基于谷氨酰胺代謝相關(guān)基因構(gòu)建肝細(xì)胞癌預(yù)后模型及治療方案分析

梁 宇，陳 穎，王豪杰，任銘心，劉高峰，劉長(zhǎng)青

（1.蚌埠醫(yī)學(xué)院臨床醫(yī)學(xué)院，安徽 蚌埠 233000；2.蚌埠醫(yī)學(xué)院生命科學(xué)學(xué)院，安徽 蚌埠 233000）

肝細(xì)胞癌（hepatocellular carcinoma，HCC）是最常見(jiàn)的原發(fā)性肝癌，其發(fā)病率呈不斷上升趨勢(shì)，根據(jù)世界衛(wèi)生組織國(guó)際癌癥研究機(jī)構(gòu)發(fā)布的2020 年最新癌癥負(fù)擔(dān)數(shù)據(jù)。HCC 是世界范圍內(nèi)第六大癌癥，且死亡率居世界第三［1］。HCC 具有起病隱匿、惡性度高、進(jìn)展快、預(yù)后差和死亡率高等特點(diǎn)。使得HCC 患者的5 年生存率僅為10.1%，但患者若早期及時(shí)發(fā)現(xiàn)且經(jīng)手術(shù)治療，5 年生存率可提高至50%左右［2］。然而，絕大多數(shù)HCC 患者就診時(shí)已處于晚期，此時(shí)手術(shù)治療的效果不好［3］。因此，探索新的預(yù)后預(yù)測(cè)和個(gè)體化治療的潛在標(biāo)志物具有重要的臨床意義。

谷氨酰胺在細(xì)胞存活和生長(zhǎng)中具有關(guān)鍵作用。谷氨酰胺可通過(guò)不同酶和基因通過(guò)不同細(xì)胞信號(hào)通路的多種作用機(jī)制來(lái)合成細(xì)胞生長(zhǎng)所需的核酸、脂質(zhì)和蛋白質(zhì)［4］。谷氨酰胺不是必需氨基酸，但卻被認(rèn)為是條件必需氨基酸，尤其是在分解代謝應(yīng)激條件下，如手術(shù)后和創(chuàng)傷等，胃腸道、腎臟和免疫系統(tǒng)等對(duì)谷氨酰胺的需求急劇增加［4］。此外，谷氨酰胺與腫瘤惡性進(jìn)展亦密切相關(guān)［5］。由于腫瘤細(xì)胞快速增殖，谷氨酰胺作為腫瘤細(xì)胞供能的養(yǎng)料，以及合成核苷酸、蛋白質(zhì)和GSH 合成等重要前體，致使谷氨酰胺的合成不能滿足腫瘤增殖的需求，此時(shí)谷氨酰胺轉(zhuǎn)變?yōu)闂l件性必需氨基酸［6］。有研究表明，腫瘤細(xì)胞通過(guò)谷氨酰胺轉(zhuǎn)運(yùn)蛋白攝取利用谷氨酰胺，為腫瘤細(xì)胞提供能量和生物合成，從而促進(jìn)腫瘤的惡性進(jìn)展［7］。近期研究表面，谷氨酰胺代謝廣泛參與肝癌的增殖和侵襲轉(zhuǎn)移等環(huán)節(jié)，表明谷氨酰胺代謝是肝癌的潛在預(yù)后和治療靶標(biāo)。

免疫療法與手術(shù)、化療和放療一起成為癌癥治療的新的可選方案［8］。谷氨酰胺代謝通過(guò)影響腫瘤微環(huán)境（TME），來(lái)調(diào)控腫瘤的發(fā)生發(fā)展［9］。在三陰性乳腺癌中，腫瘤細(xì)胞會(huì)競(jìng)爭(zhēng)性地捕食TME 中的谷氨酰胺，導(dǎo)致谷氨酰胺對(duì)腫瘤浸潤(rùn)性T 淋巴細(xì)胞的可用性有限，從而影響其抗腫瘤免疫反應(yīng)［10］。在谷氨酰胺成癮的透明細(xì)胞腎細(xì)胞癌中，腫瘤細(xì)胞對(duì)谷氨酰胺的競(jìng)爭(zhēng)性消耗導(dǎo)致細(xì)胞外谷氨酰胺的局部剝奪，導(dǎo)致Treg 細(xì)胞的增殖和活化，從而抑制Teff 細(xì)胞的抗腫瘤活性［11］。因此，免疫細(xì)胞和癌細(xì)胞中的谷氨酰胺代謝基因組特征是免疫療法和臨床結(jié)果有希望的預(yù)測(cè)指標(biāo)。

