基于机器学习算法的结肠癌代谢核心基因鉴定及其功能机制研究

摘要

目的 基于机器学习算法筛选结肠癌代谢核心基因，并分析其功能机制。方法 从癌症基因组图谱(TCGA)数据库和基因表达综合数据库(GEO)获取数据，TCGA队列包含375例肿瘤样本、32例癌旁组织样本，GSE39582队列包含419例肿瘤样本。采用单因素Cox回归分析结合随机森林、支持向量机递归特征消除(SVM-RFE)、最小绝对收缩和选择算子(LASSO)回归算法，筛选代谢核心基因。绘制受试者工作特征(ROC)曲线，以曲线下面积(AUC)评估核心基因的预测效能。采用实时荧光定量聚合酶链反应(qRT-PCR)和免疫组织化学(IHC)方法检测核心基因表达。敲低核心基因，探讨其在结肠癌中的作用。结果 基于机器学习算法筛选出3个核心基因，即CPT2、SCP2、NR3C2。根据ROC曲线的AUC比较结果，NR3C2的预测效能最佳。qRT-PCR检测结果显示，NR3C2 mRNA在结肠癌细胞系中低表达；IHC检测结果显示，NR3C2在结肠癌组织中低表达。敲低NR3C2可显著促进结肠癌细胞增殖与迁移。结论 交叉运用3种机器学习算法筛选出NR3C2为结肠癌核心代谢抑制基因，这或可为代谢靶向治疗提供新策略。

关键词

结肠癌 / 代谢组学 / 机器学习算法 / NR3C2基因 / 基因敲低技术 / 增殖 / 迁移 / 代谢靶向治疗