基于加權(quán)平均共表達(dá)網(wǎng)絡(luò)識別與肝細(xì)胞癌進(jìn)展相關(guān)的關(guān)鍵基因

中文摘要肝癌是全球惡性腫瘤死亡的重要原因之一，其中肝細(xì)胞癌是最常見的原發(fā)性肝癌類型，占所有原發(fā)性肝癌的90%。在中國，肝細(xì)胞癌的發(fā)病率和死亡率分別位列惡性腫瘤第四和第三位，屬于惡性程度較高的類型。因此，本研究將基于加權(quán)平均共表達(dá)網(wǎng)絡(luò)的構(gòu)建，探究與肝細(xì)胞癌進(jìn)展相關(guān)的關(guān)鍵基因，以期為此類肝癌的臨床治療提供有力的幫助。我們對TCGA中獲得的HCC轉(zhuǎn)錄組數(shù)據(jù)以及樣本臨床信息數(shù)據(jù)進(jìn)行了預(yù)處理和差異表達(dá)分析，并利用加權(quán)平均共表達(dá)網(wǎng)絡(luò)篩選出與肝細(xì)胞癌進(jìn)展相關(guān)的關(guān)鍵模塊。基于前期研究，我們將關(guān)鍵模塊的基因和差異基因進(jìn)行比較，從而確定最佳的關(guān)鍵基因，并運用單因素Cox回歸和Lasso回歸，構(gòu)建出預(yù)測模型。通過計算關(guān)鍵基因的風(fēng)險回歸系數(shù)，我們獲得了樣本的風(fēng)險評分，將樣本按風(fēng)險評分進(jìn)行分組，并進(jìn)行K-M生存分析。最終，我們采用高低風(fēng)險分組的差異表達(dá)分析、單多因素Cox回歸以及對外部驗證集進(jìn)行驗證模型等多項評價，證明了所建立的肝細(xì)胞癌風(fēng)險預(yù)后模型的良好預(yù)測能力。經(jīng)過分析，我們發(fā)現(xiàn)16905個基因的表達(dá)水平存在顯著的變化，為此，我們利用超幾何分析、功能富集等方法，創(chuàng)建出一個加權(quán)的基因共表達(dá)網(wǎng)絡(luò)，從而確定出一些具有重要意義的關(guān)鍵模塊。最后，通過對這些關(guān)鍵模塊的比較，我們確定出最佳的候選基因。通過使用Cox和Lasso回歸技術(shù)，我們可以確定重要的基因。我們還可以對這些基因進(jìn)行K-M生存率測定，比較不同風(fēng)險水平的表達(dá)情況，同時還可以對其他兩種方法的結(jié)果進(jìn)行比較，最后通過外部驗證來ACK結(jié)果的準(zhǔn)確性。結(jié)果證明低風(fēng)險患者預(yù)后相對高風(fēng)險患者要好，從而證明了我們所建立的模型具有良好的預(yù)后效能。我們獲得了16905個基因的表達(dá)值進(jìn)行差異表達(dá)分析，在其基礎(chǔ)上構(gòu)建加權(quán)基因共表達(dá)網(wǎng)絡(luò)得到多個模塊，并通過超幾何分析和功能富集篩選關(guān)鍵模塊。將關(guān)鍵模塊與差異基因取交可得到候選關(guān)鍵基因。利用單因素Cox及Lasso回歸篩選關(guān)鍵基因并建立模型，根據(jù)模型將樣本進(jìn)行分組，進(jìn)行K-M生存分析、高低風(fēng)險組的差異表達(dá)分析以及單、多因素Cox分析以及外部驗證集驗證等多項評價。結(jié)果證明低風(fēng)險患者預(yù)后相對高風(fēng)險患者要好，從而證明了我們所建立的模型具有良好的預(yù)后效能。經(jīng)過深入研究，我們發(fā)現(xiàn)在HCC的發(fā)展歷史上，一系列重要的基因起著至關(guān)重要的作用，而且它們的表達(dá)水平也會對HCC的預(yù)后產(chǎn)生重要影響，從而為hcc的診斷、治療以及預(yù)后評估提供重要的參考依據(jù)。關(guān)鍵詞：肝細(xì)胞癌；WGCNA；關(guān)鍵基因；預(yù)后模型

Identificationofkeygenesdrivingtheprogressionofhepatocellularcarcinomabasedonweightedaverageco-expressionnetworksAbstractGlobally,livercancerisamajorcontributortothedeathofmalignanttumors,withHepatocellularCarcinoma(HCC)beingthemostprevalent,accountingfor90%ofallprimarylivercancers.InChina,HCCisfourthinincidenceandthirdinmortalityrates,andisdeemedahighlymalignanttype.ExploringkeygenesrelatedtoHCCprogressionthroughtheconstructionofaweightedgeneco-expressionnetwork,thisstudyseekstoproviderobustbackingforclinicaltreatmentofthistypeoflivercancer.WepreprocessedanddifferentiallyexpressedHCCtranscriptomedataandsampleclinicalinformationdataobtainedfromTCGA,andusedweightedmeanco-expressionnetworktoscreenoutkeymodulesassociatedwithHCCprogression.Onthisbasis,theintersectionofkeymodulegenesanddifferentialgeneswasselectedascandidatekeygenes,andtherequiredkeygeneswerefurtherscreenedbysingle-factorCoxregressionandLassoregressiontoestablishthepredictionmodel.Bycalculatingtheriskregressioncoefficientsofkeygenes,weobtainedtheriskscoresofthesamples,groupedthesamplesaccordingtotheriskscores,andconductedK-Msurvivalanalysis.Finally,weuseddifferentialexpressionanalysisofhighandlowriskgroups,singleandmulti-factorCoxregressionandvalidationmodelofexternalvalidationsetstoprovethegoodpredictiveabilityoftheestablishedhepatocellularcarcinomariskandprognosismodel.Weobtained16905geneexpressionvaluesfordifferentialexpressionanalysis,basedonwhichaweightedgeneco-expressionnetworkwasconstructedtoobtainmultiplemodules,andthekeymoduleswerescreenedbyhypergeometricanalysisandfunctionalenrichment.Candidatekeygenescanbeobtainedbycrossingkeymoduleswithdifferentialgenes.Single-factorCoxandLassoregressionwereusedtoscreenkeygenesandestablishamodel.Accordingtothemodel,thesamplesweregrouped,andanumberofevaluationsincludingK-Msurvivalanalysis,differentialexpressionanalysisofhigh-lowriskgroups,singlefactorCoxanalysisandmulti-factorCoxanalysisandexternalvalidationsetverificationwereconducted.Theresultsshowthattheprognosisoflow-riskpatientsisbetterthanthatofhigh-riskpatients,whichprovesthatourmodelhasgoodprognosticefficacy.Ourin-depthstudyrevealedthatanumberofessentialgenesareessentialtothehistoryofHCC,andtheirexpressionlevelswillhaveamajoreffectontheprognosisofHCC,thusmakingthemacrucialreferencefordiagnosing,treatingandevaluatinghcc.Keywords:Hepatocellularcarcinoma;WGCNA;Keygenes;Prognosticmodel1、文獻(xiàn)綜述1.1研究背景和國內(nèi)外研究現(xiàn)狀肝癌已被證實為全球惡性腫瘤死亡的首要原因，其中肝細(xì)胞癌（HCC）是最常見的原發(fā)性癌癥，它不僅可能與肝硬化有關(guān)ADDINEN.CITEADDINEN.CITE.DATA[1]，而且還可能與酗酒、慢性乙型肝炎、丙型肝炎以及攝入黃曲霉毒素等有毒物質(zhì)有關(guān)ADDINEN.CITEADDINEN.CITE.DATA[2]。