基于转录组基因表达谱构建胃癌免疫治疗反应的预测模型

摘要

目的 筛选影响胃癌免疫治疗反应的核心基因，基于关键基因建立预测胃癌免疫治疗反应的模型。方法 从GEO数据库、TIDE数据库下载胃癌免疫治疗患者的基因表达谱数据，综合利用差异表达基因分析和加权共表达网络分析(WGCNA)筛选出与胃癌免疫治疗相关的185个基因，进一步利用3种机器学习模型：最小绝对值收敛和选择算子算法(LASSO)、随机森林(Random Forest, RF)和支持向量机-递归特征消除(SVM-RFE)筛选出核心基因，随后基于核心基因构建胃癌免疫治疗预测模型并进行外部验证，采用ROC曲线评估模型预测效能。以GSE62254数据集进一步验证模型的预测能力，并结合单细胞分析探究核心基因在细胞亚群水平的表达差异。结果 基于上述方法，构建出由5个核心基因组成的免疫治疗反应预测模型，并利用预测模型将包含300例胃癌患者的队列分为高风险和低风险两个不同风险亚群，高风险组具有较高的肿瘤微环境细胞浸润、较高的TIDE评分、更明显的T细胞功能障碍、较高的肿瘤相关成纤维细胞评分和某些较高的免疫检查点分子表达，以及较低的微卫星不稳定性(MSI)评分，这些都提示了高风险组具有较高的免疫逃逸潜能，免疫检查点抑制剂对其疗效差。利用单细胞分析，在细胞亚群中鉴定出5个核心基因表达的异质性。结论 建立了基于胃癌免疫治疗反应性的差异表达核心基因的预测模型，该模型对推动胃癌免疫治疗及辅助肿瘤预后预测具有潜在价值。

关键词

免疫治疗 / 胃癌 / 机器学习