This study was designed to construct a prognostic risk model to predict prognosis and immunotherapy response of bladder cancer (BCa) patinets. 350 differential expressed immune-related genes (DEIRGs) were obtained according to the transcriptome profiling and immune-related genes from the Cancer Genome Atlas (TCGA) database and ImmPort database, respectively. A prognostic risk model was constructed based on 15 hub genes through univariate, multivariate, and LASSO Cox regression analyses. The area under the receiver operating characteristic (ROC) curve was 0.743, indicating the superiority of the model. The scatter plot showed that as the risk score increased, the overall survival decreased significantly. In addition, all results were internally verified by the TCGA cohort. The model showed that the higher the grade, clinical stage, and TNM stage of BCa, the higher the risk score of patients. The tumor mutation burden of the low-risk group was generally higher than that of the high-risk group. Immune cell infiltration analysis showed that CD8 T cells, naive CD4 T cells, follicular helper T cells and M0 Macrophage were significantly different between the two groups. Several key immune checkpoint genes were found to be significantly different between the two groups, such as CTLA4, PD-L1, CD47, CD276, CXCL8, and HAVCR2/TIM3. Finally, the analysis of immunotherapy revealed that the efficacy of CTLA4 or PD1 blockers alone was better in the low-risk group than in the high-risk group. Taken together, we developed and validated a prognostic risk model based on 15 hub genes, which performed well in predicting prognosis and immunotherapy response of BCa patients.

本研究旨在构建预后风险模型，以预测膀胱癌 (BCa) 患者的预后和免疫治疗反应。根据癌症基因组图谱（TCGA）数据库和ImmPort数据库中的转录组谱和免疫相关基因，分别获得了350个差异表达的免疫相关基因（DEIRG）。通过单变量、多变量和 LASSO Cox 回归分析，基于 15 个枢纽基因构建了预后风险模型。受试者工作特征（ROC）曲线下面积为0.743，表明模型的优越性。散点图显示，随着风险评分的增加，总生存率显着下降。此外，所有结果均由 TCGA 队列内部验证。该模型表明，等级越高，临床分期，BCa 和 TNM 分期，患者的风险评分越高。低危组的肿瘤突变负荷普遍高于高危组。免疫细胞浸润分析显示，两组间CD8 T细胞、幼稚CD4 T细胞、滤泡辅助T细胞和M0巨噬细胞有显着差异。发现两组之间的几个关键免疫检查点基因存在显着差异，例如 CTLA4、PD-L1、CD47、CD276、CXCL8 和 HAVCR2/TIM3。最后，免疫治疗分析显示，单独使用CTLA4或PD1阻滞剂的疗效在低危组优于高危组。总之，我们开发并验证了基于 15 个枢纽基因的预后风险模型，该模型在预测 BCa 患者的预后和免疫治疗反应方面表现良好。患者的风险评分越高。低危组的肿瘤突变负荷普遍高于高危组。免疫细胞浸润分析显示，两组间CD8 T细胞、幼稚CD4 T细胞、滤泡辅助T细胞和M0巨噬细胞有显着差异。发现两组之间的几个关键免疫检查点基因存在显着差异，例如 CTLA4、PD-L1、CD47、CD276、CXCL8 和 HAVCR2/TIM3。最后，免疫治疗分析显示，单独使用CTLA4或PD1阻滞剂的疗效在低危组优于高危组。总之，我们开发并验证了基于 15 个枢纽基因的预后风险模型，该模型在预测 BCa 患者的预后和免疫治疗反应方面表现良好。患者的风险评分越高。低危组的肿瘤突变负荷普遍高于高危组。免疫细胞浸润分析显示，两组间CD8 T细胞、幼稚CD4 T细胞、滤泡辅助T细胞和M0巨噬细胞有显着差异。发现两组之间的几个关键免疫检查点基因存在显着差异，例如 CTLA4、PD-L1、CD47、CD276、CXCL8 和 HAVCR2/TIM3。最后，免疫治疗分析显示，单独使用CTLA4或PD1阻滞剂的疗效在低危组优于高危组。总之，我们开发并验证了基于 15 个枢纽基因的预后风险模型，该模型在预测 BCa 患者的预后和免疫治疗反应方面表现良好。低危组的肿瘤突变负荷普遍高于高危组。免疫细胞浸润分析显示，两组间CD8 T细胞、幼稚CD4 T细胞、滤泡辅助T细胞和M0巨噬细胞有显着差异。发现两组之间的几个关键免疫检查点基因存在显着差异，例如 CTLA4、PD-L1、CD47、CD276、CXCL8 和 HAVCR2/TIM3。最后，免疫治疗分析显示，单独使用CTLA4或PD1阻滞剂的疗效在低危组优于高危组。总之，我们开发并验证了基于 15 个枢纽基因的预后风险模型，该模型在预测 BCa 患者的预后和免疫治疗反应方面表现良好。低危组的肿瘤突变负荷普遍高于高危组。免疫细胞浸润分析显示，两组间CD8 T细胞、幼稚CD4 T细胞、滤泡辅助T细胞和M0巨噬细胞有显着差异。发现两组之间的几个关键免疫检查点基因存在显着差异，例如 CTLA4、PD-L1、CD47、CD276、CXCL8 和 HAVCR2/TIM3。最后，免疫治疗分析显示，单独使用CTLA4或PD1阻滞剂的疗效在低危组优于高危组。总之，我们开发并验证了基于 15 个枢纽基因的预后风险模型，该模型在预测 BCa 患者的预后和免疫治疗反应方面表现良好。免疫细胞浸润分析显示，两组间CD8 T细胞、幼稚CD4 T细胞、滤泡辅助T细胞和M0巨噬细胞有显着差异。发现两组之间的几个关键免疫检查点基因存在显着差异，例如 CTLA4、PD-L1、CD47、CD276、CXCL8 和 HAVCR2/TIM3。最后，免疫治疗分析显示，单独使用CTLA4或PD1阻滞剂的疗效在低危组优于高危组。总之，我们开发并验证了基于 15 个枢纽基因的预后风险模型，该模型在预测 BCa 患者的预后和免疫治疗反应方面表现良好。免疫细胞浸润分析显示，两组间CD8 T细胞、幼稚CD4 T细胞、滤泡辅助T细胞和M0巨噬细胞有显着差异。发现两组之间的几个关键免疫检查点基因存在显着差异，例如 CTLA4、PD-L1、CD47、CD276、CXCL8 和 HAVCR2/TIM3。最后，免疫治疗分析显示，单独使用CTLA4或PD1阻滞剂的疗效在低危组优于高危组。总之，我们开发并验证了基于 15 个枢纽基因的预后风险模型，该模型在预测 BCa 患者的预后和免疫治疗反应方面表现良好。发现两组之间的几个关键免疫检查点基因存在显着差异，例如 CTLA4、PD-L1、CD47、CD276、CXCL8 和 HAVCR2/TIM3。最后，免疫治疗分析显示，单独使用CTLA4或PD1阻滞剂的疗效在低危组优于高危组。总之，我们开发并验证了基于 15 个枢纽基因的预后风险模型，该模型在预测 BCa 患者的预后和免疫治疗反应方面表现良好。发现两组之间的几个关键免疫检查点基因存在显着差异，例如 CTLA4、PD-L1、CD47、CD276、CXCL8 和 HAVCR2/TIM3。最后，免疫治疗分析显示，单独使用CTLA4或PD1阻滞剂的疗效在低危组优于高危组。总之，我们开发并验证了基于 15 个枢纽基因的预后风险模型，该模型在预测 BCa 患者的预后和免疫治疗反应方面表现良好。