基于生物信息学与机器学习筛选MAPK12作为食管癌预后新型生物标志物的研究

《BioMed Research International》：Identification of MAPK12 as a Prognostic Biomarker for Esophageal Carcinoma Using Bioinformatics and Machine Learning

本研究通过整合生物信息学与机器学习方法，构建了基于端粒相关基因（TRGs）的食管癌（ESCA）预后模型，并鉴定出MAPK12、CHAF1B和GABRB3三个关键基因。经验证，该模型能有效预测患者生存（AUC达0.75），且MAPK12高表达与EMT（上皮间质转化）通路激活、免疫细胞浸润异常及化疗敏感性相关。体外实验证实MAPK12可促进ESCA细胞增殖、迁移，为靶向治疗提供新思路。

　　

1. 引言

食管癌（ESCA）作为全球癌症相关死亡的主要原因之一，其早期诊断困难导致多数患者确诊时已处于晚期，5年生存率仅20%–25%。端粒（telomere）通过维持染色体稳定性在癌症发展中起关键作用，但端粒相关基因（TRGs）在ESCA预后模型中的价值尚不明确。本研究旨在构建TRGs相关的ESCA预后签名，并探索其分子机制。

2. 材料与方法

从TCGA和GEO数据库获取ESCA患者的临床与转录组数据，筛选差异表达基因（DEGs）与TRGs交集后，通过LASSO回归和多变量Cox分析建立风险模型。利用GSEA、GSVA进行功能富集分析，并通过CIBERSORT评估免疫细胞浸润。通过体外实验（如Western blot、CCK-8、划痕实验等）验证MAPK12的功能。

3. 结果

3.1 差异表达TRGs的鉴定

共筛选出265个端粒相关DEGs，富集分析显示这些基因主要参与细胞周期、DNA修复和p53信号通路等生物学过程。

3.2 预后模型的构建与验证

最终纳入MAPK12（风险因子）、CHAF1B（风险因子）和GABRB3（保护因子）构建风险评分模型：风险评分=0.032×CHAF1B+0.078×MAPK12-0.097×GABRB3。高风险组患者总生存期显著缩短（p<0.0001），模型在TCGA和GEO数据集中的AUC均超过0.69。

3.3 临床相关性分析

风险评分与肿瘤T分期和病理分期显著相关（p<0.05），多变量Cox分析证实风险评分是独立预后因素。

3.4 突变与功能富集分析

高风险组TP53等基因突变频率更高，GSEA提示高风险组富集于癌症转移、EMT等相关通路。

3.5 免疫微环境特征

高风险组TIDE评分升高，且M0/M2巨噬细胞浸润增加，而CD4+ T细胞和浆细胞减少，提示免疫抑制状态。

3.6 药物敏感性

高风险组对5-氟尿嘧啶、顺铂等化疗药物的IC₅₀值更低，表明化疗潜在获益更大。

3.7 MAPK12的体外验证

敲低MAPK12可抑制ESCA细胞（ECA109/KYSE160）的增殖、迁移和侵袭能力，并下调EMT标志物Vimentin和N-cadherin，而上调E-cadherin。

4. 讨论

本研究首次将端粒相关基因标签用于ESCA预后预测，凸显MAPK12通过调控EMT促进肿瘤进展的机制。模型结合免疫微环境与药物敏感性分析，为个体化治疗提供依据。

5. 结论

基于TRGs的签名模型是ESCA预后评估的可靠工具，MAPK12作为关键靶点值得进一步研究。