结肠癌免疫相关基因筛选和预后模型建立.pdf

2023,27(14):6371,77.实用临床医药杂志Journal of Clinical Medicine in Practice63结肠癌免疫相关基因筛选和预后模型建立齐荣暄，刘格良1,，穆俊芳1,2，李晨龙2,3,李渊？，贺培凤，于琦，2（山西医科大学，1.管理学院，3.基础医学院，山西太原，0 30 0 0 1；2.山西省临床决策研究大数据重点实验室，山西太原，0 30 0 0 1）摘要：目的筛选结肠癌（CC）关键预后相关免疫基因（KIGs），构建免疫相关预后模型。方法从癌症基因组图谱（T CCA）数据库中下载CC患者的基因表达数据和临床数据，基于免疫分型筛选差异表达基因（DEGs），将DEGs与ImmPort数据库中免疫基因取交集得到差异表达免疫基因（DEIGs）。通过单因素Cox回归分析、Lasso-Cox回归分析筛选出KIGs，建立免疫相关预后模型，并验证预后模型的预测性能。分析风险评分与临床特征、免疫浸润细胞、肿瘤突变负荷、微卫星不稳定性的相关性。应用单因素和多因素Cox回归分析筛选CC的独立预后因素，进一步构建用于预测CC患者总生存率（OS）的列线图。结果基于免疫分型筛选出1439个DEGs，D EG s 与ImmPont数据库免疫基因取交集得到37 9个DEIGs，通过单因素Cox回归分析、Lasso-Cox回归分析筛选出12 个KIGs，构建免疫相关预后模型。高风险评分（高风险组）患者和低风险评分（低风险组）患者的OS差异有统计学意义（P0.05）；预后模型预测1、3、5年OS的受试者工作特征曲线的曲线下面积（AUC）分别为0.735、0.7 2 5、0.6 99，表明预后模型的预测效果较好。不同疾病分期、不同TNM分期患者的风险评分比较，差异有统计学意义（P 0.0 5）；K IG s 与众多免疫浸润细胞均存在相关性（P0.05）；高风险组与低风险组的肿瘤突变负荷比较，差异有统计学意义（P0.05）；高风险组的微卫星不稳定性比低风险组更强。单因素和多因素Cox回归分析发现，风险评分是CC的独立预后因素（P0.001），进一步构建的列线图对CC患者生存状态具有良好的预测能力和准确性。结论本研究构建了基于12 个KIGs的免疫相关预后模型，并建立了可用于预测CC患者OS的列线图，有助于医生做出个体化治疗决策。关键词：结肠癌；癌症基因组图谱；转录组；免疫基因；肿瘤微环境；预后模型中图分类号：R735.3；R7 30.7 文献标志码：A文章编号：16 7 2-2 353（2 0 2 3）14-0 6 3-0 9D01：10.7 6 19/j c mp.2 0 2 3157 6Screening of immune-related genes and establishmentof prognostic model for colon cancerQI Rongxuan.2,LIU Geliang.2,MU Junfang2,LI Chenlong.3,LI Yuan2,HEPeifeng,YUQil.(1.School of Management,3.School of Basic Medical Sciences,Shanai Medical University,Taiyuan,Shanxi,030001;2.Shanai Key Laboratory of Big Data for ClinicalDecisionResearch,Taiyuan,Shanxi,030001)Abstract:Objective To screen key prognosis-related immune genes(KIGs)in colon cancer(CC)and construct immune-related prognostic model.Methods The gene expression data and clini-cal data of CC patients were downloaded from the Cancer Genome Atlas(TCGA),differential ex-pressed genes(DEGs)were screened based on immune typing,and the intersection of DEGs and im-mune genes of ImmPort database was used to obtain differentially expressed immune genes(DEIGs).Univariate Cox analysis and Lasso-Cox analysis were used to screen KIGs to establish immune-relatedprognostic models.Next,the predictive performance of the prognostic model was verified.The