The prognosis of colon adenocarcinoma (COAD) remains poor. However, the specific and sensitive biomarkers for diagnosis and prognosis of COAD are absent. Transcription factors (TFs) are involved in many biological processes in cells. As the molecule of the signal pathway of the terminal effectors, TFs play important roles in tumorigenesis and development. A growing body of research suggests that aberrant TFs contribute to the development of COAD, as well as to its clinicopathological features and prognosis. In consequence, a few studies have investigated the relationship between the TF-related risk model and the prognosis of COAD. Therefore, in this article, we hope to develop a prognostic risk model based on TFs to predict the prognosis of patients with COAD. The mRNA transcription data and corresponding clinical data were downloaded from TCGA and GEO. Then, 141 differentially expressed genes, validated by the GEPIA2 database, were identified by differential expression analysis between normal and tumor samples. Univariate, multivariate and Lasso Cox regression analysis were performed to identify seven prognostic genes (E2F3, ETS2, HLF, HSF4, KLF4, MEIS2, and TCF7L1). The Kaplan–Meier curve and the receiver operating characteristic curve (ROC, 1-year AUC: 0.723, 3-year AUC: 0.775, 5-year AUC: 0.786) showed that our model could be used to predict the prognosis of patients with COAD. Multivariate Cox analysis also reported that the risk model is an independent prognostic factor of COAD. The external cohort (GSE17536 and GSE39582) was used to validate our risk model, which indicated that our risk model may be a reliable predictive model for COAD patients. Finally, based on the model and the clinicopathological factors, we constructed a nomogram with a C-index of 0.802. In conclusion, we emphasize the clinical significance of TFs in COAD and construct a prognostic model of TFs, which could provide a novel and reliable model for the prognosis of COAD.

结肠腺癌（COAD）的预后仍然很差。然而，目前尚缺乏用于 COAD 诊断和预后的特异性和敏感的生物标志物。转录因子 (TF) 参与细胞中的许多生物过程。作为末端效应器信号通路的分子，TFs在肿瘤的发生发展中发挥着重要作用。越来越多的研究表明，异常 TF 有助于 COAD 的发展，以及其临床病理特征和预后。因此，一些研究调查了 TF 相关风险模型与 COAD 预后之间的关系。因此，在本文中，我们希望建立一个基于 TFs 的预后风险模型来预测 COAD 患者的预后。从TCGA和GEO下载mRNA转录数据和相应的临床数据。然后，通过正常和肿瘤样本之间的差异表达分析，确定了经 GEPIA2 数据库验证的 141 个差异表达基因。进行单变量、多变量和 Lasso Cox 回归分析以确定七个预后基因（E2F3、ETS2、HLF、HSF4、KLF4、MEIS2 和 TCF7L1）。Kaplan-Meier 曲线和受试者工作特征曲线（ROC，1 年 AUC：0.723，3 年 AUC：0.775，5 年 AUC：0.786）表明我们的模型可用于预测 COAD 患者的预后. 多变量 Cox 分析还报告说，风险模型是 COAD 的独立预后因素。外部队列（通过正常和肿瘤样品之间的差异表达分析来鉴定。进行单变量、多变量和 Lasso Cox 回归分析以确定七个预后基因（E2F3、ETS2、HLF、HSF4、KLF4、MEIS2 和 TCF7L1）。Kaplan-Meier 曲线和受试者工作特征曲线（ROC，1 年 AUC：0.723，3 年 AUC：0.775，5 年 AUC：0.786）表明我们的模型可用于预测 COAD 患者的预后. 多变量 Cox 分析还报告说，风险模型是 COAD 的独立预后因素。外部队列（通过正常和肿瘤样品之间的差异表达分析来鉴定。进行单变量、多变量和 Lasso Cox 回归分析以确定七个预后基因（E2F3、ETS2、HLF、HSF4、KLF4、MEIS2 和 TCF7L1）。Kaplan-Meier 曲线和受试者工作特征曲线（ROC，1 年 AUC：0.723，3 年 AUC：0.775，5 年 AUC：0.786）表明我们的模型可用于预测 COAD 患者的预后. 多变量 Cox 分析还报告说，风险模型是 COAD 的独立预后因素。外部队列（Kaplan-Meier 曲线和受试者工作特征曲线（ROC，1 年 AUC：0.723，3 年 AUC：0.775，5 年 AUC：0.786）表明我们的模型可用于预测 COAD 患者的预后. 多变量 Cox 分析还报告说，风险模型是 COAD 的独立预后因素。外部队列（Kaplan-Meier 曲线和受试者工作特征曲线（ROC，1 年 AUC：0.723，3 年 AUC：0.775，5 年 AUC：0.786）表明我们的模型可用于预测 COAD 患者的预后. 多变量 Cox 分析还报告说，风险模型是 COAD 的独立预后因素。外部队列（GSE17536 和 GSE39582) 用于验证我们的风险模型，这表明我们的风险模型可能是 COAD 患者的可靠预测模型。最后，基于模型和临床病理因素，我们构建了一个 C 指数为 0.802 的列线图。总之，我们强调了 TFs 在 COAD 中的临床意义，并构建了 TFs 的预后模型，为 COAD 的预后提供了一个新的、可靠的模型。