机器学习算法确定的核心衰老基因在非远处转移性结直肠癌的预后和免疫微环境相关性分析

摘要

目的 建立非远处转移性结直肠癌(CRC)衰老基因模型和确定核心的衰老基因，分析其与肿瘤微环境的作用。方法 下载TCGA和GEO数据库的非远处转移性CRC数据库，单因素Cox分析确定预后相关的衰老基因，多因素Cox分析建立非远处转移CRC的衰老模型。ESTIMATE算法计算出样本的免疫微环境评分(间质评分与免疫评分),并且研究衰老模型与其关系。采用随机生存森林算法用于计算出衰老基因的重要性，确定衰老核心基因。使用CIBERSORT算法评估肿瘤免疫细胞浸润情况，相关性分析研究衰老核心基因与细胞浸润的关系。结果 多因素Cox回归分析建立由6个衰老基因组成的模型，在TCGA和GEO中都表明高风险人群的预后远远差于低风险组(P<0.001)。该衰老模型与CRC微卫星状态、肿瘤免疫评分和间质评分相关。随机生存森林算法确定3个核心的衰老基因(TERT、SNAI1和CSNK1A1),且与肿瘤免疫细胞浸润相关。此外，在免疫治疗人群中，SNAI1(P=0.016)和CSNK1A1(P<0.001)低表达组生存时间更长。结论 肿瘤细胞衰老的程度越大，代表其增殖能力越弱，非远处转移性CRC患者的预后可能越佳。TERT、SNAI1和CSNK1A1作为衰老的核心基因，与肿瘤微环境相关，可能作为免疫治疗的生物学标志物。

关键词

衰老基因 / 非远处转移结直肠癌 / 肿瘤免疫微环境 / 免疫细胞