摘要目的 旨在构建基底膜相关基因(BMRGs)在三阴性乳腺癌(TNBC)的风险评分模型.方法 应用LASSO-COX回归的机器学习方法在癌症基因图谱(TCGA)队列建立基于BMRGs的TNBC风险评分模型,并在Yau-2010 队列和国际乳腺癌协会的分子分类(METABRIC)队列进行验证.构建包含BMRGs风险评分和临床因素的列线图预测TNBC患者的生存预后.基于基因本体(GO)功能注释和京都基因和基因组百科全书(KEGG)、基因集富集分析(GSEA)探究风险亚组的蛋白功能富集差异.基于免疫肿瘤生物学研究(IOBR)程序包探究基于风险亚组的免疫浸润差异情况.应用突变注释格式工具(Maltools)程序包探究基因组改变情况.基于癌症治疗反应门户(CTRP)和单细胞公共信息在线数据库(CSEP)探究风险评分亚组的药物敏感性差异和单细胞表达状态.结果 经Kaplan-Meier(KM)生存分析和LASSO-COX回归分析筛选出 6 个BMRGs构建的风险亚组与TNBC患者的预后密切相关(均P<0.001).其中SDC1和ADAM9 是预后不良因子,HAPLN1,FREM1,FBLN5 和ITGB4 是预后保护因子.整合BMRGs风险评分、肿瘤分期的列线图对TNBC患者的预后具有优秀的预测能力.蛋白功能分析显示高风险组的上调基因富集于神经活性配体受体的相互作用、合成各类生物复合物、参与免疫防御反应等通路途径和生物功能;相较于高风险组,低风险组的肥大细胞、细胞毒性淋巴细胞浸润程度更高;基因图谱显示高低风险亚组的最常突变基因并不完全一致;药物敏感度分析显示,高风险组患者对硼替佐米、氟伐他汀、哇巴因的敏感性较高(均P<0.05);低风险组患者对尼达尼布、BRD-A86708339,凡德他尼的敏感性较高(均P<0.05);单细胞分析显示:上述六个基因在TNBC的肿瘤细胞中均存在高表达.结论 构建并验证基于BMRGs的风险评分,为预测TNBC患者的生存预后提供有效的生物学指标.