肝細(xì)胞癌是一種常見的惡性腫瘤，在中國和世界其他地方發(fā)病率和死亡率都很高。肝細(xì)胞癌的治療效果不佳，僅10-20%的病例能夠通過外科技術(shù)獲得徹底的治療ADDINEN.CITEADDINEN.CITE.DATA[3]，而且5年的總體治愈率也不超過18%。統(tǒng)計數(shù)據(jù)顯示，到2025年，每年將有超過1萬肝癌新發(fā)病例，這對全球醫(yī)學(xué)領(lǐng)域構(gòu)成重大挑戰(zhàn)ADDINEN.CITE<EndNote><Cite><Author>Llovet</Author><Year>2021</Year><RecNum>8</RecNum><DisplayText><styleface="superscript"font="TimesNewRoman">[4]</style></DisplayText><record><rec-number>8</rec-number><foreign-keys><keyapp="EN"db-id="asvp9xx9kxe0rlex0wp5r5fxaepftrxd90ww"timestamp="1683808406">8</key><keyapp="ENWeb"db-id="">0</key></foreign-keys><ref-typename="JournalArticle">17</ref-type><contributors><authors><author>Llovet,JosepM.</author><author>Kelley,RobinKate</author><author>Villanueva,Augusto</author><author>Singal,AmitG.</author><author>Pikarsky,Eli</author><author>Roayaie,Sasan</author><author>Lencioni,Riccardo</author><author>Koike,Kazuhiko</author><author>Zucman-Rossi,Jessica</author><author>Finn,RichardS.</author></authors></contributors><titles><title>Hepatocellularcarcinoma</title><secondary-title>NatureReviewsDiseasePrimers</secondary-title></titles><periodical><full-title>NatureReviewsDiseasePrimers</full-title></periodical><volume>7</volume><number>1</number><dates><year>2021</year></dates><isbn>2056-676X</isbn><urls></urls><electronic-resource-num>10.1038/s41572-020-00240-3</electronic-resource-num></record></Cite></EndNote>[4]。因此，對肝細(xì)胞癌的研究非常重要?，F(xiàn)有一些研究表明，有一些基因在HCC的發(fā)展過程中發(fā)揮著極其重要的作用，可能成為肝細(xì)胞癌的藥物治療靶點和預(yù)后因子，為臨床治療和預(yù)后分析提供幫助。比如，TP53可以通過誘導(dǎo)細(xì)胞凋亡來調(diào)節(jié)肝癌干細(xì)胞的數(shù)量和活性，TP53的缺失或突變會導(dǎo)致肝癌干細(xì)胞的增殖和凋亡抵抗，從而促進(jìn)肝細(xì)胞癌的發(fā)生和進(jìn)展ADDINEN.CITE<EndNote><Cite><Author>Liu</Author><Year>2009</Year><RecNum>7</RecNum><DisplayText><styleface="superscript"font="TimesNewRoman">[5]</style></DisplayText><record><rec-number>7</rec-number><foreign-keys><keyapp="EN"db-id="asvp9xx9kxe0rlex0wp5r5fxaepftrxd90ww"timestamp="1683808336">7</key><keyapp="ENWeb"db-id="">0</key></foreign-keys><ref-typename="JournalArticle">17</ref-type><contributors><authors><author>Liu,Y.</author><author>Elf,S.E.</author><author>Asai,T.</author><author>Miyata,Y.</author><author>Liu,Y.</author><author>Sashida,G.</author><author>Huang,G.</author><author>DiGiandomenico,S.</author><author>Koff,A.</author><author>Nimer,S.D.</author></authors></contributors><auth-address>MolecularPharmacologyandChemistryProgram,Sloan-KetteringInstitute,MemorialSloan-KetteringCancerCenter,NewYork,NY,USA.</auth-address><titles><title>Thep53tumorsuppressorproteinisacriticalregulatorofhematopoieticstemcellbehavior</title><secondary-title>CellCycle</secondary-title></titles><periodical><full-title>CellCycle</full-title></periodical><pages>3120-4</pages><volume>8</volume><number>19</number><edition>2009/09/17</edition><keywords><keyword>Apoptosis</keyword><keyword>CellCycle</keyword><keyword>CellularSenescence</keyword><keyword>DNADamage</keyword><keyword>HematopoieticStemCells/*cytology/physiology</keyword><keyword>Proto-OncogeneProteinsc-mdm2/metabolism</keyword><keyword>TranscriptionFactors/metabolism</keyword><keyword>TumorSuppressorProteinp53/genetics/metabolism/*physiology</keyword></keywords><dates><year>2009</year><pub-dates><date>Oct1</date></pub-dates></dates><isbn>1551-4005(Electronic) 1538-4101(Print) 