本研究系統(tǒng)分析了GMRGs 的表達(dá)及其對(duì)HCC 患者臨床特征、預(yù)后和治療反應(yīng)的影響。對(duì)TCGA 數(shù)據(jù)庫(kù)進(jìn)行差異分析，篩選出23 個(gè)差異表達(dá)的GMRGs 基因，并表明其具有較強(qiáng)的相關(guān)性。然后通過(guò)單因素cox 篩選出與患者生存狀態(tài)相關(guān)的14個(gè)基因。進(jìn)而通過(guò)lasso 回歸和step 多因素cox 篩選出4 個(gè)基因構(gòu)建評(píng)分模型，準(zhǔn)確預(yù)測(cè)HCC 患者的臨床結(jié)果和免疫和藥物治療效果。本研究以期開(kāi)發(fā)可行的HCC 免疫和藥物治療方法提供參考。

1 資料與方法

1.1 數(shù)據(jù)選擇和獲取

從TCGA-LIHC 數(shù) 據(jù) 庫(kù)（https：//portal.gdc.cancer.gov/）中檢索HCC 的RNA 表達(dá)數(shù)據(jù)、體細(xì)胞突變數(shù)據(jù)、CNV 文件和相應(yīng)的臨床病理信息，并利用GEO 數(shù) 據(jù) 庫(kù) （https：//www.ncbi.nlm.nih.gov/geo/）獲取GSE14520 臨床參數(shù)和標(biāo)準(zhǔn)化基因表達(dá)數(shù)據(jù)［12］。從MSigDB 數(shù)據(jù)庫(kù)（Hallmark 基因集）獲得了6 個(gè)谷氨酰胺代謝相關(guān)的基因集，去除重復(fù)后共80 個(gè)GMRGs。

1.2 基于GMRG 的預(yù)后特征的開(kāi)發(fā)和驗(yàn)證

在單變量Cox 回歸分析中發(fā)現(xiàn)的與HCC 相關(guān)的14 個(gè)GMRGs，隨后使用R 包“glmnet”進(jìn)行最小絕對(duì)收縮和選擇運(yùn)算符（LASSO）回歸分析。為了防止模型的過(guò)擬合效應(yīng)，通過(guò)十倍交叉驗(yàn)證確定了懲罰參數(shù)λ，最終篩出7 個(gè)基因進(jìn)行下一步使用“rms”包的Step 多因素cox。最后選擇4 個(gè)GMRGs基于相應(yīng)系數(shù)和基因表達(dá)量構(gòu)建風(fēng)險(xiǎn)評(píng)分模型。每位患者的GMRGs 特征風(fēng)險(xiǎn)評(píng)分計(jì)算如下：

Coef（i）和 X（i）表示 GMRGs 相關(guān)的回歸系數(shù)和基因表達(dá)值。采用R 編程語(yǔ)言的套索回歸算法計(jì)算風(fēng)險(xiǎn)評(píng)分。通過(guò)多個(gè)基因的線性組合計(jì)算的回歸系數(shù)按中位風(fēng)險(xiǎn)評(píng)分將受試者分為高風(fēng)險(xiǎn)和低風(fēng)險(xiǎn)兩組。使用“time-ROC”（0.4 版）R 包進(jìn)行1年、3 年和5 年的ROC 曲線分析。

1.3 列線圖的構(gòu)建

列線圖旨在為肝癌患者提供有價(jià)值的臨床預(yù)測(cè)，包括其風(fēng)險(xiǎn)評(píng)分和其他臨床病理學(xué)特征，特別是關(guān)于1 年、3 年和5 年的OS。使用“rms”和“regplot”R 包開(kāi)發(fā)了GMRGs 相關(guān)的臨床病理學(xué)列線圖。然后進(jìn)行了校準(zhǔn)曲線分析和決策曲線分析（DCA），以驗(yàn)證已建立的列線圖的臨床可靠性。

