基于机器学习评估曲妥珠单抗耐药相关基因在胃癌中的诊断和预后效能

摘要

目的：利用机器学习算法探索曲妥珠单抗耐药与敏感相关基因在胃癌中的诊断和预后效能。方法：从GEO数据库中下载耐药和敏感基因数据，进行功能富集分析。利用TCGA数据以及GEO数据进行交集分析，筛选出与胃癌耐药相关的特征基因。采用LASSO以及SVM-RFE方法进行特征基因的筛选。在测试组和验证组中评估特征基因的表达情况，并通过受试者工作特征曲线分析这些基因的诊断价值。利用在线数据库分析SH3GL2的预后价值，进一步探讨其在胃癌患者生存期中的作用；采用CIBERSORT算法评估SH3GL2与胃癌免疫细胞浸润的关系，分析其对免疫微环境的影响。结果：得到15个耐药相关基因，基于机器学习筛选出12个与胃癌相关的诊断生物标志物，包括MMP7、COCH、VCAN、SH3GL2、SYNM、KLK6、STC2、PPP1R1B、CDH3、WNT11、PMEPA1和BCAT1。SH3GL2在测试组和验证组中均表现为低表达，其高表达与胃癌的较差预后相关（P<0.01）。SH3GL2的表达水平与多种免疫细胞（激活的CD8+T细胞、激活的DC细胞）相关，与免疫抑制因子（如TGFB1、VTCN1）呈正相关，与免疫刺激因子（如CD70、CD80）呈负相关。结论：12个筛选出的特征基因可能成为胃癌的潜在诊断生物标志物。SH3GL2在胃癌中低表达，其高表达可能通过抑制抗肿瘤免疫以缩短胃癌患者的生存期。

关键词

胃癌 / 耐药 / 曲妥珠单抗 / 机器学习 / 生物信息学

基金资助

国家自然科学基金（82060527）; 兰州大学医学教育创新发展项目优秀青年支持计划（lzuyxcx-2022-175）