基于机器学习的结直肠癌微卫星不稳定基因挖掘及其应用价值分析

作者：李秀勤; 韩腾辉; 王帅; 沈刚; 朱军^*

来源：中国普通外科杂志, 2022, 31(10): 1355-1362.

• 结直肠肿瘤
• 微卫星不稳定性
• DNA错配修复
• 淋巴细胞,肿瘤浸润
• 机器学习

背景与目的：结直肠癌（CRC）是全球第三大最常诊断的恶性肿瘤和第二大癌症死亡原因。最新指南推荐所有的CRC患者需要进行微卫星不稳定（MSI）的检测。MSI患者往往具有错配修复蛋白缺失（dMMR）。MSI/dMMR状态已被用作生物标志物预测对免疫治疗的有利反应和预后。然而MSI特征基因及其与肿瘤浸润的免疫细胞的关系未进行阐述。因此本研究通过使用机器学习的方式发掘CRC中新型的MSI特征基因，并且验证其的诊断价值及其与免疫细胞浸润的关系。方法：按照纳入排除标准，将GEO数据库中GSE39582数据集作为训练集，将TCGA数据库中COAD数据集作为外部验证集。使用机器学习的方法 （LASSO回归、SVM-RFE算法），在GSE39582结直肠癌数据集中筛选MSI特征基因，并在TCGA结直肠癌数据中进行验证。采用受试者工作特征（ROC）曲线和曲线下面积（AUC）评价基因对MSI的诊断效能。CIBERSORT算法评估肿瘤样本浸润的免疫细胞成分，Spearman相关性分析验证MSI特征基因和免疫细胞的关系。结果：训练集共纳入536例CRC患者，其中高频MSI (MSI-H) 77例（14.37%）。在验证集中，共计389例CRC患者，其中MSI-H 67例（17.22%）。基线资料分析显示，MSI-H/dMMR CRC的TNM分期存活率优于低频MSI (MSI-L)或微卫星稳定（MSS）/错配蛋白完整（pMMR） CRC (P<0.05)。在GSE39582数据集中，LASSO回归筛选MSI特征基因21个，SVM-RFE算法筛选基因6个，结合两种算法确定MSI特征基因为EIF5A、CXCL13、HNRNPL、HOXC6、RPL22L1、Y16709。在TCGA数据库中进一步验证MSI特征基因的诊断效能，研究发现EIF5A的诊断效能最高。在训练集和验证集中，EIF5A的AUC值分别为0.922和0.805。同时，Spearman相关性分析发现，EIF5A主要与CD8+T细胞，活化的树突状细胞，辅助性T细胞，M1型巨噬细胞，γδT细胞，中性粒细胞成正相关；与CD4+记忆性T细胞，M2型巨噬细胞，静止树突状细胞，嗜酸性粒细胞，调节性T细胞呈负相关。结论：CRC的新型MSI特征基因分析结果表明，EIF5A对CRC MSI的诊断具有较好的诊断作用和临床价值，同时提示EIF5A与免疫细胞及免疫微环境相关。因此，EIF5A可能成为免疫检查点治疗的新型标志物。

• 单位
  神经内科; 中国人民解放军空军军医大学; 西京医院; 中国人民解放军南部战区空军医院