correla-tions of risk score with clinical features,immune infiltrating cells,tumor mutation burden,and micro-satellite instability were analyzed.Independent prognostic factors of CC were screened by univariateand multivariate Cox analysis,and a nomogram related to overall survival rate(OS)was constructed topredict the overall survival rate of CC patients.Results A total of 1,439 DEGs were screened out收稿日期：2 0 2 3-0 5-16基金项目：山西省重点研发计划项目（2 0 2 10 2 130 50 10 0 3，2 0 190 3D311011）；山西省回国留学人员科研资助项目（HGKY2019057）；山西医科大学省级博士基金项目（SD2229）；山西省研究生教育创新项目（2 0 2 2 Y426）通信作者：于琦，E-mail：y u q s x m u.e d u.c n修回日期：2 0 2 3-0 6-2 464based on immune typing,and 379 DEIGs were obtained by the intersection of DEGs and immune genesof ImmPort database.A total of 12 KIGs were screened out by univariate Cox analysis and Lasso-Coxanalysis,and an immune-related prognostic model was constructed.There was a significant differ-ence in OS between high-risk score patients(high-risk group)and low-risk score patients(low-riskgroup)(P0.05).The area under the receiver operating characteristic curve(AUC)for 1-,3-and 5-year were 0.735,0.725 and 0.699,respectively,which showed that the model had a goodpredictive effect.There were significant differences in risk scores of patients with different diseasestages and different TNM stages(P0.05);KIGs was correlated with numerous immune infiltratingcells(P0.05);micro-satellite instability was greater in the high-risk group than in the low-riskgroup.Univariate and multivariate Cox regression analysis showed that risk score was an independentprognostic factor for CC(P0.585（FC为差异倍数）、错误发现率（FDR）0.0 5。从ImmPort数据库下载免疫相关基因列表,将列表基因与DEGs取交集，得到差异表达免疫基因（DEIGs）。通过对DEIGs进行单因素Cox回归分析，得到PIGs（P0.05)。1.5富集分析利用基因集富集分析（CSEA）探讨涉及DEGs的关键信号通路，该分析可分别展示京都基因与基因组百科全书（KECG）和Hallmark基因组中显著富集的通路（FDR0.01）。1.6预后模型的构建与验证利用Lasso惩罚的Cox回归分析筛选PIGs，构建CC的免疫相关预后模型，参与预后模型构建的PIGs被称为关键预后相关免疫基因（K IG s），风险评分的计算公式如下：The risk score=ECoef,Expr;式中，Expr；表示基因i的表达水平，Coef.表示模型中基因i的回归系数。基于得到的风险评分计算中位数，根据中位数将所有患者样本分为高风险组、低风险组，并采用R包”survivalsur-vminer进行Kaplan-Meier生存分析。采用R包timeROC生成具有时间依赖性的受试者工作特征（ROC）曲线，并计算1、3、5年总生存率（OS）的曲线下面积（AUC）来验证预后模型的预测能力。