1551-4005(Linking)</isbn><accession-num>19755852</accession-num><urls><related-urls><url>/pubmed/19755852</url></related-urls></urls><custom2>PMC4637974</custom2><electronic-resource-num>10.4161/cc.8.19.9627</electronic-resource-num></record></Cite></EndNote>[5]；CTNNB1的異常激活促進(jìn)肝癌細(xì)胞的凋亡和自噬ADDINEN.CITEADDINEN.CITE.DATA[6]；c-Myc可以促進(jìn)肝癌細(xì)胞的增殖并且抑制細(xì)胞凋亡通路，c-Myc與多種信號通路相互作用和調(diào)控，如PI3K/Akt、Wnt等，從而參與了肝癌細(xì)胞的生長、轉(zhuǎn)移和藥物敏感性ADDINEN.CITEADDINEN.CITE.DATA[7]；SLC1A5在HBV相關(guān)肝細(xì)胞癌中扮演重要角色，通過調(diào)節(jié)免疫細(xì)胞浸潤和產(chǎn)生免疫抑制微環(huán)境來發(fā)揮作用，SLC1A5誘導(dǎo)的免疫檢查點基因在HBV相關(guān)肝細(xì)胞癌中高表達(dá)，可能抑制ICIs治療患者的治療反應(yīng)ADDINEN.CITE<EndNote><Cite><Author>Su</Author><Year>2023</Year><RecNum>5</RecNum><DisplayText><styleface="superscript"font="TimesNewRoman">[8]</style></DisplayText><record><rec-number>5</rec-number><foreign-keys><keyapp="EN"db-id="asvp9xx9kxe0rlex0wp5r5fxaepftrxd90ww"timestamp="1683808224">5</key><keyapp="ENWeb"db-id="">0</key></foreign-keys><ref-typename="JournalArticle">17</ref-type><contributors><authors><author>Su,H.</author><author>Liu,Y.</author><author>Huang,J.</author></authors></contributors><auth-address>DepartmentofClinicalLaboratory,InstituteofTranslationalMedicine,RenminHospitalofWuhanUniversity,Wuhan430060,China. WuxiSchoolofMedicine,JiangnanUniversity,Wuxi214122,China.</auth-address><titles><title>Ferroptosis-RelatedGeneSLC1A5IsaNovelPrognosticBiomarkerandCorrelateswithImmuneMicroenvironmentinHBV-RelatedHCC</title><secondary-title>JClinMed</secondary-title></titles><periodical><full-title>JClinMed</full-title></periodical><volume>12</volume><number>5</number><edition>2023/03/12</edition><keywords><keyword>Hbv</keyword><keyword>Hcc</keyword><keyword>Slc1a5</keyword><keyword>ferroptosis-relatedgene</keyword><keyword>tumormicroenvironment</keyword></keywords><dates><year>2023</year><pub-dates><date>Feb21</date></pub-dates></dates><isbn>2077-0383(Print) 2077-0383(Electronic) 2077-0383(Linking)</isbn><accession-num>36902506</accession-num><urls><related-urls><url>/pubmed/36902506</url></related-urls></urls><custom2>PMC10003624</custom2><electronic-resource-num>10.3390/jcm12051715</electronic-resource-num></record></Cite></EndNote>[8]。盡管與肝細(xì)胞癌進(jìn)展相關(guān)的關(guān)鍵基因的識別有了許多的發(fā)現(xiàn)，但是仍然需要進(jìn)一步的進(jìn)行研究，這將有利于我們了解肝細(xì)胞癌，且有助于肝細(xì)胞癌的一些預(yù)后治療。WGCNA（加權(quán)基因共表達(dá)網(wǎng)絡(luò)）技術(shù)被廣泛認(rèn)為是一種有效的系統(tǒng)生物學(xué)工具ADDINEN.CITE<EndNote><Cite><Author>Langfelder</Author><Year>2008</Year><RecNum>10</RecNum><DisplayText><styleface="superscript"font="TimesNewRoman">[9]</style></DisplayText><record><rec-number>10</rec-number><foreign-keys><keyapp="EN"db-id="asvp9xx9kxe0rlex0wp5r5fxaepftrxd90ww"timestamp="1683809353">10</key><keyapp="ENWeb"db-id="">0</key></foreign-keys><ref-typename="JournalArticle">17</ref-type><contributors><authors><author>Langfelder,P.</author><author>Horvath,S.</author></authors></contributors><auth-address>DepartmentofHumanGeneticsandDepartmentofBiostatistics,UniversityofCalifornia,LosAngeles,CA90095,USA.Peter.Langfelder@</auth-address><titles><title>WGCNA:anRpackageforweightedcorrelationnetworkanalysis</title><secondary-title>BMCBioinformatics</secondary-title></titles><periodical><full-title>BMCBioinformatics</full-title></periodical><pages>559</pages><volume>9</volume><edition>2008/12/31</edition><keywords><keyword>Algorithms</keyword><keyword>Animals</keyword><keyword>ComputationalBiology/*methods</keyword><keyword>ComputerGraphics</keyword><keyword>*ComputingMethodologies</keyword><keyword>Databases,Genetic</keyword><keyword>GeneExpressionProfiling/methods</keyword><keyword>Humans</keyword><keyword>Mice</keyword><keyword>OligonucleotideArraySequenceAnalysis/*methods</keyword><keyword>PatternRecognition,Automated</keyword><keyword>ProgrammingLanguages</keyword><keyword>*Software</keyword><keyword>SystemsBiology</keyword></keywords><dates><year>2008</year><pub-dates><date>Dec29</date></pub-dates></dates><isbn>1471-2105(Electronic) 1471-2105(Linking)</isbn><accession-num>19114008</accession-num><urls><related-urls><url>/pubmed/19114008</url></related-urls></urls><custom2>PMC2631488</custom2><electronic-resource-num>10.1186/1471-2105-9-559</electronic-resource-num></record></Cite></EndNote>[9]。