背景
胃癌患者预后差，由于基因异质性和早期筛查困难，治疗效果有限。在这里，我们开发并验证了一种基于个体化基因集的胃癌预后标志物（GPSGC），并进一步探索了生存相关的调控机制以及GC的治疗靶点。
方法
采用机器学习的方法，以来自5个独立队列的1699例胃癌患者的基因表达数据为基础，建立一个预后模型。对来自三个独立队列的834例GC患者进行了肿瘤微环境分析，包括基质和免疫亚组分、细胞类型、全免疫基因集和免疫调节基因，以探讨GPSGC的调节生存机制和治疗靶点。为了验证GPSGC模型和治疗靶点的稳定性和可靠性，我们对186例GC患者的组织芯片进行了多重荧光免疫组化。以多变量Cox分析为基础，构建了一个包含GPSGC和其他临床危险因素的列线图，并通过两个验证队列进行了验证。
结果
通过机器学习，我们得到了一个最佳的风险评估模型GPSGC，该模型在预测生存率方面比个体预后因子具有更高的准确性。GPSGC评分对GC患者生存率的影响可能与肿瘤微环境中基质成分的重塑有关。具体而言，TGFβ和血管生成相关基因集与GPSGC风险评分和不良预后显著相关。免疫调节基因分析结合实验验证进一步表明，TGFβ1和VEGFB可作为GPSGC预后不良的GC患者的潜在治疗靶点。此外，我们基于GPSGC和其他临床变量开发了一个列线图来预测GC患者的3年和5年总生存率，这比单纯的临床特征显示了更好的预后准确性。
结论
GPSGC模型作为一种基于肿瘤微环境相关基因集的预后标志物，为评估GC患者的生存结局提供了一种有效的方法，并可通过个体化靶向治疗的选择来延长总生存期。
 
Cai WY, Dong ZN, Fu XT, et al. Identification of a Tumor Microenvironment-relevant Gene set-based Prognostic Signature and Related Therapy Targets in Gastric Cancer. Theranostics. 2020;10(19):8633-8647. DOI: 10.7150/thno.47938