风险评分与临床特征、免疫浸润细胞、TMB、M SI的相关性采用Spearman相关分析法进行分析，2组比较采用Wilcoxon秩和检验，多组比较采用Kruskal-Wallis秩和检验。使用R包 maftools工具获取、分析和可视化CC样本基因突变瀑布图。对风险评分和其他临床因素进行单因素和多因素Cox回归分析，确定独立预后因素，基于上述协变量通过R包 rmsnomogramExregplot建立列线图，并采用ROC曲线和校准曲线验证建立的列线图是否适用于临床。P0.05为差异有统计学意义。2结果2.1基于免疫基因组分析鉴定CC的2 种亚型基于2 9个免疫基因集，采用ssGSEA算法和层次聚类算法分析来自TCGA-COAD队列的47 9个肿瘤样本，将样本分为高免疫组和低免疫组实用临床医药杂志Journal of Clinical Medicine in Practice（图1A、图1B）。R包 estimate评估结果显示，与低免疫组相比，高免疫组基质评分、免疫评分和综合评分水平较高，差异有统计学意义（P0.001），见图1C。免疫细胞浸润分析结果显示，高免疫组与低免疫组的初始B细胞、CD8*T细胞、静止的CD4*记忆T细胞、记忆激活CD4T细胞、滤泡辅助性T细胞、单核细胞、M1型巨噬细胞、M2型巨噬细胞、中性粒细胞存在显著差异（图1D）。进一步采用tSNE算法对CC患者进行免疫水平聚类验证，结果证明了聚类算法的可靠性（图1E）。本研究比较高免疫和低免疫这2 种亚型中的HLA基因表达情况，发现2 4种HLA基因在高免疫亚型中的表达水平均高于低免疫亚型，差异有统计学意义（P0.05），见图1F。2.21DEGs、D EI G s 和PIGs的鉴定及功能富集分析对高免疫组和低免疫组进行基因差异表达分析，得到1439个DEGs，其中10 7 4个基因表达上调，36 5个基因表达下调。将ImmPort数据库中免疫基因与DEGs取交集，得到37 9个DEIGs，其中36 5个基因表达上调，14个基因表达下调（图2A图2 D）。采用单因素Cox回归分析筛选出15个PIGs，见图2 E。为了深人了解免疫基因表达影响CC生物学过程的整体模式，本研究通过GSEA确定DEGs涉及的通路。在Hallmark基因集中，DEGs主要富集在免疫反应、信号传导、细胞生长与死亡等相关通路，见图2 F。K ECG 通路中，DEGs主要富集在免疫系统、信号分子与相互作用信号传导等相关通路，见图2 G。2.3构建和验证免疫基因相关预后模型将PIGs作为预选基因进行Lasso-Cox回归分析，筛选出12 个KIGs用于构建预后模型，见图3AB。下载GEO数据库中556 例CC患者的样本数据并筛选相应临床数据（表1），作为验证集验证预后模型的准确性。分别计算TCGA-CO-AD、G EO G SE3958 2 数据集中每例CC患者的风险评分，并根据风险评分中位数将患者分为高风险组和低风险组（图3CD）。与低风险组相比，高风险组患者的生存时间较短，病死率较高，见图3EF。K a p l a n-M e i e r 曲线分析显示，低风险组的OS高于高风险组，差异有统计学意义（P0.05），见图3GH。RO C曲线显示，预后模型预测TCGA-COAD中患者1、3、5年OS的AUC分别为0.7 35、0.7 2 5、0.6 99，预后模型预测验证集65662.01.5实用临床医药杂志Jourmal of Clinical Medicine in Practice第2 7 卷99.3薰40 0 01.00.5F02:00COO-Ta腾3 0 0Th15K2000-2:000T物NE自低免疫申低免疫串高免疫高免疫0.6f40000.420000.2：1-2000-4000L100-10-20F中患者1、3、5年0 S的AUC分别为0.6 150.6 0 7、0.584，表明预后模型有着良好的预测能力和准确性，见图3IJ。2.4风险评分与临床特征、免疫浸润细胞、TMB、MSI的相关性基于TCGA-COAD数据，对风险评分与临床特征、免疫浸润细胞、TMB、M SI的相关性进行检验，患者的临床特征见表2。不同疾病分期、不同TNM分期患者的风险评分比较，差异有统计学意义（P0.05），见图4AD。K IG s 与众多免疫细胞均存在相关性（P0.05），见图4E。风险评分与TMB呈正相关（r=0.16，P=0.0 0 2 1），见图4F；高风险组和低风险组患者的TMB比较，差异B基质评分免疫评分200tSNE1A：样本分为高免疫和低免疫这2 种亚型；B：T CG A-CO A D 中的肿瘤微环境热图和免疫特征；C：高免疫组和低免疫组免疫评分、基质评分、综合评分比较；D：高免疫组和低免疫组的免疫细胞浸润分析；E：t SNE算法验证分型结果；F：高免疫与低免疫亚型的HLA基因表达差异。8综合评分C低免疫12.5斤高免疫10.05.02.52040图1层次聚类分析结果有统计学意义（P0.05），见图4G；低TMB组OS高于高TMB组，差异有统计学意义（P0.05），见图4H；瀑布图显示，肿瘤驱动突变基因腺瘤性息肉样腺癌基因（APC)突变频率最高，见图4I。