基于机器学习构建胰腺癌淋巴管生成诊断模型

摘要

目的：胰腺导管腺癌（pancreatic ductal adenocarcinoma,PDAC）起病隐匿且易发生早期转移，淋巴管生成（lymphangiogenesis,LYM）不仅为肿瘤转移通道，更深刻参与肿瘤微环境（tumor microenvironment,TME）间质重塑与免疫耐受形成。鉴于单一标志物的局限性，本研究旨在基于机器学习算法筛选PDAC中LYM的关键基因并构建多基因诊断模型，深入分析其在预后评估、TME重塑及靶向药敏预测中的生物学作用。方法：整合基因表达综合（Gene Expression Omnibus,GEO）数据库中GSE28735、GSE62452、GSE71729和GSE183795数据集作为训练集，以癌症基因组图谱（The Cancer Genome Atlas,TCGA）及基因型-组织表达（Genotype-Tissue Expression,GTEx）数据为独立外部验证集。筛选差异表达的LYM相关基因，联合单因素逻辑回归与最小绝对收缩和选择算子（least absolute shrinkage and selection operator, LASSO）、支持向量机递归特征消除（support vector machine-recursive feature elimination,SVM-RFE）及随机森林（random forest,RF）算法降维并构建诊断模型。通过受试者操作特征曲线的曲线下面积（area under the curve,AUC）、列线图及决策曲线评估模型效能。利用基因表达谱交互分析平台（Gene Expression Profiling Interactive Analysis,GEPIA）数据库验证核心基因表达及总生存期（overall survival,OS），应用基因集富集分析（gene set enrichment analysis,GSEA）解析通路。利用单样本GSEA（single-sample GSEA,ss GSEA）及CIBERSORT（cell-type identification by estimating relative subsets of RNA transcripts）算法评估免疫细胞浸润特征及其相关性，并推算药物半数抑制浓度(half maximal inhibitory concentration,IC₅₀)。结果：共鉴定出836个差异表达基因，与466个LYM相关基因取交集锁定69个候选基因，主要富集于细胞外基质重塑等通路。经上述算法联合降维，最终确立由丝氨酸/苏氨酸/酪氨酸激酶1（serine/threonine/tyrosine kinase 1,STYK1）、骨膜蛋白（periostin,POSTN）、NADPH氧化酶4（NADPH oxidase,NOX4）、内皮细胞特异性分子1（endothelial cell-specific molecule 1,ESM1）和淋巴管内皮透明质酸受体1（lymphatic vessel endothelial hyaluronan receptor 1,LYVE1）构成的基因诊断模型。该模型训练集AUC为0.908，列线图及决策曲线证实该模型具有较高临床净获益。外部独立验证显示，上述4个风险基因在独立队列中仍保持高表达；核心分子STYK1单基因内部AUC为0.879，外部AUC为0.902，且生存分析证实仅STYK1高表达与患者OS缩短显著相关（P<0.05）。GSEA揭示STYK1高表达群主要富集于细胞周期及基质受体相互作用等通路。免疫浸润评估显示，PDAC组织中调节性T细胞及M0、M2型巨噬细胞比例显著升高，而CD8⁺T细胞比例下降；STYK1表达量与M0型巨噬细胞比例呈正相关（r=0.41），与CD8⁺T细胞比例呈负相关（r=-0.37）。药敏预测提示，STYK1高表达组对AZD6482、 BMS-754807、 Tozasertib及AZD8055等靶向药物的IC₅₀值显著降低（均P<0.001）。结论：由STYK1、POSTN、NOX4、ESM1和LYVE1构成的5个基因模型可区分PDAC与正常样本。核心基因STYK1高表达与不良预后及免疫抑制微环境相关，提示对特定靶向药物敏感，可作为评估风险分层与个体化用药的标志物。

关键词

机器学习 / 胰腺导管腺癌 / 淋巴管生成 / 诊断模型 / 肿瘤微环境

基金资助

山西省自然科学基金(202503021211273); 山西省卫生健康委员会科研课题(2025YD021)