肝臓がん患者のための疲れたT細胞に基づいて開発された遺伝子シグネチャを使用した予後予測

背景：肝臓肝細胞癌（LIHC）は、予後不良の固体原発性悪性腫瘍です。この研究では、T細胞の疲労に基づいた重要な予後遺伝子を発見し、それらを使用してLiHCの予後予測モデルを開発しました。 方法：Seuratと組み合わせたSinglerの注釈を使用して、遺伝子発現Omnibus（GEO）データベースからダウンロードされたLIHCデータセットGSE166635のシングルセルクラスタリング結果を自動的に注釈し、排出されたT細胞に関連するクラスターを特定しました。患者は、ConsensusClusterPlusパッケージを使用して分類されました。次に、重み付けされた遺伝子発現ネットワーク分析（WGCNA）パッケージを採用して、リスクスコアシステムを構築するために、絶対的な収縮および選択演算子（Lasso）と多/単変量COX分析に基づいて、主要な遺伝子モジュールを区別しました。Kaplan-Meier（km）分析とレシーバー動作特性曲線（ROC）を使用して、モデルの有効性を評価しました。リスクモデルをさらに最適化するために、異なるリスクグループの免疫浸潤と免疫療法の感度を予測できるノモグラムが開発されました。遺伝子の発現は、定量的リアルタイムポリメラーゼ連鎖反応（QRT-PCR）によって測定され、細胞機能を分析するために免疫蛍光および細胞カウントKIT-8（CCK-8）を実施しました。 結果：18,413個の細胞を取得し、それらを7つの免疫および非免疫細胞の亜集団にクラスター化しました。T細胞排出クラスター間の非常に可変性のある遺伝子に基づいて、LIHCの3つの分子サブタイプ（C1、C2およびC3）が定義され、C3サブタイプは排出されたT細胞の最高スコアと予後不良を示しました。ラッソと多変量のCOX分析は、C3サブタイプと密接に関連した緑色のモジュールから7つのリスク遺伝子を選択しました。すべての患者は、リスクスコアの中程度の価値に基づいて低リスクおよび高リスクグループに分割され、リスクの高い患者は免疫浸潤と免疫脱出が高く、予後が低いことがわかりました。ノモグラムは、長期のLIHC予後を予測するための強力なパフォーマンスを示しました。in vitro実験により、7つのリスク遺伝子はすべてHCC細胞でより高い発現を有し、肝臓HCC細胞数と細胞生存率の両方がMMP-9をノックダウンすることで低下したことが明らかになりました。 結論：SCRNA-seqおよびRNA-seqデータに基づいてLiHC予後を予測するためのリスクスコアモデルを開発しました。独立した予後因子としてのリスクスコアは、LIHC患者の臨床治療を改善する可能性があります。

BACKGROUND: Liver hepatocellular carcinoma (LIHC) is a solid primary malignancy with poor prognosis. This study discovered key prognostic genes based on T cell exhaustion and used them to develop a prognostic prediction model for LIHC. METHODS: SingleR's annotations combined with Seurat was used to automatically annotate the single-cell clustering results of the LIHC dataset GSE166635 downloaded from the Gene Expression Omnibus (GEO) database and to identify clusters related to exhausted T cells. Patients were classified using ConsensusClusterPlus package. Next, weighted gene co-expression network analysis (WGCNA) package was employed to distinguish key gene module, based on which least absolute shrinkage and selection operator (Lasso) and multi/univariate cox analysis were performed to construct a RiskScore system. Kaplan-Meier (KM) analysis and receiver operating characteristic curve (ROC) were employed to evaluate the efficacy of the model. To further optimize the risk model, a nomogram capable of predicting immune infiltration and immunotherapy sensitivity in different risk groups was developed. Expressions of genes were measured by quantitative real-time polymerase chain reaction (qRT-PCR), and immunofluorescence and Cell Counting Kit-8 (CCK-8) were performed for analyzing cell functions. RESULTS: We obtained 18,413 cells and clustered them into 7 immune and non-immune cell subpopulations. Based on highly variable genes among T cell exhaustion clusters, 3 molecular subtypes (C1, C2 and C3) of LIHC were defined, with C3 subtype showing the highest score of exhausted T cells and a poor prognosis. The Lasso and multivariate cox analysis selected 7 risk genes from the green module, which were closely associated with the C3 subtype. All the patients were divided into low- and high-risk groups based on the medium value of RiskScore, and we found that high-risk patients had higher immune infiltration and immune escape and poorer prognosis. The nomogram exhibited a strong performance for predicting long-term LIHC prognosis. In vitro experiments revealed that the 7 risk genes all had a higher expression in HCC cells, and that both liver HCC cell numbers and cell viability were reduced by knocking down MMP-9. CONCLUSION: We developed a RiskScore model for predicting LIHC prognosis based on the scRNA-seq and RNA-seq data. The RiskScore as an independent prognostic factor could improve the clinical treatment for LIHC patients.