1.4 免疫治療分析

腫瘤免疫功能障礙和排斥（TIDE）算法用于推斷患者對(duì)免疫治療的臨床反應(yīng)［13］。IMvigor210 隊(duì)列聯(lián)合抗PD-L1 治療在GMRGs 評(píng)分模型與免疫治療反應(yīng)的相關(guān)性研究中進(jìn)行了分析［14］。Mvigor210隊(duì)列的完整數(shù)據(jù)集，包括基因表達(dá)數(shù)據(jù)和臨床信息，均 來(lái) 自http：//research-pub.gene.com/IMvigor210CoreBiologies。

1.5 藥物治療分析

使用癌癥藥物敏感性基因組學(xué)（GDSC）數(shù)據(jù)集（https：//www.cancerrxgene.org/）來(lái)評(píng)估每個(gè)樣本的化療反應(yīng)。根據(jù)GDSC 數(shù)據(jù)，采用半最大抑制濃度（IC50）來(lái)估計(jì)藥物反應(yīng)。預(yù)測(cè)程序由R 語(yǔ)言中的 ＂pRRophetic ＂包承擔(dān)［15］。

1.6 統(tǒng)計(jì)學(xué)處理

與預(yù)后相關(guān)的臨床病理學(xué)因素由單因素cox 和Step Cox 分析確定。分類數(shù)P＜0.05 為差異具有統(tǒng)計(jì)學(xué)意義。所有統(tǒng)計(jì)分析均由R（版本4.2.1）執(zhí)行。

2 結(jié)果

2.1 HCC 中GMRG 的基因突變和互作關(guān)系

首先使用TCGA-LIHC 數(shù)據(jù)集鑒定了腫瘤標(biāo)本和正常標(biāo)本中80 個(gè)GMRGs 的表達(dá)水平。共發(fā)現(xiàn)23 個(gè)差異基因（DEGs）（均|logFC|＞1，adjustedPvalue＜0.05），大部分DEGs 在腫瘤樣本中含量豐富。除了AADAT、GLYATL1、ASS1 和UROC1表達(dá)低于正常組織外，其余基因在HCC 中的表達(dá)均高于正常組織 （圖1A）。同樣，基于TCGA-LIHC中mRNA 表達(dá)水平構(gòu)建的相關(guān)網(wǎng)絡(luò)在這些DEGs之間可以觀察到很強(qiáng)的正相關(guān)（圖1B）。通過(guò)String網(wǎng)站建立蛋白質(zhì)-蛋白質(zhì)相互作用（PPI）分析，揭示DEGs 具有很強(qiáng)的交互性（圖1C）。下一步確定了HCC 中23 個(gè)GMRGs 的拷貝數(shù)變異（CNV）和體細(xì)胞突變的發(fā)生率。371 個(gè)HCC 樣本中有40 個(gè)（10.78%）出現(xiàn)了基因突變，SLC25A12 基因突變率最高為2%，其余9 個(gè)基因的突變率均為1%（圖1D）。圖1E 顯示染色體上23 個(gè)GMRGs 的CNV 改變位點(diǎn)。上述分析表明，GMRGs 在HCC 中的遺傳和表達(dá)變化具有高度異質(zhì)性，揭示了GMRGs 表達(dá)的不平衡在HCC 的發(fā)生發(fā)展中起著關(guān)鍵作用。

圖1 HCC 中GMRGs 的基因突變和互作情況Fig 1 Mutations and interactions of GMRGs in HCC

2.2 基于GMRGs 構(gòu)建HCC 的預(yù)后風(fēng)險(xiǎn)模型

基于GMRGs 構(gòu)建了風(fēng)險(xiǎn)預(yù)后模型。單因素COX 分析發(fā) 現(xiàn)，在23 個(gè)DEGs 中，只有14 個(gè)預(yù)后相關(guān)基因與患者的OS 相關(guān)（P＜0.05）（圖2A）。接下來(lái)，將14 個(gè)GMRGs 納入下面的lasso 回歸分析。圖2B-C 進(jìn)行了lasso 回歸和lasso 回歸的十倍交叉驗(yàn)證，結(jié)果保留了7 個(gè)基因進(jìn)行下一步step cox 回歸分析，最終結(jié)果保留4 個(gè)基因用于最終的預(yù)后模型的構(gòu)建。風(fēng)險(xiǎn)評(píng)分計(jì)算如下：風(fēng)險(xiǎn)評(píng)分=（0.3530 *CAD 表達(dá)）+（0.5985 * PPAT 表達(dá)）+（0.1797 *PYCR3 表達(dá)）+（0.2609 * SLC7A11 表達(dá)）。