高风险组较低风险组患者MSI更强，见图4J；进一步比较微卫星稳定状态（MSS）、微卫星低不稳定性（MSI-L）和微卫星高不稳定性（MSI-H）的风险评分差异发现，MSS与MSI-H（P=2 e-0 5）、MSI-L与MSI-H(P=0.049）的风险评分差异均有统计学意义，见图4K。2.5列线图的构建与验证将风险评分、年龄、性别和疾病分期作为协变量进行单因素和多因素Cox回归分析，结果显示，D申低免疫中高免疫EF第14期DEGS实用临床医药杂志Journal of Clinical Medicine in Practice免疫基因6710603791414BPM比(95%e7)50NOS2下调基因TGFB3无差异基因UL.BP240上调基因(da)8oT-3020100补休中联I.2/STAT5信号通路同种异体移植排芹炎症反应IL6/JAK/STAT3信号通路细胞渊通过NF-B的TNFa信号通路干扰素反应上调基因的KRAS信号通路缺氧凝血联干扰素反应血红素代谢上皮纠胸润质转化雄激素反应顶端连接组装血管生成顶1NESA：D EG s 与免疫基因的交集；B：D EG s 热图；C：D EIG s 热图；D：D EG s 火山图；E：基于单因素Cox风险回归分析的PIGs及其风险比；F：D ECs 的Hallmark基因集富集分析；G：D EG s 的KECG基因集富集分析。风险评分是CC患者的独立预后因素（P65岁565岁性别疾病分期T分期M分期N分期G例数占比/%33760.621839.210.230454.725245.340.7325.826247.119935.8期59T期1期11T2期44T期360T4期117Tio期3未知20Mo期474M;期60Mx期2未知20No期299N期133N2期98N3期6未知2010.60.22.07.964.821.00.53.685.210.80.43.653.823.917.61.13.668实用临床医药杂志Journalof Clinical Medicinein Practice第2 7 卷151515151514131312121211074012.212.011.411.2-7-6-5-4-3Log(入)A121510/642A：在Lasso模型中调整参数进行10 倍交叉验证（2 条虚线之间的区域表示合理值）；B：12 个KIGs在Lasso模型中的Coef系数面图；C、D：T CG A-CO A D G EO G SE3958 2 数据集中CC患者风险评分的分布和中位值；E、F：T CG A-CO A D、G EO CSE3958 2 数据集中CC患者生存状态、生存时间和风险评分的分布情况；G、H：T CG A-CO A D、CEO G SE3958 2 数据集中不同生存风险患者的Kaplan-Meier生存曲线；I、J：预后模型在TCGA-COAD、G EO G SE3958 2 数据集中预测1、3、5年OS的ROC曲线。表2 TCGA-COAD中446 例CC患者的临床特征特征分类年龄65岁65岁性别男女疾病分期1期期期V期未知期期期期期期期期T分期M分期N分期15150.5F0-0.5斤-1.0-7-6-5-4-3分数偏差解释B1.00100.25P0.0010123456789101112时间年高风险组8 9低风险纸电130100200300400惠者数量/例MX1312100200300400500E惠者数量/例1.0F0.80.60.40.206F1.0F0.80.60.4h1年0 5(AUC-0.735)30SAUC-0.725)5405（40 C-0.6 9)蒸考线0.20.40.60.81.01-特异度I图3预后模型的构建和验证作用。即使肿瘤侵袭性较小，如果获得性免疫反应较弱，预后也会变差；相反，无论肿瘤的局部范例数占比/%26359.018341.023452.521247.57516.817539.212427.86113.7112.5102.37617.030367.95612.610.232973.86113.74910.971.626559.410222.97917.75.0高风险组低风险组4.51.03.53.02.500123456789101112时间年G三1年0 5（AUC-0.615)0.23E0S(AUC0.60)5年0 S(AUC-0.584)参考线00.270.1060.81.01-特异度J围和侵袭程度如何，高密度的获得性免疫细胞都预示着良好的预后10 。因此，医生对患者进行诊断时必须对TME细胞的数量和类型进行明确，并在治疗后尽可能量化，以有效地指导治疗。转录组学分析可利用少量的RNA样本进行研究，近年来研究者们开始关注基于转录组学的基因表达在肿瘤免疫治疗中的影响。本研究筛选出CC的KIGs用于构建预后模型，并建立可预测CC患者OS的列线图，这可能有助于CC患者的预后风险预测、肿瘤分期预测和免疫治疗。