該分析方法可以用來查找高度相關(guān)的基因簇，并以模塊為單位進(jìn)行分析，降低了運算量，提高了準(zhǔn)確性。WGCNA首先計算基因表達(dá)譜中各基因間的相關(guān)性，并將高度相關(guān)的基因聚集成網(wǎng)絡(luò)模塊，然后，通過對取樣樣本信息的附加來探索這些模塊與重要的生物學(xué)特征之間的關(guān)系，最后，利用網(wǎng)絡(luò)拓?fù)浞治龇椒▽δK進(jìn)行進(jìn)一步分析，以確定哪些模塊與感興趣的生物學(xué)過程相關(guān)。WGCNA最大的優(yōu)勢在于能揭示模塊的具體情況，可以從模塊級別上探索基因網(wǎng)絡(luò)與我們所研究的表型之間的關(guān)系和關(guān)鍵基因。該方法已經(jīng)被許多的學(xué)者用來研究各種癌癥及其潛在的靶點，例如董鵬志等人通過WGCNA對三陰性乳腺癌（TNBC）的基因表達(dá)譜進(jìn)行分析，確定了幾個關(guān)鍵通路，包括PI3K/AKT信號通路、WNT信號通路、轉(zhuǎn)錄因子調(diào)控等，發(fā)現(xiàn)了一些新的潛在靶點和生物標(biāo)志物，如SLC7A5、NUSAP1、FAM83B等，這些基因可能對于TNBC的診斷和治療具有重要意義ADDINEN.CITEADDINEN.CITE.DATA[10]；于維娜等人使用WGCNA方法對肺腺癌（LUAD）免疫治療耐藥性相關(guān)的基因表達(dá)譜進(jìn)行分析，鑒定出一組與免疫治療耐藥性顯著相關(guān)的基因，包括已知的與免疫逃逸和抗原呈遞等過程相關(guān)的基因，如PD-L1、CTLA-4、CD276等，還識別出一些新的潛在靶點和生物標(biāo)志物，如FADS2、SLC7A5、CENPF等ADDINEN.CITE<EndNote><Cite><Author>Yu</Author><Year>2021</Year><RecNum>12</RecNum><DisplayText><styleface="superscript"font="TimesNewRoman">[11]</style></DisplayText><record><rec-number>12</rec-number><foreign-keys><keyapp="EN"db-id="asvp9xx9kxe0rlex0wp5r5fxaepftrxd90ww"timestamp="1683810881">12</key><keyapp="ENWeb"db-id="">0</key></foreign-keys><ref-typename="JournalArticle">17</ref-type><contributors><authors><author>Yu,W.</author><author>Liu,F.</author><author>Lei,Q.</author><author>Wu,P.</author><author>Yang,L.</author><author>Zhang,Y.</author></authors></contributors><auth-address>BiotherapyCenterandCancerCenter,TheFirstAffiliatedHospitalofZhengzhouUniversity,Zhengzhou,China. HenanKeyLaboratoryforTumorImmunologyandBiotherapy,ZhengzhouUniversity,Zhengzhou,China. StateKeyLaboratoryofEsophagealCancerPreventionandTreatment,ZhengzhouUniversity,Zhengzhou,China. SchoolofLifeSciences,ZhengzhouUniversity,Zhengzhou,China.</auth-address><titles><title>IdentificationofKeyPathwaysandGenesRelatedtoImmunotherapyResistanceofLUADBasedonWGCNAAnalysis</title><secondary-title>FrontOncol</secondary-title></titles><periodical><full-title>FrontOncol</full-title></periodical><pages>814014</pages><volume>11</volume><edition>2022/01/25</edition><keywords><keyword>Luad</keyword><keyword>Tide</keyword><keyword>Wgcna</keyword><keyword>cancerstemcell</keyword><keyword>immunotherapyresistance</keyword><keyword>commercialorfinancialrelationshipsthatcouldbeconstruedasapotential</keyword><keyword>conflictofinterest.</keyword></keywords><dates><year>2021</year></dates><isbn>2234-943X(Print) 2234-943X(Electronic) 2234-943X(Linking)</isbn><accession-num>35071018</accession-num><urls><related-urls><url>/pubmed/35071018</url></related-urls></urls><custom2>PMC8770266</custom2><electronic-resource-num>10.3389/fonc.2021.814014</electronic-resource-num></record></Cite></EndNote>[11]。因此我們也可以在本課題中基于WGCNA識別出與肝細(xì)胞癌進(jìn)展相關(guān)的關(guān)鍵基因為肝細(xì)胞癌的臨床治療提供一定的價值。1.2研究內(nèi)容及研究意義本課題通過加權(quán)平均共表達(dá)網(wǎng)絡(luò)的構(gòu)建，識別肝細(xì)胞癌進(jìn)展相關(guān)的關(guān)鍵基因并建立預(yù)后模型。通過對TCGA數(shù)據(jù)庫中肝細(xì)胞癌的RNA-seq數(shù)據(jù)進(jìn)行深入分析，我們試圖找到與肝細(xì)胞癌預(yù)后有關(guān)的基因，以期望獲得更準(zhǔn)確的預(yù)測結(jié)果。然后，使用加權(quán)平均表達(dá)網(wǎng)絡(luò)（WGCNA）方法構(gòu)建共表達(dá)網(wǎng)絡(luò)模塊，篩選關(guān)鍵模塊。此外，關(guān)鍵基因是通過單因素Cox和Lasso回歸分析確定的，并以此建立預(yù)測模型。根據(jù)模型計算風(fēng)險得分，將樣本分為高低風(fēng)險組并進(jìn)行KM生存分析、差異表達(dá)分析和通路富集分析等驗證。研究表明，肝細(xì)胞癌的關(guān)鍵基因?qū)τ陬A(yù)測患者的預(yù)后和發(fā)病機制至關(guān)重要，它們不僅可以幫助我們更好地理解肝細(xì)胞癌的發(fā)展過程，而且還可以為臨床治療提供寶貴的指導(dǎo)。未來，結(jié)合多種生物信息學(xué)技術(shù)和實驗手段的綜合分析，可以進(jìn)一步深入探究這些關(guān)鍵基因在肝細(xì)胞癌的疾病機制和治療中的作用，為肝細(xì)胞癌的研究和治療提供更為全面的認(rèn)識和解決方案。