圖2 風(fēng)險(xiǎn)模型的構(gòu)建Fig 2 Construction of the risk model

2.3 風(fēng)險(xiǎn)預(yù)后模型的分布特征

進(jìn)一步分析了風(fēng)險(xiǎn)特征的整體分布情況。圖3A、B 表明風(fēng)險(xiǎn)相關(guān)的4 個(gè)基因在訓(xùn)練集和驗(yàn)證集中具有一致的表達(dá)趨勢(shì)，即都在高風(fēng)險(xiǎn)組中高表達(dá)。對(duì)兩個(gè)樣本患者的風(fēng)險(xiǎn)評(píng)分從低到高排序，結(jié)果顯示在圖3C、D?；颊吒叩徒M評(píng)分和總生存時(shí)間的分布表現(xiàn)在圖3E、F 圖，結(jié)果表明高風(fēng)險(xiǎn)評(píng)分的患者生存時(shí)間更短。然后比較了不同臨床信息（生存狀態(tài)、腫瘤臨床分期，腫瘤組織學(xué)分期）中風(fēng)險(xiǎn)評(píng)分，可以看出，死亡狀態(tài)、3-4 期的分期都具有更高的風(fēng)險(xiǎn)評(píng)分，證明預(yù)后風(fēng)險(xiǎn)模型對(duì)臨床信息也有一定的指導(dǎo)作用。

圖3 TCGA 隊(duì)列和GEO 隊(duì)列中風(fēng)險(xiǎn)分?jǐn)?shù)的生存分析Fig 3 Survival analysis of risk scores in the TCGA cohort and GEO cohort

2.4 構(gòu)建預(yù)測(cè)HCC 患者預(yù)后的列線圖

由于風(fēng)險(xiǎn)評(píng)分與患者預(yù)后之間的高度相關(guān)性，我們納入了臨床參數(shù)（年齡、性別和腫瘤臨床分期）來(lái)建立列線圖。列線圖用于估計(jì)HCC 患者的1 年、3 年和5 年 OS（圖4A）。該已建立的列線圖的校準(zhǔn)曲線在實(shí)際觀測(cè)值和預(yù)測(cè)值之間表現(xiàn)出很高的準(zhǔn)確性（圖4C）。此外，估計(jì)了這些臨床因素的AUC值，分別用于預(yù)測(cè)1 年，3 年和5 年的OS。如圖D，AUC 值符合預(yù)期，這意味著該列線圖對(duì)預(yù)后具有出色的預(yù)測(cè)能力。Kaplan-Meier 生存分析顯示，高危組患者的總生存期顯著縮短（圖4B）。同時(shí)，在GEO 隊(duì)列中的分析結(jié)果與TCGA 隊(duì)列一致，表面構(gòu)建的列線圖具有較高的準(zhǔn)確性。（圖4E-G）。