本研究利用ssGSEA算法将CC分为高免疫和低免疫亚型，高免疫亚型的免疫细胞浸润程度更高，HLA基因表达水平更高，表明其相较于低免疫亚型具有更强的免疫原性，与既往研究1结果一致。DEGs不仅在免疫相关信号通路中富集，还5.0高风险组4.5风险组4.02.52.01002003004000患者数量/例C高风险组低风险组1.000.500.25P-0.00201234567891011213141516时间/年高风险组低风险组01234567891011213141516时间年1002200300400500患者数量/例D第14期0.000825实用临床医药杂志Journal of Clinical Medicine inPractice6.5e-055690.00270.00068553333肿瘤II期肿瘤亚IV期肿瘤分期ACDO-TARKCOA拉STAD：风险评分与疾病分期、TNM分期的相关性（不同分期比较所得数据为P值）；E：K IG s 与免疫浸润细胞的相关性；F：风险评分与TMB的相关性；G：高风险组与低风险组TMB比较；H：高风险组与低风险组Kaplan-Meier生存曲线分析；K：不同微卫星稳定性状态的风险评分比较（不同状态比较所得数据为P值）。图4风险评分与临床特征、KIGs、T M B、M SI的相关性分析在许多癌相关通路中富集，包括调亡、胰腺癌、JAK/STAT信号通路、MAPK信号通路和p53信号通路，与既往研究12 结论（不同的免疫信号与JAK/STAT信号通路呈正相关）相符。值得注意的是，本研究结果揭示了CC中通路活性与免疫活性之间可能存在联系。本研究基于筛选出的12 个KIGs构建预后模型，结果显示，高风险评分患者和低风险评分患者的OS曲线明显分离，且随着风险评分的升高，疾病分期、TNM分期越高，表明该预后模型对肿瘤分期具有一定预测能力。本研究筛选出的12 个KIGs中，大多数与肿瘤的发生发展存在关系，且在CC中也发挥着非常重要的作用。ULBP2编码一种主要的组织相容性复合体I类相关分子，该分子与自然杀伤细胞（NK细胞）上的NKG2D受体结合，触发多种细胞因子和趋化因子的释放，进而促进NK 细胞的募集和活化,并破坏靶细胞(13。OULBP2是维持B7-H3赋予CC细胞对V-8-2T细TIMT2期T分期46013456E风险评估突变样本比例397/414（95.8 9%）1007.1657570%502516%分组14%框内编入0格码猫大突变II：前30 个突变基因瀑布图；J：高风险组与低风险组MSI比较；T3T4期B6420-2F57%19%24%低风险组高风险组胞毒性抗性的必要基因14。ANGPTL4 可通过增强葡萄糖摄取促进具核梭杆菌定植，进而促进结直肠癌细胞的糖酵解活性，对结直肠癌的增殖和侵袭具有促进作用15。ANGPTL4 可作为前列腺素E，的下游效应分子，可促进肿瘤细胞对低氧的适应,进而促进结直肠癌发展16 。CX3CLI 配体与其受体CX3CR1通过将NK细胞和T细胞等抗肿瘤免疫细胞招募到TME而控制肿瘤的生长，从而发挥抗肿瘤作用。但另一方面，CX3CL1-CX3CR1 轴也激活了促肿瘤反应17 。多项证据18-1 表明,CX3CLI 与结直肠瘤显著相关,可导致预后不良。FABP4主要在脂肪组织和巨噬细胞中表达，在肥胖相关疾病中功能显著，其通过与多种经典途径（如PI3K/AKT和STAT3/ALDH1信号传导）相互作用，在肿瘤发生和侵袭中起着关键作用2 0 。FABP4在CC中过表达会增加脂肪酸转运，增强能量和脂质代谢，激活AKT通路和上皮间质转化，进而促进CC细胞的迁移和侵袭2 1NON1期N分期申低风险组申高风险组0.015率0.500.25P=0.0440高风险组G123456789101112低风险组时间年申MSS申MSI-L申MSI-H0.04972e-050.087MSS：MSI-LMSI-HJN2期32MSS微卫状态MST-LMST-HMO期CM分期1.00高TMB组低TMB组0.75HKM期D70实用临床医药杂志Jourmal of Clinical Medicine in Practice第2 7 卷风险比（95%CI）年龄0.0021.029(1.0101.048)性别0.5451.137(0.7511.720)分期0.0012.063(1.6242.621)风险评分 0.0 0 13.8 0 4(2.6 2 3 5.515)评分性别年龄*分期*风险评分*值风险比（95%CI）年龄0.0011.034(1.0151.052)性别0.717分期0.0012.029(1.5822.602)1风险评分 0.0 0 13.42 8(2.2 7 6 5.16 4)0.51风险比2030400.925(0.6081.408)248A0.5801005.51风险比2-8B总分80存活时间小于5年的概率0.6 2存活时间小丁3年的概率0.0150.630.08存活时间小于1年的概率0.0 0 50.0150.031.0F0.80.60.4F0.20A：单因素Cox分析；B：多因素Cox分析；C：基于风险评分和临床特征构建列线图；D：列线图预测1、3、5年OS的ROC曲线；E：列线图的校准图。