2、材料與方法2.1肝細(xì)胞癌數(shù)據(jù)處理本課題旨在研究與肝細(xì)胞癌進(jìn)展相關(guān)的分子機制，為深入探究該疾病的發(fā)生和發(fā)展提供基礎(chǔ)數(shù)據(jù)和參考。因此，我們從TCGA數(shù)據(jù)庫中獲取了421個肝細(xì)胞癌患者的轉(zhuǎn)錄組測序數(shù)據(jù)，并進(jìn)行了初步的數(shù)據(jù)整合和篩選。首先，我們刪除了樣本名稱中包含“sample=02”的樣本，“sample=02”表示同一患者第二次采集的腫瘤組織樣本，即重復(fù)樣本，保留了正常樣本以及原發(fā)癌患者樣本共計419個進(jìn)行后續(xù)分析。然后，我們利用下載好的測序數(shù)據(jù)篩選出我們所要研究的蛋白編碼基因，并過濾掉在癌癥樣本中表達(dá)不足30%的基因，最終得到16905個基因在419個樣本的TPM值。為了消除不同基因和樣本之間的技術(shù)和批次差異，并便于后續(xù)分析和比較，我們采用log2（TPM+1）標(biāo)準(zhǔn)化方法對TPM數(shù)據(jù)進(jìn)行處理和轉(zhuǎn)換。通過這一步驟，我們得到了符合要求的基因集和表達(dá)數(shù)據(jù)，為后續(xù)的數(shù)據(jù)挖掘和建模提供了可靠的基礎(chǔ)和參考。隨后，我們使用count數(shù)據(jù)與處理好的TPM數(shù)據(jù)進(jìn)行比對，得到了16905個基因在419個樣本中的count表達(dá)值。綜上所述，通過對TCGA數(shù)據(jù)庫中的RNA-seq數(shù)據(jù)進(jìn)行整合和篩選，我們得到了符合要求的基因集和表達(dá)數(shù)據(jù)，并使用標(biāo)準(zhǔn)化方法對TPM數(shù)據(jù)進(jìn)行處理和轉(zhuǎn)換。隨后，我們使用count數(shù)據(jù)與處理好的TPM數(shù)據(jù)進(jìn)行比對，得到了16905個基因在419個樣本中的count表達(dá)值，為后續(xù)的數(shù)據(jù)挖掘和建模提供了可靠的基礎(chǔ)和參考。2.2差異表達(dá)分析及功能富集2.2.1差異表達(dá)分析為了探究肝細(xì)胞癌的分子機制和生物學(xué)特征，我們利用TCGA數(shù)據(jù)庫中的轉(zhuǎn)錄組測序數(shù)據(jù)進(jìn)行差異表達(dá)分析。首先，我們根據(jù)樣本的命名將樣本以正常和癌癥兩組分別進(jìn)行分類，其中包括50個正常樣本和369個癌癥樣本。接下來，我們以這些樣本的count表達(dá)數(shù)據(jù)作為輸入文件，并進(jìn)行取整操作。經(jīng)過DeSeq2包的比較，以及結(jié)合foldchange和t檢驗的方法，最終確定了腫瘤患者的某些特定基因的表達(dá)水平明顯高于健康人群。在這些研究中，p值低于0.05，而log2foldchange值高于1或者低于-1的基因可能具有顯著的遺傳變化。具體而言，我們采用log2foldchange值來衡量基因的表達(dá)變化程度。當(dāng)log2foldchange大于1時，表示該基因在癌癥樣本中的表達(dá)顯著上調(diào)；而當(dāng)log2foldchange值小于-1時，則表示該基因在癌癥樣本中表達(dá)顯著下調(diào)。這些差異表達(dá)基因的篩選，為我們進(jìn)一步研究肝細(xì)胞癌的分子機制和生物學(xué)特征提供了重要的參考和依據(jù)。2.2.2差異基因的功能富集為了更深入地探索差異基因在HCC進(jìn)展中的作用，我們使用R中的clusterProfiler包對顯著差異的上下調(diào)基因分別進(jìn)行了功能富集分析。在進(jìn)行功能富集之前，我們需要對我們數(shù)據(jù)中的基因名稱進(jìn)行轉(zhuǎn)換，我們利用R中的org.Hs.eg.db包，將我們的基因名從genesymbol轉(zhuǎn)換為EntrezID，以便于后續(xù)功能富集分析。GO功能富集分析可幫助我們了解在不同的細(xì)胞、組織或環(huán)境條件下，參與特定生物過程、分子功能或細(xì)胞成分的基因或蛋白質(zhì)。KEGG則可以幫助我們發(fā)現(xiàn)哪些代謝途徑或信號通路在這些條件下得到了調(diào)節(jié)或激活。具體而言，我們將差異表達(dá)基因提交至clusterProfiler包進(jìn)行富集分析，篩選出p值小于0.05的富集結(jié)果，并采用氣泡圖對其進(jìn)行可視化展示。通過此分析，我們能夠進(jìn)一步了解差異表達(dá)基因的功能特征以及相關(guān)通路，并進(jìn)一步探索這些差異表達(dá)基因如何影響生物學(xué)功能和疾病發(fā)生的機制，從而有助于揭示肝細(xì)胞癌的發(fā)病機制和潛在治療靶點，為后續(xù)研究提供重要參考。2.3基于加權(quán)平均共表達(dá)網(wǎng)絡(luò)篩選關(guān)鍵模塊及候選關(guān)鍵基因2.3.1處理數(shù)據(jù)格式在進(jìn)行WGCNA分析之前，我們需要對癌癥樣本的標(biāo)準(zhǔn)化后的TPM數(shù)據(jù)進(jìn)行篩選，并將其作為輸入文件。具體而言，我們應(yīng)該只選擇癌癥樣本的數(shù)據(jù)，并且需要對表達(dá)矩陣進(jìn)行轉(zhuǎn)置，使得行名為樣本名，列名為基因名。這可以通過以下步驟來完成：從原始的TPM數(shù)據(jù)中選擇癌癥樣本的數(shù)據(jù)，并將其保存到一個新的文件中。使用R中的read.table（）函數(shù)將新文件中的數(shù)據(jù)讀入到一個數(shù)據(jù)框中，并使用t（）函數(shù)對其進(jìn)行轉(zhuǎn)置。將轉(zhuǎn)置后的數(shù)據(jù)框保存到一個新的文件中，以作為后續(xù)WGCNA所需要的輸入文件。這些預(yù)處理步驟可以確保輸入數(shù)據(jù)的準(zhǔn)確性和一致性，提高分析結(jié)果的可靠性和有效性。2.3.2軟閾值的篩選WGCNA技術(shù)的核心思想在于通過計算皮爾森相關(guān)系數(shù)來確定兩兩基因的相互作用，并通過計算來提高模型的精確度，最終形成一種具有較高精確度的多維共表達(dá)網(wǎng)絡(luò)，其中每兩兩基因的相互作用都可以通過冪次計算來提高模型的精確度。通過采用軟閾值法，可以有效地改善模型的性能，其中，軟閾值的取值是決定模型性能的關(guān)鍵因素。為此，可以采取R2作為參考，當(dāng)R2值趨于1時，模型的性能較好，趨于0時，模型的性能較好，從而達(dá)到較好的模擬效果。通過WGCNA，我們能夠利用R包內(nèi)的pickSoftThreshold函數(shù)，對相似度進(jìn)行power值加權(quán)，從而獲得一個更優(yōu)的無尺度網(wǎng)絡(luò)適應(yīng)度，其中，當(dāng)power值達(dá)到0.9或更高的閾值時，將會被認(rèn)為是最優(yōu)的。本函數(shù)不僅能夠提供直觀的輸出，而且能夠根據(jù)不同的節(jié)點，提供準(zhǔn)確的power值，從而實現(xiàn)對多個基因的加權(quán)共表達(dá)，從而更好地滿足用戶的需求。2.3.3識別加權(quán)平均共表達(dá)模塊經(jīng)過WGCNA分析，我們可以利用blockwiseModules函數(shù)，構(gòu)建一個加權(quán)的基因共表達(dá)網(wǎng)絡(luò)，從而實現(xiàn)基因相關(guān)性矩陣、加權(quán)優(yōu)化后的相關(guān)性鄰接矩陣和拓?fù)渲丿B矩陣（TOM）的有效結(jié)合。TOM的相關(guān)性鄰接矩陣不僅僅考慮了兩個基因之間的線性關(guān)系，而且還考慮到它們之間的復(fù)雜關(guān)系，從而構(gòu)建出一個更加復(fù)雜的網(wǎng)絡(luò)，有助于更有效地將基因組織成更大的模塊。在執(zhí)行blockwiseModules函數(shù)時，我們需要提供輸入數(shù)據(jù)和相應(yīng)的參數(shù)設(shè)置，包括power值、最小模塊大小、拓?fù)渲丿B閾值等。該函數(shù)將輸出構(gòu)建好的基因共表達(dá)模塊數(shù)量以及每個基因所屬的模塊信息等結(jié)果。在本次分析中，我們共得到15個基因共表達(dá)模塊。2.3.4加權(quán)平均共表達(dá)網(wǎng)絡(luò)的分析2.3.5超幾何分析篩選出富集到差異基因上的模塊為了進(jìn)一步探究不同的模塊與肝細(xì)胞癌的發(fā)生和發(fā)展之間的關(guān)系，我們可以通過超幾何分析計算每個模塊內(nèi)基因是否顯著富集到差異表達(dá)基因。具體而言，我們將差異基因與每個模塊中的基因行比對，基于超幾何計算模塊內(nèi)的基因富集到差異表達(dá)基因上的程度。