Transforming growth factor-beta (TGF-β) signal is an important pathway involved in all stages of liver hepatocellular carcinoma (LIHC) initiation and progression. Therefore, targeting TGF- β pathway may be a potential therapeutic strategy for LIHC. Prediction of patients’ tumor cells response requires effective biomarkers. From 54 TGF-β-related genes, this research determined the genes showing the greatest relation to LIHC prognosis, and developed a risk score model with 8 TGF-β-related genes. The model divided LIHC patients from different datasets and platforms into low- and high-risk groups. Multivariate Cox regression analysis confirmed that the model was an independent prognostic factor for LIHC. The differences in genetic mutation, immune cell infiltration, biological pathway, response to immunotherapy or chemotherapy, and tumor microenvironment in LIHC samples showing different risks were analyzed. Compared with low-risk group, in the training set and test set, high-risk group showed shorter survival, lower stromal score and higher M0 macrophages scores, regulatory T cells (Tregs), helper follicular T cells. Moreover, high-risk samples showed higher sensitivity to cisplatin, imatinib, sorafenib and salubrinal and pyrimethamine. High-risk group demonstrated a significantly higher Tumor Immune Dysfunction and Exclusion (TIDE) score, but would significantly benefit less from taking immunotherapy and was less likely to respond to immune checkpoint inhibitors. In general, this work provided a risk scoring model based on 8 TGF-β pathway-related genes, which might be a new potential tool for predicting LIHC.

中文翻译：

---

基于 TGF-β 通路相关基因的风险评分模型预测肝细胞癌的生存、肿瘤微环境和免疫治疗

转化生长因子-β (TGF-β) 信号是参与肝细胞癌 (LIHC) 起始和进展各个阶段的重要途径。因此，靶向 TGF-β 通路可能是 LIHC 的潜在治疗策略。预测患者的肿瘤细胞反应需要有效的生物标志物。本研究从 54 个 TGF-β 相关基因中确定了与 LIHC 预后关系最大的基因，并建立了包含 8 个 TGF-β 相关基因的风险评分模型。该模型将来自不同数据集和平台的 LIHC 患者分为低风险组和高风险组。多变量 Cox 回归分析证实，该模型是 LIHC 的独立预后因素。基因突变、免疫细胞浸润、生物通路、对免疫疗法或化学疗法的反应的差异，分析了显示不同风险的LIHC样本中的肿瘤微环境。与低风险组相比，在训练集和测试集中，高风险组的生存期较短，基质评分较低，M0巨噬细胞评分较高，调节性T细胞（Tregs），辅助滤泡性T细胞。此外，高风险样本对顺铂、伊马替尼、索拉非尼、salubrinal 和乙胺嘧啶的敏感性更高。高风险组的肿瘤免疫功能障碍和排除 (TIDE) 评分显着较高，但接受免疫治疗的益处显着减少，并且不太可能对免疫检查点抑制剂产生反应。总的来说，这项工作提供了一个基于 8 个 TGF-β 通路相关基因的风险评分模型，这可能是预测 LIHC 的一种新的潜在工具。与低风险组相比，在训练集和测试集中，高风险组的生存期较短，基质评分较低，M0巨噬细胞评分较高，调节性T细胞（Tregs），辅助滤泡性T细胞。此外，高风险样本对顺铂、伊马替尼、索拉非尼、salubrinal 和乙胺嘧啶的敏感性更高。高风险组的肿瘤免疫功能障碍和排除 (TIDE) 评分显着较高，但接受免疫治疗的益处显着减少，并且不太可能对免疫检查点抑制剂产生反应。总的来说，这项工作提供了一个基于 8 个 TGF-β 通路相关基因的风险评分模型，这可能是预测 LIHC 的一种新的潜在工具。与低风险组相比，在训练集和测试集中，高风险组的生存期较短，基质评分较低，M0巨噬细胞评分较高，调节性T细胞（Tregs），辅助滤泡性T细胞。此外，高风险样本对顺铂、伊马替尼、索拉非尼、salubrinal 和乙胺嘧啶的敏感性更高。高风险组的肿瘤免疫功能障碍和排除 (TIDE) 评分显着较高，但接受免疫治疗的益处显着减少，并且不太可能对免疫检查点抑制剂产生反应。总的来说，这项工作提供了一个基于 8 个 TGF-β 通路相关基因的风险评分模型，这可能是预测 LIHC 的一种新的潜在工具。较低的基质评分和较高的 M0 巨噬细胞评分、调节性 T 细胞 (Tregs)、辅助滤泡 T 细胞。此外，高风险样本对顺铂、伊马替尼、索拉非尼、salubrinal 和乙胺嘧啶的敏感性更高。高风险组的肿瘤免疫功能障碍和排除 (TIDE) 评分显着较高，但接受免疫治疗的益处显着减少，并且不太可能对免疫检查点抑制剂产生反应。总的来说，这项工作提供了一个基于 8 个 TGF-β 通路相关基因的风险评分模型，这可能是预测 LIHC 的一种新的潜在工具。较低的基质评分和较高的 M0 巨噬细胞评分、调节性 T 细胞 (Tregs)、辅助滤泡 T 细胞。此外，高风险样本对顺铂、伊马替尼、索拉非尼、salubrinal 和乙胺嘧啶的敏感性更高。高风险组的肿瘤免疫功能障碍和排除 (TIDE) 评分显着较高，但接受免疫治疗的益处显着减少，并且不太可能对免疫检查点抑制剂产生反应。总的来说，这项工作提供了一个基于 8 个 TGF-β 通路相关基因的风险评分模型，这可能是预测 LIHC 的一种新的潜在工具。高风险组的肿瘤免疫功能障碍和排除 (TIDE) 评分显着较高，但接受免疫治疗的益处显着减少，并且不太可能对免疫检查点抑制剂产生反应。总的来说，这项工作提供了一个基于 8 个 TGF-β 通路相关基因的风险评分模型，这可能是预测 LIHC 的一种新的潜在工具。高风险组的肿瘤免疫功能障碍和排除 (TIDE) 评分显着较高，但接受免疫治疗的益处显着减少，并且不太可能对免疫检查点抑制剂产生反应。总的来说，这项工作提供了一个基于 8 个 TGF-β 通路相关基因的风险评分模型，这可能是预测 LIHC 的一种新的潜在工具。