圖4 列線圖的構(gòu)建和驗(yàn)證Fig 4 Construction and validation of column line diagrams

2.5 免疫治療效果分析

低風(fēng)險(xiǎn)組具有較高的TIDE 評(píng)分，證明其對(duì)免疫治療更不敏感（圖5A）。Dysfunction 評(píng)分和Exclusion 評(píng)分可以用來(lái)解釋這種現(xiàn)象。低風(fēng)險(xiǎn)組具有較高的Dysfunction 評(píng)分（圖5B），證明其免疫細(xì)胞功能低下；高風(fēng)險(xiǎn)組Exclusion 評(píng)分更高（圖5C），證明其免疫細(xì)胞遭到排斥。然后，為了進(jìn)一步探索GMRGs 在預(yù)測(cè)免疫治療反應(yīng)方面的價(jià)值，我們IMvigor210 隊(duì)列分析高危組和低危組接受抗PD-L1 免疫治療效果的差異。免疫治療完全緩解和部分緩解的患者比疾病穩(wěn)定和疾病進(jìn)展的患者風(fēng)險(xiǎn)評(píng)分更高（圖5D），意味著高風(fēng)險(xiǎn)人群更可能獲益于免疫治療。E 圖說(shuō)明了再高風(fēng)險(xiǎn)組患者中，完全緩解和部分緩解的患者占比更高，卡方檢驗(yàn)表明這種差異具有顯著性（P=0.01）。然后比較了高低風(fēng)險(xiǎn)組中腫瘤突變負(fù)荷的差異，結(jié)果不具有顯著性，表明基于GMRGs 的風(fēng)險(xiǎn)模型中TMB 預(yù)測(cè)免疫治療不合適。最后比較了免疫檢查點(diǎn)分子在高低風(fēng)險(xiǎn)組中的表達(dá)差異（圖5G），可見(jiàn)大部分免疫檢查點(diǎn)分子都在高風(fēng)險(xiǎn)組高表達(dá)，表明高風(fēng)險(xiǎn)組更可能獲益于免疫檢查點(diǎn)抑制劑。

圖5 GMRGs 風(fēng)險(xiǎn)評(píng)分模型的免疫治療效果和免疫檢查點(diǎn)差異Fig 5 Immunotherapy effects and immune checkpoint differences in the GMRGs risk score model

2.6 藥物敏感度分析

使用pRRophetic 算法探討了HCC 患者基于GMRGs 的風(fēng)險(xiǎn)評(píng)分與他們對(duì)6 種常見(jiàn)抗癌藥物（順鉑、甲胺喋呤、多柔比星、拉帕替尼、尼羅替尼、帕唑帕尼、雷帕霉素、索拉非尼和替吡法尼）的反應(yīng)之間的關(guān)聯(lián)（圖6）?？梢钥闯觯烁唢L(fēng)險(xiǎn)組拉帕替尼治療效果比較好外，低風(fēng)險(xiǎn)組的化療藥和靶向藥治療情況都要優(yōu)于高危組。

圖6 通過(guò)GMRGs 風(fēng)險(xiǎn)模型評(píng)估治療反應(yīng)Fig 6 Assessing treatment response through the GMRGs risk model

3 討論

谷氨酰胺是腫瘤增殖侵襲的重要支撐原料。早有研究表明，肝癌細(xì)胞在缺乏谷氨酰胺的培養(yǎng)基中不能生長(zhǎng)，培養(yǎng)基中加入谷氨酰胺越多，細(xì)胞增殖越快，侵襲遷移能力越強(qiáng)［16］。腫瘤細(xì)胞可以通過(guò)特異性轉(zhuǎn)運(yùn)蛋白（如溶質(zhì)載體家族1 中性氨基酸轉(zhuǎn)運(yùn)體成員5，SLC1A5）將谷氨酰胺轉(zhuǎn)運(yùn)到細(xì)胞中，然后在谷氨酰胺酶的作用下轉(zhuǎn)化為谷氨酸，再轉(zhuǎn)化為α-酮戊二酸，進(jìn)入三羧酸循環(huán)，參與腫瘤的發(fā)生、發(fā)展和遷移［17，18］。例如，腫瘤細(xì)胞中的谷氨酰胺代謝產(chǎn)物在進(jìn)入三羧酸循環(huán)后為腫瘤進(jìn)展提供能量［19］。谷氨酰胺分解作用產(chǎn)生合成大分子物質(zhì)的原料，如腫瘤細(xì)胞所需的氨基酸、核苷酸、脂肪酸和己糖胺［20］。

免疫細(xì)胞想要增殖并發(fā)揮功能，谷氨酰胺必不可少［21］。如T 細(xì)胞在激活狀態(tài)下需要增加谷氨酰胺的攝入，從而快速增殖，同時(shí)促進(jìn)細(xì)胞因子的分泌［22］；谷氨酰胺也可以B 細(xì)胞的增殖和存活［23］，并且還促進(jìn)B 細(xì)胞分化為漿細(xì)胞和淋巴細(xì)胞［24］。中性粒細(xì)胞相對(duì)于其他白細(xì)胞（如巨噬細(xì)胞和淋巴細(xì)胞）消耗谷氨酰胺的速率最高［25，26］。并且谷氨酰胺通過(guò)產(chǎn)生ATP 增強(qiáng)中性粒細(xì)胞中超氧化物的產(chǎn)生，并調(diào)節(jié)NADPH 氧化酶復(fù)合物成分的表達(dá)［27］。