在這個過程中，p值越小，則說明該模塊內(nèi)的基因與差異表達(dá)基因的聯(lián)系越顯著。通過調(diào)整p值閾值，我們可以有效地識別出具有明顯差異表達(dá)的基因，尤其是當(dāng)p值低于0.05時，這種方法更加有效地促進(jìn)了基因組的聚合。2.3.6篩選關(guān)鍵模塊對得到的候選關(guān)鍵模塊進(jìn)行功能富集分析，可以幫助我們更好地理解不同模塊在肝細(xì)胞癌發(fā)生和發(fā)展中的作用。具體而言，我們可以先提取出每個模塊內(nèi)的基因，并使用R包AnnotationDbi中的enrichGO和enrichKEGG函數(shù)進(jìn)行GO和KEGG分析。該函數(shù)將輸出每個模塊所富集到的GO和KEGG通路以及相應(yīng)的p值等結(jié)果。為了更好地選擇關(guān)鍵模塊，我們可以根據(jù)模塊富集出的功能和信號通路的描述，結(jié)合文獻(xiàn)報道和實驗驗證等信息來進(jìn)行判斷。在選擇關(guān)鍵模塊時，我們需要考慮多個因素，例如富集的通路與肝細(xì)胞癌發(fā)生發(fā)展的關(guān)系、模塊內(nèi)基因的相互作用網(wǎng)絡(luò)等信息。2.3.7篩選候選關(guān)鍵基因為了進(jìn)一步篩選與肝細(xì)胞癌進(jìn)展相關(guān)的關(guān)鍵基因，我們可以將所篩選出的關(guān)鍵模塊與差異表達(dá)基因進(jìn)行取交集。這將得到既在差異表達(dá)基因列表中又在關(guān)鍵模塊中的基因。這些基因可能是較為重要的候選基因，因為它們同時具有在癌癥組織中不同表達(dá)和參與特定功能或通路的特點。然后，我們可以對這些基因進(jìn)行更深入的分析，例如進(jìn)一步進(jìn)行生物信息學(xué)、基因表達(dá)調(diào)控網(wǎng)絡(luò)等方面的研究，以幫助我們理解其在肝細(xì)胞癌發(fā)生和發(fā)展中的作用。2.4基于生存分析篩選與HCC進(jìn)展相關(guān)的關(guān)鍵基因建立預(yù)后模型2.4.1單因素Cox及Lasso回歸分析篩選關(guān)鍵基因通過分析肝細(xì)胞癌患者的臨床信息文件，我們可以深入探究基因表達(dá)水平對其總生存期的影響。通過R包survival和coxph函數(shù)，我們可以深入探究基因表達(dá)量對生存的影響，并利用單因素Cox回歸分析來更好地理解這種關(guān)系。我們將獲得每個基因的標(biāo)準(zhǔn)誤差（SE）、風(fēng)險比（HR）以及p值等結(jié)果。為了篩選顯著與肝細(xì)胞癌進(jìn)展相關(guān)的關(guān)鍵基因，我們可以選擇p值小于0.005的基因作為候選關(guān)鍵基因。經(jīng)過深入探索，我們得出結(jié)論：這些基因可能會對肝細(xì)胞癌患者的總生存期產(chǎn)生顯著影響，需要進(jìn)一步研究其在癌癥發(fā)生和發(fā)展過程中的作用機制。在對肝細(xì)胞癌患者總生存期進(jìn)行單因素Cox回歸分析后，我們需要去除掉生存時間（OS.time）為缺失值的樣本。接著，我們可以利用Lasso回歸分析將具有代表性的、與生存顯著相關(guān)的關(guān)鍵基因篩選出來作為預(yù)測模型的輸入基因。Lasso回歸是一種使用L1正則化技術(shù)的線性回歸方法，它可以幫助我們篩選出最能夠解釋數(shù)據(jù)變異的重要特征。在進(jìn)行Lasso回歸分析時，我們需要調(diào)整參數(shù)lambda來平衡模型的擬合度和模型的復(fù)雜度。我們可以使用R包glmnet中的cv.glmnet函數(shù)對Lasso模型進(jìn)行深入研究，結(jié)合多種方法的相互作用，以確定出更優(yōu)的lambda參數(shù)。經(jīng)過Lasso回歸分析篩選后，我們將得到具有代表性的、與生存顯著相關(guān)的關(guān)鍵基因，這些基因?qū)⒈挥米鹘⒏渭?xì)胞癌患者生存預(yù)測模型的輸入基因。2.4.2建立肝細(xì)胞癌風(fēng)險預(yù)后模型經(jīng)過Lasso回歸分析篩選之后，我們得到了最終的關(guān)鍵基因以及它們在模型中的回歸系數(shù)。通過Cox回歸模型，我們可以將多個關(guān)鍵基因整合在一起，從而構(gòu)建一個準(zhǔn)確的肝細(xì)胞癌風(fēng)險預(yù)測模型。具體而言，我們可以使用coxph（）函數(shù)，結(jié)合回歸結(jié)果，計算出每位患者的風(fēng)險評分，從而更好地掌握患者的病情變化。最終建立的預(yù)后模型將能夠根據(jù)患者的基因表達(dá)信息來預(yù)測其總生存期。該模型可通過將患者的基因表達(dá)數(shù)據(jù)輸入到模型中進(jìn)行評估，并給出相應(yīng)的風(fēng)險評分和預(yù)測結(jié)果。2.4.3基于模型進(jìn)行生存分析通過對肝細(xì)胞癌患者的基因表達(dá)量和回歸系數(shù)的分析，我們建立了一套風(fēng)險評估模型，并將其按照中位數(shù)的大小劃分為高風(fēng)險組和低風(fēng)險組。隨后，我們可以根據(jù)這兩個組別作為二分類變量，使用K-M方法來估計生存曲線，并進(jìn)行生存分析。通過應(yīng)用survival包的survfit（）函數(shù)，我們能夠有效地評估出各個群體的高低危機水平，從而實現(xiàn)K-M生存模型，而log-rank則是一種有效的統(tǒng)計方法，它能夠有效地揭示出各個群體的生存狀況。最終，我們將得到不同組別的生存曲線、存活率、中位生存時間等信息，從而更好地理解關(guān)鍵基因在肝細(xì)胞癌進(jìn)展中的作用。2.5預(yù)后模型驗證2.5.1根據(jù)高低風(fēng)險分組進(jìn)行差異表達(dá)分析并功能富集在將肝細(xì)胞癌患者分為高低風(fēng)險組后，我們可以進(jìn)行差異表達(dá)分析以進(jìn)一步研究關(guān)鍵基因與肝細(xì)胞癌發(fā)展的相關(guān)性。通過t檢驗與foldchange的相互配合，我們能夠比較出不同風(fēng)險水平下的樣品的表現(xiàn)，并選取p值小于0.05且log2foldchange值大于1或者小于-1的基因作為顯著差異表達(dá)基因。接下來，我們需要使用R包AnnotationDbi的enrichGo和enrichKEGG函數(shù)來對GO和KEGG數(shù)據(jù)進(jìn)行深入的研究，這些函數(shù)有助于更好地理解不同的基因?qū)ο鄳?yīng)的生物學(xué)特征的影響。通過生物信息學(xué)分析，我們可以更好地理解差異表達(dá)基因在肝細(xì)胞癌發(fā)展中的作用，從而進(jìn)一步闡明不同基因和通路在肝細(xì)胞癌進(jìn)展過程中的調(diào)節(jié)機制和相互作用。2.5.2單因素cox回歸驗證肝細(xì)胞癌風(fēng)險模型預(yù)后效能肝細(xì)胞癌是一種常見的惡性腫瘤，其預(yù)后與多種因素密切相關(guān)。在臨床治療過程中，預(yù)測肝細(xì)胞癌患者的預(yù)后情況對于提高治療效果和生存率至關(guān)重要。單因素Cox回歸分析是評估患者預(yù)后情況的一種常用方法，可以通過驗證不同因素在肝細(xì)胞癌患者預(yù)后中的預(yù)測效能，為制定更加個體化、精準(zhǔn)的治療方案提供依據(jù)。通過Cox回歸分析，我們可以對每一組的數(shù)據(jù)進(jìn)行排序，以確定哪些是最具危害性的，哪些是最安全的。接著，我們可以利用Cox回歸模型，對兩組的數(shù)據(jù)進(jìn)行統(tǒng)計學(xué)處理，以確定它們的生存率，最終通過log-rank檢驗，對兩組的數(shù)值變化情況進(jìn)行對比。如果通過Cox回歸分析得出結(jié)論，即某種影響因子對于改善肝細(xì)胞癌病人的預(yù)后起著至關(guān)重要的作用，那么這種影響就不僅僅是影響病人的死亡率，而是影響其治療效果的關(guān)鍵指標(biāo)。需要注意的是，單因素Cox回歸分析僅考慮了單個因素對預(yù)后的影響，無法全面反應(yīng)多種因素相互作用對預(yù)后的影響。因此，在進(jìn)行肝細(xì)胞癌患者預(yù)后評估時，還需要綜合考慮多種因素，如年齡、性別、臨床病期、治療方案等，采用多因素Cox回歸模型進(jìn)行分析，以便更準(zhǔn)確地評估患者的預(yù)后情況?？傊?，單因素Cox回歸分析是評判HCC患者預(yù)后情況的常用方法之一，能夠有效地揭示不同因素對生存時間的影響程度，并驗證預(yù)測模型的有效性。