编辑推荐：
弥漫大 B 细胞淋巴瘤（DLBCL）治疗存在难题，研究人员通过生物信息学和机器学习方法，探究 M2 巨噬细胞相关基因。结果发现 7 个潜在诊断生物标志物，可用于预测预后。该研究为 DLBCL 诊疗提供新思路。
在淋巴瘤的世界里，弥漫大 B 细胞淋巴瘤（Diffuse Large B-cell Lymphoma，DLBCL）是成人中最常见的类型，如同一个难缠的 “病魔”，给患者带来极大的痛苦。目前，约 50 - 70% 的患者在接受联合免疫化疗（如 R - CHOP 方案）后能实现长期缓解，但仍有一部分患者会面临复发或对治疗方案无反应的困境。肿瘤微环境（Tumor Microenvironment，TME）在肿瘤的生长、发展和转移过程中起着关键作用，其中肿瘤相关巨噬细胞（Tumor - Associated Macrophages，TAMs）又是 TME 的重要组成部分。TAMs 包含 M1 抗肿瘤表型和 M2 促肿瘤表型，然而 M2 巨噬细胞在 DLBCL 发展中的作用却一直是个谜。为了揭开这个谜团，探寻更有效的诊疗方法，锦州医科大学附属第一医院血液科等机构的研究人员开展了深入研究，相关成果发表在《Biology Direct》上。
研究人员主要运用了以下关键技术方法：从基因表达综合数据库（Gene Expression Omnibus，GEO）获取 DLBCL 相关数据集和患者临床信息；利用 “sva” 和 “limma” 等 R 包对数据进行预处理和差异基因表达分析；通过 CIBERSORT 算法评估免疫细胞浸润情况；运用加权基因共表达网络分析（Weighted Gene Co - Expression Network Analysis，WGCNA）识别与 M2 巨噬细胞相关的模块；借助多种机器学习算法筛选生物标志物；使用生存分析和基因集富集分析（Gene Set Enrichment Analysis，GSEA）等探究基因的预后价值和相关通路 。
下面来看看具体的研究结果：
- 差异表达基因（DEGs）的鉴定：研究人员对 278 个样本（158 个对照样本和 120 个实验样本）进行分析，去除批次效应并标准化处理后，共鉴定出 77 个 DEGs，其中 42 个上调，35 个下调。
- 免疫浸润分析：运用 CIBERSORT 算法，发现与对照组相比，DLBCL 患者样本中记忆 B 淋巴细胞、M2 巨噬细胞等多种免疫细胞比例更高，而部分免疫细胞比例更低，且免疫细胞间存在复杂的相关性。
- 与 M2 巨噬细胞浸润相关的潜在基因鉴定：通过 WGCNA 分析，确定了与 M2 巨噬细胞高度相关的绿松石模块，将其与 DEGs 重叠后，得到 60 个潜在基因。
- 潜在基因的功能分析和核心网络基因的鉴定：对 60 个潜在基因进行 GO 和 KEGG 富集分析，发现这些基因与细胞黏附、免疫细胞调节等生物学过程和多种信号通路相关。通过蛋白质 - 蛋白质相互作用（Protein - Protein Interaction，PPI）网络分析，筛选出 10 个核心枢纽基因。
- 确定 DLBCL 的诊断基因：使用 LASSO、SVM - RFE 和 RF 三种机器学习算法，交叉分析后确定了 7 个关键特征基因（SMAD3、IL7R、IL18、FAS、CD5、CCR7 和 CSF1R）。基于这 7 个基因构建的逻辑回归模型和列线图，展现出良好的诊断和预测性能。
- 7 个生物标志物基因的生存和预后分析：利用 GSE181063 数据集分析发现，SMAD3、IL7R、IL18、FAS 和 CD5 的表达与 DLBCL 患者的总体生存显著相关，可作为预后预测的生物标志物。
- M2 巨噬细胞浸润与 DLBCL 相关通路的关系：通过 GSEA - KEGG 通路分析和基因集变异分析（Gene Set Variation Analysis，GSVA）发现，M2 巨噬细胞高表达组和低表达组分别富集不同的通路，这表明 M2 巨噬细胞浸润与 DLBCL 的多种通路密切相关。
在研究结论和讨论部分，研究人员指出，本研究揭示了 M2 巨噬细胞相关基因在 DLBCL 中的重要作用，为理解 DLBCL 的发病机制、诊断和预后评估提供了新的视角。然而，研究也存在一些局限性，如样本量较小，缺乏体外和体内实验验证等。未来需要进一步开展实验室研究，验证这些特征基因的功能和机制，探索它们与 DLBCL 不同亚型的关系，评估针对这些基因的靶向药物的临床疗效，从而为 DLBCL 患者提供更精准、有效的治疗方案，改善患者的预后。这项研究虽然只是探索 DLBCL 奥秘的一小步，但却为后续的研究照亮了方向，有望在未来为众多患者带来新的希望 。