然而TME 中腫瘤細(xì)胞和免疫細(xì)胞對(duì)谷氨酰胺的競(jìng)爭(zhēng)攝取導(dǎo)致谷氨酰胺缺乏，而且腫瘤細(xì)胞對(duì)谷氨酰胺的消耗最高，從而影響免疫細(xì)胞的功能［9］。選擇性地阻斷腫瘤細(xì)胞中的谷氨酰胺代謝可以消除TME 中對(duì)谷氨酰胺的代謝競(jìng)爭(zhēng)，同時(shí)釋放谷氨酰胺供免疫細(xì)胞使用，從而增強(qiáng)抗腫瘤免疫反應(yīng)［10，28］。因此谷氨酰胺代謝在腫瘤發(fā)生發(fā)展和免疫功能是否良好，起著重要的調(diào)節(jié)和預(yù)示功能，也是選用免疫治療的一個(gè)可行指標(biāo)。

在本研究中，首先根據(jù)TCGA-LIHC 隊(duì)列確定了差異表達(dá)GMRGs 的轉(zhuǎn)錄改變和表達(dá)水平，并檢測(cè)了這些GMRGs 的基因突變情況。盡管這些基因的突變強(qiáng)度較低，但其中大多數(shù)在HCC 患者中上調(diào)并與預(yù)后有關(guān)。然后進(jìn)一步篩選了與HCC 生存有關(guān)的23 個(gè)GMRGs，最后通過(guò)lasso 回歸和step cox分 析 保 留4 個(gè) 基 因（CAD、PPAT、PYCR3 和SLC7A11），建立了能夠量化個(gè)體患者特征的評(píng)分機(jī)制。不僅有助于建立準(zhǔn)確的預(yù)后模型，而且通過(guò)GMRGs 評(píng)分分析了免疫和藥物治療效果，能幫助臨床醫(yī)生有效地評(píng)估免疫和藥物治療作為治療方案的合理性。

本文篩選出的4 個(gè)GMRGs 差異表達(dá)基因（CAD、PPAT、PYCR3 和SLC7A11）與肝癌的預(yù)后有關(guān)。CAD 是氨甲酰磷酸合成酶2，催化新生嘧啶合成［9］。肝癌中CAD 的酶活性比在正常肝組織中增加了1.3～5.9 倍，與腫瘤生長(zhǎng)速率呈正相關(guān)［29］。另有研究表明，精氨酸琥珀酸合酶在癌癥中的活性降低通過(guò)激活CAD 和促進(jìn)嘧啶合成來(lái)支持增殖［30］。PPAT 是磷酰焦磷酸酰胺轉(zhuǎn)移酶，催化輔酶A 的生物合成［31］。PPAT 在肺腺癌中的表達(dá)被證明增加，并且與患者的疾病預(yù)后有關(guān)［32］。PPAT 抑制表達(dá)影響了神經(jīng)內(nèi)分泌癌3 種細(xì)胞系的生長(zhǎng)，與患者的預(yù)后不良有強(qiáng)相關(guān)性［33］。PYCR3 是吡咯啉-5-甲酸酯還原酶3，它是一種參與從鳥(niǎo)氨酸生物合成脯氨酸的細(xì)胞質(zhì)酶，在結(jié)直腸癌中表達(dá)上調(diào)，是癌細(xì)胞存活和增殖所必須的［34］。溶質(zhì)載體家族7 成員11（SLC7A11）是一種氨基酸轉(zhuǎn)運(yùn)蛋白，經(jīng)常在人惡性腫瘤中過(guò)度表達(dá)［35］。SLC7A11 的表達(dá)和活性通過(guò)多種機(jī)制受到腫瘤細(xì)胞中癌基因和腫瘤抑制因子的精細(xì)調(diào)控，對(duì)胱氨酸和谷氨酸具有高度特異性［36］。在胰腺導(dǎo)管腺癌中，敲低SLC7A11 會(huì)抑制腫瘤生長(zhǎng)和轉(zhuǎn)移擴(kuò)散［37］。上述4 個(gè)基因高表達(dá)均會(huì)提高腫瘤的增殖速率，與肝癌高危組中風(fēng)險(xiǎn)四基因高表達(dá)相關(guān)，提示患者的不良預(yù)后。