图5列线图的建立和验证HEXF等2 2 发现，BST2通过募集肿瘤相关巨噬通路影响癌症相关成纤维细胞、内皮细胞以及肿细胞（TAMs）并将其诱导为M2表型而增加TAMs瘤免疫浸润细胞的活性，进而影响肿瘤的发的浸润率，这有助于形成免疫抑制的TME，进而展2 6 ，这些通路在结直肠癌中同样被验证2 7-2 9 。促进结直肠癌发展。RBP7编码的蛋白质是细胞APOBEC3F是胞苷脱氨酶基因家族的成员30 ,视黄醇结合蛋白家族的成员2 ，RBP7可作为肿是在基因簇中发现的7 个相关基因或假基因之瘤微环境调节因子诱导5-氟尿嘧啶耐药，从而影一，这些基因编码的蛋白可能是RNA编辑酶，在响结直肠癌患者的预后2 4。另有研究2 5 表明，生长或细胞周期控制中起作用。研究31 表明，RBP7高表达是早期和晚期CC患者特异性生存APOBEC3F存在意味着成纤维细胞具有强烈的促率低的独立生物标志物，在功能上有助于CC细胞炎活性，可促进结直肠癌的发展。目前，IL1RL2、的恶性表型。TGFb1属于转化生长因子-(TCF-）CHCB在癌症领域中的相关研究尚较少，未来可进家族中的一员，TGF-1信号在肿瘤细胞中具有双一步深人分析。总之，这些KIGs从免疫应答、肿重性作用，既在癌症前期细胞中发挥有效的细胞瘤相关免疫细胞活性、免疫细胞浸润、能量和脂质抑制和促凋亡活性，也有利于恶性转化后期的上代谢、肿瘤细胞的耐氧特性等方面影响肿瘤细胞皮间质转化和转移。此外，TGFb1还可通过各种的增殖、迁移和浸润。1006.651年0 S（A U C-0.8 2 1)3年0 S（A U C-0.8 17)5年0 S（A U C-0.7 7 8)参考线0.20.40.60.81.01-特异度120140.413O:2O.250.156:30.1190.060.151.0F0.8SO0.60.40.2OLD1601800.850.9750.998O.5O.70.32000.920.59O.76.90.20.40.60.81.0预测OS220C参考线E第14期微卫星通常由1 6 个短串联重复DNA序列组成，MSI被认为是结直肠癌的主要致癌途径之一，这种不稳定性是由缺陷DNA错配修复机制引起的,，可导致体细胞突变,增加肿瘤突变负担32 。研究33 表明，相较于MSS、M SI-L的CC患者，MSI-H的CC患者接受免疫检查点抑制剂治疗可获得更好的治疗效果。本研究发现，高风险组患者的MSI状态更高，表明免疫检查点抑制剂治疗在高风险组患者中可能获益更大。本研究中，低TMB组CC患者的预后与高TMB组更好，与既往研究34 结论一致。由此提示，TMB或可作为一个独立的生物标志物，指导更有效的免疫治疗策略，并改善预后。本研究还发现，高风险组与低风险组的TMB存在显著性差异，TMB与风险评分呈正相关，由于高体细胞突变意味着MSI高，具有更强的免疫治疗反应，更高的TMB与更好的免疫疗法疗效之间的相关性已得到证实35。综上所述，本研究构建了基于12 个KIGs的免疫相关预后模型，并建立了可用于预测CC患者OS的列线图，这可能有助于CC患者总体生存情况的预测和个性化治疗方案的优化。本研究亦存在一些局限性：本研究仅基于TCGA公开数据集进行分析，未来可结合其他数据库的数据进一步深人研究；本研究筛选出的12 个KIGs与CC患者预后显著相关，但仅通过数据挖掘方法进行分析，这些基因的功能和机制有待进一步开展实验研究加以阐明。参考文献1SUNGH,FERLAY J,SIEGELR L,et al.Global cancer sta-tistics 2020:GLOBOCAN estimates of incidence and mortalityworldwide for 36 cancers in 185countriesJ.CACancer JClin,2021,71(3):209-249.2陈卓林，龚时文，黄东，等，新辅助化疗对结直肠癌肝转移患者术前的临床效果J中国肿瘤临床与康复，2 0 19，26(10);1200-1203.3ANGELLHK,BRUNI D,BARRETTJC,etal.Theimmu-noscore:colon cancer and beyond J.Clin Cancer Res,2020,26(2);332339.4吴介恒，杨安钢，温伟红.PD-1/PD-L1参与肿瘤免疫逃逸的研究进展J.细胞与分子免疫学杂志，2 0 14，30（7）：777-780.5TAURIELLODVF,PALOMO-PONCES,STORKD,etl.TCFp drives immune evasion in genetically reconstituted coloncancermetastasisJ.Nature,2018,554(7693):538-543.6OCONNELLJ,BENNETT MW,NALLYK,etal.Alteredmechanisms of apoptosis in colon cancer:Fas resistance andcounterattack in the tumor-immune conflictJ.Ann N Y实用临床医药杂志Journal of Clinical Medicine in Practice7刘革新，刘盼，陈维顺.