研究背景和目的:高medical journal级别浆液性卵巢癌(HGSOC)的特征是病情进展迅速、病变扩展广、患者生存率低。亟需寻找与HGSOC预后相关的标志物,并对HGSOC患者进行疾病风险分层并实行个体化管理。先前的研究表明,癌症相关成纤维细胞(CAF)与多种实体瘤的不良预后显著相关。本研究旨在探讨CAF与HGSOC疾病预后的关系,寻找CAF相关标志物,并尝试开发一种CAF预后模型用于疾病风险分层,以及更好地为患者选择个体化治疗方案。方法:从GNE-140纯度TCGA数据库下载375例HGSOC患者的转录组学信息以及对应临床信息。通过MCP-counter反褶积算法评估样本的CAF浸润水平,ESTIMATE算法计算肿瘤微环境的间质评分。通过加权基因共表达网络分析(WGCNA)分析及最小绝对收缩和选择算子(LASSO)算法筛选出CAF相关基因并构建相应预后模型。应用GO和KEGG富集分析来阐明其潜在分子机制。通过PearsonCX-5461采购检验分析CAF浸润水平与其相关基因和模型风险评分之间的相关性。TIDE算法用于评估免疫逃逸潜能并预测免疫治疗疗效反应。药物半抑制浓度用于评估HGSOC患者对常见化疗药物的敏感性。结果:相比于低CAF浸润组而言,高水平浸润组表现出显著较差的临床预后(p=0.023)。一共筛选得到 6 个 CAF 相关基因(TGFBI、TIMP3、COL16A1、FSTL3、SORCS2以及RASSF2)用于建立相应预后模型。该模型的预后预测作用同时在GSE49997数据集中得到了验证。Pearson相关性分析表明CAF风险评分与CAF浸润水平以及6个相关基因呈高度正相关。单因素和多因素Cox分析结果发现CAF风险评分是HGSOC患者预后的危险因素,并与年龄共同影响患者预后。IC50分析表明,CAF风险评分越低的患者对紫杉醇、顺铂更敏感。此外,TIDE分析显示,高CAF风险评分患者免疫逃逸潜能更高,而低CAF风险评分患者更可能从免疫治疗中获益。结论:CAF在HGSOC疾病中起到不良的预后作用。利用6个CAF相关基因TGFBI、TIMP3、COL16A1、FSTL3、SORCS2 以及 RASSF2 构建的 CAF 预后模型有一定的预测价值。该模型不仅可以用于HGSOC患者预后风险分层,而且一定程度上为患者的个体化治疗提供方案,包括常用化学治疗以及免疫治疗。