然后根據(jù)篩選出的4 個(gè)GMRGs 構(gòu)建肝癌風(fēng)險(xiǎn)評(píng)分模型，并將患者群體分成高危和低危兩個(gè)亞群。KM 曲線表明兩組具有顯著的生存差異，并通過(guò)ROC 曲線驗(yàn)證其對(duì)1 年、3 年和5 年OS 的預(yù)測(cè)穩(wěn)健性。因此GMRGs 評(píng)分模型對(duì)患者的預(yù)后具有可靠的預(yù)測(cè)能力。最后發(fā)現(xiàn)，與風(fēng)險(xiǎn)評(píng)分相關(guān)的4 個(gè)基因在高風(fēng)險(xiǎn)組中均高表達(dá)，與高風(fēng)險(xiǎn)組的預(yù)后較差有關(guān)。同時(shí)比較了不同臨床信息的風(fēng)險(xiǎn)評(píng)分，結(jié)果表明生存狀態(tài)、臨床分期和組織學(xué)分級(jí)都具有更高的風(fēng)險(xiǎn)評(píng)分，說(shuō)明構(gòu)建的風(fēng)險(xiǎn)預(yù)后模型其對(duì)臨床信息仍有一定的指導(dǎo)作用。通過(guò)TIDE 算法和IMvigor210 隊(duì)列評(píng)估了高低危險(xiǎn)組的免疫治療情況差異。發(fā)現(xiàn)低風(fēng)險(xiǎn)組的免疫治療沒(méi)有高風(fēng)險(xiǎn)組效果好，低風(fēng)險(xiǎn)組的免疫細(xì)胞功能低下，高風(fēng)險(xiǎn)組的免疫細(xì)胞遭到排斥。筆者猜測(cè)功能低下的免疫細(xì)胞常常很難逆轉(zhuǎn)為功能正常，所以免疫治療效果常不好，免疫排斥的腫瘤只要解除了排斥狀態(tài)，細(xì)胞功能正常即可發(fā)揮免疫作用，所以常對(duì)免疫治療效果更好，這需要后續(xù)進(jìn)一步的實(shí)驗(yàn)驗(yàn)證。IMvigor210隊(duì)列分析同樣表明高危組的免疫治療效果要好于低危組。同時(shí)，對(duì)兩組的免疫檢查點(diǎn)表達(dá)情況做了比較，發(fā)現(xiàn)高危組表達(dá)大部分的免疫檢查點(diǎn)分子，表明高風(fēng)險(xiǎn)組更能獲益于免疫檢查點(diǎn)抑制劑。最后，比較了高低危兩組的抗癌藥物治療情況，結(jié)果表明低危組可能更適宜藥物治療。因此，高危組更適合免疫療法，而低危組更適合藥物治療。

總之，研究表明了谷氨酰胺代謝對(duì)HCC 的影響和GMRGs 相關(guān)療法的新見(jiàn)解，但還有很多局限性。這些數(shù)據(jù)是從公共數(shù)據(jù)庫(kù)獲得的回顧性數(shù)據(jù)，開(kāi)展前瞻性研究和完整的體內(nèi)體外實(shí)驗(yàn)以驗(yàn)證和優(yōu)化GMRGs 相關(guān)的風(fēng)險(xiǎn)評(píng)分模型非常重要。研究結(jié)果為HCC 患者選擇合適的治療方法和預(yù)后預(yù)測(cè)提供新的思路和方向。

作者貢獻(xiàn)度說(shuō)明：

梁宇：文章設(shè)計(jì)、數(shù)據(jù)分析及手稿撰寫(xiě)；陳穎、王豪杰和任銘心：相關(guān)文獻(xiàn)搜集與整理，數(shù)據(jù)分析；劉長(zhǎng)青、劉高峰：提供整體思路和修改意見(jiàn)。

所有作者聲明不存在利益沖突關(guān)系。