目的 利用癌症基因组图谱（The Cancer Genome Atlas,TCGA）和国际癌症基因组联盟（International Cancer Genome Consortium,ICGC）数据库中的数据构建基于双硫死亡相关基因（disulfidptosis-associated genes,DAGs）和铁死亡相关基因（ferroptosis-associated genes,FAGs）的肝细胞癌（hepatocellular carcinoma,HCC）预后预测模型，并探索高和低风险评分HCC患者的免疫特征及抗肿瘤药物敏感性。方法 在TCGA和ICGC数据库官网下载HCC转录组和临床数据，提取DAGs和FAGs的表达量，然后根据差异表达分析和预后分析筛选出差异表达且与预后相关的DAGs和FAGs(differentially expressed and prognostically relevant DAGs and FAGs,DFAGs)。通过LASSO回归筛选构建HCC预后预测模型的因素。用单变量和多变量Cox回归分析、Kaplan-Meier生存分析、受试者操作特征曲线、主成分分析和t分布-随机邻居嵌入分析风险因素的预后价值。基因本体论（gene ontology,GO）和京都基因与基因组百科全书（Kyoto encyclopedia of genes and genomes,KEGG）富集分析进一步探索与HCC预后相关基因的作用机制。用单样本基因集富集分析风险因素对免疫细胞及免疫细胞功能的影响。基于癌症药物敏感性基因组学数据库，使用oncoPredict包预测低风险和高风险（根据风险评分中位数划分低和高风险）HCC对抗肿瘤药物的反应。结果 本研究筛选出4个DFAGs(SLC7A11、SLC1A5、G6PD、LRPPRC，其相应风险系数分别为0.035 0、0.044 2、0.159 7、0.013 2)，以此构建了HCC预后预测模型为：风险评分=0.0350×SLC7A11表达量+0.044 2×SLC1A5表达量+0.159 7×G6PD表达量+0.013 2×LRPPRC表达量。多因素Cox回归分析显示，高风险评分是影响HCC患者生存的独立风险因素[HR(95%CI)=5.414(1.918,15.279),P<0.001]。在TCGA及ICGC数据库中的数据中均显示高风险评分HCC患者较低风险评分HCC患者的生存情况更差（P<0.001、P=0.003）。富集分析显示，风险差异基因对HCC有多方面的影响，与免疫反应、细胞周期、糖酵解或糖异生等密切相关。免疫分析显示，在高危组患者中，促进免疫抑制的免疫细胞增加，如活化树突状细胞、巨噬细胞和调节性T细胞，而自然杀伤细胞浸润显著减少。药物敏感性分析显示，5-氟尿嘧啶、阿法替尼、环磷酰胺、拉帕替尼等药物可能对高风险HCC患者反应良好，奥沙利铂、索拉非尼等药物可能对低风险HCC患者反应良好。结论 本研究构建的与DFAGs相关的HCC预后预测模型在TCGA及ICGC数据库中的数据中均提示对HCC患者生存情况有一定的预测价值。在高和低风险HCC患者中的免疫细胞浸润水平和免疫功能方面存在显著差异，在对靶向药物和化疗药物的敏感性方面也存在显著差异，该模型可为HCC患者的免疫治疗、个体化治疗及预后评估方面提供一定的参考。
