结果

预后炎症相关基因的鉴定

为了建立乳腺癌的预后预测模型，我们从GSEA数据库中获取了人类炎症反应基因集，其中包含200个炎症相关基因（IRG），并对其进行了进一步分析。从TCGA数据库中获取这些炎症基因在乳腺癌组织和癌旁组织中的表达水平，筛选出56个差异表达的炎症基因（DEG）。对所有 IRG 的单变量 Cox 分析显示，其中 30 个 IRG 与TCGA 队列中的总生存率相关，p < 0.05。然后，通过将维恩图中显示的56个DEG和30个炎症相关基因相交，总共鉴定出11个不同表达的炎症相关基因。使用热图可视化乳腺癌中 9 个上调基因（TACR1、IRF7、BST2、IFITM1、LAMP3、SELL、CXCL9、IL12B、IL12B、GPR132、IL18）和 2 个下调基因（KCNMB2、TACR1）的表达。根据单变量 Cox 回归分析，发现 10 个风险基因（风险比 > 1）和 1 个保护基因（风险比 < 1）与乳腺癌相关。几乎所有的预后特征基因都呈正相关

乳腺癌预后模型的构建和验证

为了研究IRG与乳腺癌患者预后之间的关系，我们通过LASSO算法分析，基于11个单变量结果构建了预后风险预测模型。并利用10倍交叉验证来确定调整参数的最佳值，结果表明7个IRG是最可靠的标记。使用 7 个 IRG（包括 GPR132、IFITM1、IL12B、IL18、IRF7、KCNMB2 和 TACR1）构建列线图来预测乳腺癌患者的 1 年、2 年和 3 年生存率。将各基因的得分累加得到总分，并在总分对应点向下画垂直线，确定1年、2年、3年的相对生存率。根据中位风险评分，将患者分为低风险组和高风险组。我们进行了 Kaplan-Meier 和 ROC 分析来估计 IRG 特征的强度并比较两组之间的差异。KM 曲线显示两组之间存在显着差异，并显示风险评分较高的患者往往预后较差，生存时间较短。此外，1年、2年和3年的ROC曲线下面积（AUC）分别为0.640、0.604和0.628。结果显示该预后模型具有良好的敏感性和特异性。

IRGs 风险预测模型的进一步验证

为了进一步评估基于TCGA队列构建的IRGs风险预测模型的分层能力，我们根据中位风险评分将乳腺癌分为高风险组和低风险组。然后我们绘制了患者生存状态和风险评分的分布图。风险评分的分布图显示高风险组的死亡人数较多。此外，患者生存状况的散点图显示低风险组的预后明显改善。利用主成分分析（PCA）和t分布随机邻域嵌入（t-SNE）来确认风险评分的可靠聚类能力。绘图显示不同风险组的乳腺癌患者呈两个方向分布，表明模型中7个基因的表达可以有效地将乳腺癌患者分为高风险组和低风险组。进行单变量和多变量Cox比例风险回归分析，进一步探讨炎症相关基因预后风险模型的独立预后价值。单变量分析表明，年龄（p < 0.001）和病理（分期）（p < 0.001）与总生存率显着相关。此外，进一步的多变量分析显示年龄 ( p < 0.001)、病理（分期）( p < 0.001)、淋巴结状态 (N) ( p < 0.001) 和总生存率 (无花果。3C和和 3D）。3D）。单变量 Cox 回归分析中风险评分的风险比 (HR) 和 95% 置信区间 (CI) 分别为 2.783 和 1.737-4.457 ( p < 0.01)，多变量 Cox 回归分析中的风险比 (HR) 为 3.129 和 2.065-4.741 ( p < 0.01 ) ）。这些结果表明，该模型的风险评分是乳腺癌患者预后的强大独立预测因子。

基于IRGs的肿瘤微环境评价

采用单样本基因集富集分析（ssGSEA）对16个免疫细胞亚群和13个免疫相关功能进行量化，以阐明风险评分与免疫状态之间的相关性。在TCGA队列中，结果显示，低风险组的免疫细胞浸润状态往往较高，并且这些组中的免疫相关通路也有所增加（无花果。4A和和4B)。4B）。从这些发现中我们可以得出结论，低危组的免疫反应可能比高危组更活跃，高危组乳腺癌患者的不良预后可能与负性免疫调节有关。 。根据TCGA数据库中各肿瘤样本类型的免疫表型分布，通过单因素方差分析显示5种免疫类型的风险评分水平。通路在低风险组和高风险组之间存在差异富集。免疫状态和基质细胞在肿瘤微环境中发挥重要作用。我们对风险评分与肿瘤微环境进行了相关性分析，以更好地了解肿瘤微环境对乳腺癌患者预后的影响。结果表明，风险评分与免疫细胞浸润（p < 0.001，R = -0.36）和基质细胞（p < 0.001，R = -0.7）呈负相关。此外，基于干细胞评分（DNAss）和干细胞评分（RNAss）进行了 Spearman 相关性检验，探讨风险评分与癌症干性评分之间的关联，结果显示 RNAss 与风险评分呈正相关（p < 0.05，R = 0.16）。因此，预后模型的风险评分与癌症干细胞的活性之间可能存在密切关系。

IRGs与药物敏感性的关系

通过60种不同的人类癌细胞系（NCI-60）数据库，通过CellMiner界面（https://discover.nci.nih.gov/cellminer）进行评估，我们探索了IRGs对药物敏感性的影响，并获得了16具有统计学显着差异的药物。结果表明，KCNMB2的表达与异维A酸、伊穆喹莫特、醋酸甲地孕酮、氟奋乃静和氟维司群的敏感性呈正相关。说明KCNMB2表达量越高,对上述药物的敏感性越强。IL-18的表达与哌潘酮、硼替佐米、放线菌素D、雌莫司汀、维莫非尼、长春花碱、雷洛昔芬、三氧化二砷和洛莫司汀的敏感性呈负相关。此外，IFITM1的表达与伊马替尼呈正相关，GPR与奥希替尼呈负相关。研究表明，我们的风险评分计算模型可以有效预测癌细胞对这些药物的敏感性，并可能导致临床环境中更精确的药物使用。