基于机器学习的免疫细胞浸润分类模型预测胰腺癌患者生存期的价值分析

作者：谢辉; 邓祖亮^*

来源：湘南学院学报(医学版), 2021, 23(04): 19-27.

DOI：10.16500/j.cnki.1673-498x.2021.04.004

• 机器学习
• 免疫细胞
• 浸润
• 胰腺癌
• 分类模型

目的对胰腺癌22种免疫细胞浸润占比进行分析,探讨利用机器学习算法,构建预后二分类模型对胰腺癌患者生存期评价的可行性。方法从TCGA数据库,下载胰腺癌患者的转录组数据和相关的临床数据。通过"CIBERSORT"算法得到入组胰腺癌患者22种免疫细胞浸润占比特征。利用生物信息学方法对免疫细胞浸润占比特征进行筛选,构建预后模型。以受试者工作特征曲线下面积(AUC)、准确度、灵敏度、特异度、阳值预测值和阴值预测值作为预后二分类模型优劣的考核指标。行免疫细胞相关性分析及免疫功能分析,进一步阐述预后二分类模型的可信度与胰腺癌中的免疫景观。结果从22种免疫细胞中筛选出Macrophages M1、T cells CD8、B cells na6ve 3种免疫细胞浸润占比特征作为胰腺癌患者生存是否超过1年二分类预后模型的构建因子。采用9种机器学习分类模型算法构建二分类初始模型。按AUC排序,在训练集中表现最佳者为Extreme gradient boost (XGB)算法,在训练集中表现最佳者为Random Forest(RF)算法。RF稳定性相对较好,最终选取RF算法构建模型,具有较高的精准度。基于危险评分的免疫细胞相关性分析中,B cells na6ve和T cells CD8在低危组中免疫浸润高于高危组(P<0.001),Macrophages M1在高危组中免疫浸润高于低危组(P<0.001);与模型构建因子有关的免疫功能分析中,APCcoinhibition、MHCclassⅠ、TypeⅠIFNReponse在高危组中免疫浸润评分高于低危组(P<0.05);在免疫浸润分型分析中,C1, C2, C3, C6在高、低危组中显示出差异性(P<0.05)。结论基于机器学习构建的胰腺癌患者预后二分类模型,能较准确地评估胰腺癌患者生存是否超过1年,为临床对胰腺癌患者进行个体化治疗提供参考。

• 单位
  湘南学院附属医院