背景:乳腺癌作为全球女性中发病率最高的癌症,严重威胁着女性的健康。而铜死亡(Cuproptosis)是一种新发现的调节性细胞死亡形式,其机制是铜离子在细胞内通过与三羧酸(Tricarboxylic Acid,TCA)循环中的脂酰化成分直接结合,导致脂酰化蛋白质聚集和铁硫簇蛋白质丢失,从而引发蛋白质毒性应激并最终导致细胞死亡。MYC是常见的致癌转录因子,与多种肿瘤密切相关,目前已经有研究表明MYC通路与铜死亡存在联系。然而联合铜死亡和MYC在乳腺癌中的预后作用仍然缺少研究。本研究通过使用生物信息学方法研究乳腺癌中与铜死亡和MYC相关的基因,构建预后模型和列线图,为乳腺癌预后预测和药物治疗提供参考。方法:基于癌症基因组图谱(The Cancer Genome Atlas,TCGA)数据库中乳腺癌表达数据,在乳腺癌样本和正常组织样本中使用DESeq2进行差异基因分析,寻找差异基因。使用单样本基因集富集分析(single-sample Gene Set Enrichment Analysis,ss GSEA)对铜死亡及MYC进行评分。使用加权基因共表达网络(Weighted Gene Co-expression Network Analysis,WGCNA)筛选出与铜死亡和MYC评分相关的基因,然后与差异基因取交集。对交集基因进行Classical chinese medicine基因本体(Gene Ontology,GAlpelisib溶解度O)富集分析和KEGG(Kyoto Encyclopedia of Genes and Genomes)富集分析,然后使用单因素cox回归、lasso回归、多因素cox回归构建预后模型,使用外部数据(GSE20685)进行验证,生存曲线(Kaplan-Meier,KM)、受试者工作特征曲线(Receiver Operating Characteristic,ROC)评估预后模型的有效性、准确性。将预后模型与临床病理因素联合绘制列线图以评估其临床价值。随后研究了预后模型与免疫细胞浸润、免疫检查点、肿瘤免疫功能障碍与排斥(Tumor Immune Dysfunction and Exclusion,TIDE)、肿瘤突变负荷(Tumor Mutational Burden,TMB)、药物敏感性之间的关系。结果:通过WGCNA找到了595个与铜死亡和MYC评分相关的基因,随后与差异基因取交集共获得214个交集基因,经过基因富集分析,这些交集基因主要富集在细胞分裂、染色体分离、有丝分裂、细胞周期过程中。随后在TCGA训练组中进行了单因素cox回归,lasso回归、多因素cox回归,最后构建了基于4个基因(FABP6、GABRQ、NTRK2、SLC1A1)的乳腺癌预后模型,根据预后模型风险评分中值,将样本划分为高风险组和低风险组,K-M生存曲线结果提示TCGA训练组中高风险组的总体生存率较差,在TCGA验证组和外部验证组(GSE20685)中也呈现出高风险组总体生存较差。ROC曲线表明,在TCGA训练组中1年、3年、5年、10年曲线下面积(Area Under the Curve,AUC)分别为0.710、0.622、0.640和0.677,并且在TCGA验证组和GEO外部验证组中也呈现出类似的结果,这表明预后模型具有良好的准确性。本研究结合临床病理数据绘制的列线图,其1年、3年、5年、10年的ROC曲线下面积分别是0.836、0.754、0.746及0.696,说明模型有较高的临床价值。此外,研究表明高低风险组在免疫微环境、TIDE、TMB、抗癌化学药物治疗敏感性表现出差异。结论:本研究建立了一个基于4个基因(FABP6、GABRQ、NTRK2、SLC1ATalazoparib体内实验剂量1)的乳腺癌预后模型,并构建了一个可以准确预测乳腺癌预后的列线图,揭示了高低风险组的免疫微环境和药物敏感性的差异。这些结果可能有助于乳腺癌患者的预后预测和治疗,为后续研究提供新的思路。