但在實踐應(yīng)用中，需要結(jié)合多種方法和技術(shù)，綜合考慮多種因素對預(yù)后的影響，為肝細(xì)胞癌患者制定更加個體化、精準(zhǔn)的治療方案和生存指導(dǎo)。2.5.3多因素Cox回歸驗證肝細(xì)胞癌風(fēng)險模型預(yù)后效能為了驗證我們所計算出來的風(fēng)險評分是否是一個獨立的預(yù)后因素，不會因其他臨床因素而改變，我們繼而利用多因素Cox回歸分析檢驗我們的模型。在生物信息分析中，多因素Cox回歸分析是用于驗證肝細(xì)胞癌預(yù)后模型的常用方法之一。本研究旨在探究多種可能會改善患者預(yù)后的因子，通過survival包的coxph函數(shù)，我們可以肝細(xì)胞癌的預(yù)后情況進(jìn)行深入的研究，該函數(shù)將多種可能對預(yù)后產(chǎn)生重大影響的因子作為自變量，包括但不限于性別、腫瘤大小、年齡、腫瘤分化程度等。具體而言，在R語言中，可以使用survival包中的coxph函數(shù)進(jìn)行多因素Cox回歸分析，其中自變量為多個可能影響預(yù)后的因素，因變量為生存狀態(tài)（status）以及生存時間（time）。通過比較各自變量的風(fēng)險比（HR）和95%置信區(qū)間，來評估不同因素對生存時間以及生存狀態(tài)的相對影響力。如果在多因素Cox回歸分析中發(fā)現(xiàn)，預(yù)先選定的風(fēng)險因素能夠保持較強的影響力，并與其他臨床因素具有較弱的相關(guān)性，則說明所建立的預(yù)后模型具有良好的預(yù)測效能。通過使用這一模型，我們能夠準(zhǔn)確地評估患者的死亡危機，從而為他們設(shè)計出最佳的治療策略，從而大大改善他們的生活品質(zhì)和死亡率。2.5.4GEO數(shù)據(jù)集驗證集驗證預(yù)后模型為了充分驗證肝細(xì)胞癌預(yù)后模型的預(yù)測效能，并評估其在不同數(shù)據(jù)集中的適用性，收集外部驗證集并利用該數(shù)據(jù)集對模型進(jìn)行驗證是一種常見方法。具體來說，我們可以從公共數(shù)據(jù)庫（如GEO）中收集其他研究組所發(fā)表的肝細(xì)胞癌數(shù)據(jù)集作為外部驗證集，然后將這些樣本按照之前建立的模型進(jìn)行風(fēng)險評分，并在此基礎(chǔ)上進(jìn)行生存分析和預(yù)測。如果經(jīng)過對比，發(fā)現(xiàn)與對照組相比，高危人群的生存率要遠(yuǎn)遠(yuǎn)降低，這表明這種預(yù)測方法非常準(zhǔn)確，而且它已經(jīng)被廣泛地應(yīng)用到了各種不同的研究領(lǐng)域。但需要注意，在將模型應(yīng)用于新的數(shù)據(jù)集時，必須確保這些數(shù)據(jù)集與原始數(shù)據(jù)集在臨床特征和數(shù)據(jù)質(zhì)量方面具有相似性。例如，病人的年齡、性別、腫瘤分期等重要臨床信息要求分布情況相似，以確保結(jié)果的可靠性。此外，還應(yīng)注意混雜因素的影響，并結(jié)合實際情況和多個指標(biāo)進(jìn)行全面評估。經(jīng)過實際檢查，若發(fā)現(xiàn)與對照組相比，高危組的生存概率要大大降低，這表明這種預(yù)測方法可以準(zhǔn)確反映出病人的健康狀況，并且可以更加精確地識別出各種病情的危害程度。3、結(jié)果3.1肝細(xì)胞癌數(shù)據(jù)處理首先我們從TCGA數(shù)據(jù)庫中，獲得肝細(xì)胞癌的轉(zhuǎn)錄組測序數(shù)據(jù)并進(jìn)行整合，得到肝細(xì)胞癌的表達(dá)譜文件、注釋信息文件以及樣本的臨床信息文件（34156個基因，421個樣本）。首先根據(jù)樣本的名稱刪除了sample=02的樣本，sample=02的樣本為同一患者第二次采集的腫瘤組織樣本，即同一患者的轉(zhuǎn)移癌樣本或者說是重復(fù)樣本，保留正常以及原發(fā)癌一共419個樣本繼而進(jìn)行后續(xù)的研究。利用我們下載好的測序數(shù)據(jù)篩選我們所要研究的蛋白編碼基因，剩余19044個基因，并過濾掉在癌癥樣本中表達(dá)不足30%的基因，最終得到16905個基因在419個樣本的TPM值。再對TPM數(shù)據(jù)進(jìn)行l(wèi)og2（TPM+1）標(biāo)準(zhǔn)化以便于后續(xù)分析，再用count與處理好的TPM進(jìn)行比對得到16905個基因在419個樣本中的count值（表3-1）。表3-1數(shù)據(jù)處理過程Table3-1Dataprocessingprocedure處理過程處理結(jié)果原始（樣本×基因）421×34156刪除sample=02419×34156篩選蛋白編碼基因419×19044過濾掉在cancer樣本中表達(dá)不足30%的樣本419×34156注：該表格為肝細(xì)胞癌數(shù)據(jù)的預(yù)處理過程，我們刪除了sample=02的樣本并只篩選了蛋白編碼基因，最后刪除在癌癥樣本中表達(dá)不足30%的基因。3.2差異表達(dá)分析及功能富集3.2.1差異表達(dá)分析使用DeSeq2R包，基于肝細(xì)胞癌的count表達(dá)數(shù)據(jù)，經(jīng)過精確的計算，以及t檢驗與foldchange的結(jié)合，最終得出P值低于0.05，log2foldchange高于1或低于-1的基因作為腫瘤的差異表達(dá)基因，最后得到了3085個顯著上調(diào)的基因和1165個顯著下調(diào)的基因（表3-2），并將差異表達(dá)基因按照P值排序?qū)η?0個差異表達(dá)基因的P值及上下調(diào)情況進(jìn)行了展示（表3-3）。根據(jù)以往的研究發(fā)現(xiàn)：CENPF可以通過調(diào)節(jié)細(xì)胞周期、凋亡和Wnt/β-catenin等信號通路促進(jìn)肝癌的發(fā)生和發(fā)展ADDINEN.CITE<EndNote><Cite><Author>Huang</Author><Year>2021</Year><RecNum>13</RecNum><DisplayText><styleface="superscript"font="TimesNewRoman">[12]</style></DisplayText><record><rec-number>13</rec-number><foreign-keys><keyapp="EN"db-id="asvp9xx9kxe0rlex0wp5r5fxaepftrxd90ww"timestamp="1683858427">13</key><keyapp="ENWeb"db-id="">0</key></foreign-keys><ref-typename="JournalArticle">17</ref-type><contributors><authors><author>Huang,Y.</author><author>Chen,X.</author><author>Wang,L.</author><author>Wang,T.</author><author>Tang,X.</author><author>Su,X.</author></authors></contributors><auth-address>DepartmentofPathology,TaiheHospital,HubeiUniversityofMedicine,Hubei44200,China. DepartmentofImmunology,NankaiUniversitySchoolofMedicine,Tianjin300110,China.</auth-address><titles><title>CentromereProteinF(CENPF)ServesasaPotentialPrognosticBiomarkerandTargetforHumanHepatocellularCarcinoma</title><secondary-title>JCancer</secondary-title></titles><periodical><full-title>JCancer</full-title></periodical><pages>2933-2951</pages><volume>12</volume><number>10</number><edition>2021/04/16</edition><keywords><keyword>Cenpf</keyword><keyword>Hcc</keyword><keyword>bioinformaticsanalysis.