鼻咽癌BUB1B的表达水平预测及生物信息学分析：基于增强MRI的机器学习模型

摘要

目的 建立基于增强MRI影像组学特征的机器学习预测模型来预测鼻咽癌中BUB1B基因的表达水平，并结合公共数据库开展生物信息学分析，探索BUB1B在鼻咽癌中的潜在生物学作用。方法 回顾性收集2022年4～10月广西医科大学附属肿瘤医院57例鼻咽癌患者的临床、病理及影像资料。基于增强MRI提取影像组学特征后，随机将患者按照7:3的比例划分为训练集和测试集，通过临床预测模型、逻辑回归（LR）、支持向量机（SVM）以及朴素贝叶斯（NB）建立预测模型并比较各类机器学习模型的性能，随后选择临床预测模型以及LR建立列线图。使用GEO数据库中的数据集分析BUB1B基因在鼻咽癌预后中的作用。结果 LR模型在训练集和测试集的曲线下面积（AUC）分别为0.735和0.743，列线图模型的训练集AUC为0.755，测试集的AUC为0.743，两组模型间的诊断效能差异无统计学意义（P>0.05）。GEO数据分析显示，BUB1B在鼻咽癌组织中表达上调，BUB1B表达特征可能影响鼻咽癌的预后，相关基因的GO与KEGG富集结果提示BUB1B可能参与细胞周期调控。结论 基于增强MRI影像组学的机器学习模型可在一定程度上预测鼻咽癌BUB1B表达水平，且外部队列生物信息分析提示BUB1B可能通过细胞周期相关通路参与鼻咽癌发生发展。

关键词

鼻咽癌 / BUB1B / 影像组学 / MRI / 预后