胃癌免疫相关LncRNA预后风险模型的建立与分析J.现代消化及介人诊疗，2 0 2 1，2 6(7):849-853.8WANG Z Q,ZHU L P,II L,et al.Identification of an im-mune gene-associated prognostic signature in patients withbladder cancerJ.Cancer Gene Ther,2022,29(5):494-504.9LEI X,LEI Y,LI JK,et al.Immune cells within the tumormicroenvironment:biological functions and roles in cancer im-munotherapyJ.Cancer Lett,2020,470:126-133.10CALON J,FRIDMAN W H,PACE SF.The adaptive immu-nologic microenviromment in colorectal cancer:a novel per-spectiveJ.CancerRes,2007,67(5):1883-1886.11SHEN C,LUO C,XU Z J,et al.Molecular pattems based on im-munogenomic signatures stratify the prognosis df colon cancer J.Front Bioeng Biotechnal,2022,10:820092.12SLATTERY M L,LUNDGREEN A,KADLUBAR S A,etQl.JAK/STAT/SOCS-signaling pathway and colon and rectalcancerJ.Mol Carcinog,2013,52(2):155-166.13DINGH,YANCX,WEI YZ.Fusion proteins df NKG2D/NKG2DL in cancer immunotherapyJ.Int J Mol Sci,2018,19(1):177.14LU H M,MAY C,WANG MY,et al.B7-H3 confers resist-ance to V9V82 T cell-mediated cytotoxicity in human coloncancer cells via the STAT3/ULBP2 axisJ.Cancer ImmunolImmunother,2021,70(5):1213-1226.15ZHENG X,LIU R,ZHOU C C,et al.ANCPTIA-mediatedpromotion of glycolysis facilitates the colonization df Fusobacterium nucleatum in colorectal cancerJ.Cancer Res,2021,81(24):6157-6170.16KIMSH,PARKYY,KIMSW,et al.ANGPIL4 induction byprostaglandin E2 under hypaxic conditions promotes colorectalcancer progresionJ.Cancer Res,2011,71(22):7010-7020.17LU X J.Structure and function of ligand CX3CLI and its re-ceptorCX3CR1in cancerJ.Curr MedChem,2022,29(41):62286246.18ZHENGJ,YANGM,SHAOJH,et al.Chemokine receptorCX3CR1 contributes to macrophage survival in tumor metasta-sisJ.Mol Cancer,2013,12(1):141.19OLSEN R S,NUM J,ANDERSSON RE,et al.Circulatinginflammatory factors associated with worse long-term prognosisin colorectal cancerJ.World JGastroenterol,2017,23(34):6212-6219.20LIU SJ,WUD,FANZY,et al.FABP4 in obesity-associat-ed carcinogenesis;novel insights into mechanisms and thera-peutic implicationsJ.F