</keyword><keyword>biomarker</keyword><keyword>hepatocellularcarcinoma</keyword><keyword>prognosticvalue</keyword><keyword>survival</keyword></keywords><dates><year>2021</year></dates><isbn>1837-9664(Print) 1837-9664(Electronic) 1837-9664(Linking)</isbn><accession-num>33854594</accession-num><urls><related-urls><url>/pubmed/33854594</url></related-urls></urls><custom2>PMC8040902</custom2><electronic-resource-num>10.7150/jca.52187</electronic-resource-num></record></Cite></EndNote>[12]；NUF2可以通過多種信號通路促進(jìn)肝癌細(xì)胞的增殖、遷移和侵襲，包括NF-κB、Wnt/β-catenin、MAPK/ERK和PI3K/AKT等通路ADDINEN.CITE<EndNote><Cite><Author>Xie</Author><Year>2021</Year><RecNum>14</RecNum><DisplayText><styleface="superscript"font="TimesNewRoman">[13]</style></DisplayText><record><rec-number>14</rec-number><foreign-keys><keyapp="EN"db-id="asvp9xx9kxe0rlex0wp5r5fxaepftrxd90ww"timestamp="1683859738">14</key><keyapp="ENWeb"db-id="">0</key></foreign-keys><ref-typename="JournalArticle">17</ref-type><contributors><authors><author>Xie,X.</author><author>Jiang,S.</author><author>Li,X.</author></authors></contributors><auth-address>CollegeofPlantProtection,HenanAgriculturalUniversity,Zhengzhou,China. KeyLaboratoryofForensicToxicologyofHerbalMedicines,GuizhouEducationDepartment,SchoolofBasicMedicine,GuizhouUniversityofTraditionalChineseMedicine,Guiyang,China.</auth-address><titles><title>Nuf2IsaPrognostic-RelatedBiomarkerandCorrelatedWithImmuneInfiltratesinHepatocellularCarcinoma</title><secondary-title>FrontOncol</secondary-title></titles><periodical><full-title>FrontOncol</full-title></periodical><pages>621373</pages><volume>11</volume><edition>2021/03/27</edition><keywords><keyword>Nuf2</keyword><keyword>biomarkers</keyword><keyword>hepatocellularcarcinoma</keyword><keyword>prognosis</keyword><keyword>tumorimmunity</keyword><keyword>commercialorfinancialrelationshipsthatcouldbeconstruedasapotential</keyword><keyword>conflictofinterest.</keyword></keywords><dates><year>2021</year></dates><isbn>2234-943X(Print) 2234-943X(Electronic) 2234-943X(Linking)</isbn><accession-num>33767990</accession-num><urls><related-urls><url>/pubmed/33767990</url></related-urls></urls><custom2>PMC7985438</custom2><electronic-resource-num>10.3389/fonc.2021.621373</electronic-resource-num></record></Cite></EndNote>[13]；THBS4可以通過FAK/PI3K/AKT信號通路激活I(lǐng)TGB1，從而促進(jìn)HCC的生長和轉(zhuǎn)移ADDINEN.CITEADDINEN.CITE.DATA[14]等。接下來我們利用ggplot2R包繪制火山圖將我們所得的差異表達(dá)分析結(jié)果進(jìn)行可視化，通過使用藍(lán)色和紅色兩種顏色，我們能夠清晰地看到不同的基因，在這些基因中選取一些最顯著的，我們選取p<0.000001且log2foldchange>=10的基因?qū)ζ溥M(jìn)行基因名標(biāo)注（圖3-1A）。然后對這些基因進(jìn)行進(jìn)行了文獻(xiàn)查找，發(fā)現(xiàn)CTAG的表達(dá)上調(diào)與細(xì)胞周期通路相關(guān)，CTAG2可能通過影響細(xì)胞周期來影響腫瘤大小，許多抗腫瘤藥物通過影響細(xì)胞周期起作用，而CTAG2通過影響細(xì)胞周期來促進(jìn)腫瘤生長，CTAG2可作為潛在的HCC治療靶點或預(yù)后生物標(biāo)志物，因此CTAG2高表達(dá)的患者應(yīng)進(jìn)行監(jiān)測和適當(dāng)治療ADDINEN.CITE<EndNote><Cite><Author>Liu</Author><Year>2019</Year><RecNum>16</RecNum><DisplayText><styleface="superscript"font="TimesNewRoman">[15]</style></DisplayText><record><rec-number>16</rec-number><foreign-keys><keyapp="EN"db-id="asvp9xx9kxe0rlex0wp5r5fxaepftrxd90ww"timestamp="1683860193">16</key><keyapp="ENWeb"db-id="">0</key></foreign-keys><ref-typename="JournalArticle">17</ref-type><contributors><authors><author>Liu,J.</author><author>Yu,Z.</author><author>Sun,M.</author><author>Liu,Q.</author><author>Wei,M.</author><author>Gao,H.</author></authors></contributors><auth-address>DepartmentofPharmacology,SchoolofPharmacy,ChinaMedicalUniversity,Shenyang,Liaoning110122,P.R.China. DepartmentofHepatobiliarySurgery,TheFirstAffiliatedHospitalofChinaMedicalUniversity,Shenyang,Liaoning110001,P.R.China. LiaoningEngineeringTechnologyResearchCentreforTheResearch,DevelopmentandIndustrializationofInnovativePeptideDrugs,Shenyang,Liaoning110122,P.R.China.</auth-address><titles><title>Identificationofcancer/testisantigen2geneasapotentialhepatocellularcarcinomatherapeutictargetbyhubgenescreeningwith