样本中过度表达，并与胃癌患者不利的10年生存率相关。总之，C5aR1可作为胃癌不良预后的生物标志物。

总结

GC中的补体家族基因被系统地检测预后意义、突变和表达模式。构建风险模型，将GC患者分为高风险组和低风险组。低风险组患者的预后明显好于高危组患者。此外，还构建了一个列线图，以准确的方式预测GC的复发，从而促进GC个体化治疗的发展。预后模型的构建允许对相应TME细胞浸润的特征进行全面评估。作者的研究为开发更具针对性的GC治疗方法提供了重要信息。