基于生物信息学与机器学习的胃癌特征基因挖掘及免疫浸润景观解析

本研究针对胃癌(GC)早期诊断标志物匮乏的临床难题，联合加权基因共表达网络分析(WGCNA)与机器学习算法(LASSO/RF/SVM-RFE)，筛选出BANF1、DUSP14和VMP1三个关键诊断标志物，并揭示其与巨噬细胞、中性粒细胞等免疫细胞浸润的显著关联。研究成果为胃癌分子分型及免疫微环境调控提供新靶点，发表于《Discover Oncology》。

　　

胃癌是全球范围内高发且致命的消化道恶性肿瘤，早期患者5年生存率可达90%，而进展期骤降至30%。然而，现行诊断金标准——胃镜活检存在侵入性高、操作依赖性强等局限，血清标志物如CEA和CA19-9的敏感性不足。这促使研究者探索更精准的非侵入性诊断方案。

在此背景下，研究人员通过整合GEO数据库中的GSE54129、GSE65801和GSE66229数据集，开展了一项融合生物信息学与机器学习的前沿研究。他们首先利用limma包鉴定出913个差异表达基因(DEGs)，其中415个在胃癌组织中显著上调。随后通过WGCNA构建共表达网络，发现与胃癌强相关的cyan模块(含701个基因)。将DEGs与模块基因取交集获得49个重叠基因，经GO/KEGG分析显示这些基因富集于信号转导和免疫相关通路。

研究团队创新性地联合三种机器学习算法筛选关键标志物：LASSO回归通过λ值优化筛选14个基因，随机森林(RF)基于500棵决策树评估基因重要性，支持向量机递归特征消除(SVM-RFE)以93.9%的准确率锁定特征基因。最终交叉验证出BANF1、DUSP14和VMP1三个核心标志物，其诊断效能AUC值均>0.7。外部数据集验证显示，BANF1和DUSP14高表达与患者较差预后显著相关，而VMP1则呈现独特的脂代谢调控特征。

免疫浸润分析揭示关键发现：

1. 免疫细胞分布：ssGSEA显示胃癌组织中CD4⁺T细胞、NK细胞和树突细胞显著富集；CIBERSORT进一步发现M0/M1型巨噬细胞和活化中性粒细胞浸润增加，而浆细胞和静息记忆T细胞减少。
2. 基因-免疫互作：BANF1与巨噬细胞极化正相关，DUSP14通过调控MAPK磷酸化影响NK细胞活性，VMP1则与自噬相关的树突细胞活化密切相关。

讨论部分强调，这三个标志物分别通过不同机制参与胃癌发生：BANF1可能通过核基因组稳定性调控影响肿瘤增殖；DUSP14作为双特异性磷酸酶，通过MAPK通路调控细胞凋亡和免疫逃逸；VMP1则通过调控胆固醇分布和自噬参与肿瘤微环境重塑。研究首次系统揭示了这些基因与髓系免疫抑制微环境的协同作用，为开发联合免疫治疗策略提供理论依据。

该研究发表于《Discover Oncology》，其创新性在于：

1. 多算法交叉验证提升标志物筛选可靠性
2. 整合转录组与免疫微环境数据揭示机制网络
3. 发现DUSP14等基因兼具诊断价值与免疫调控功能
   未来需通过单细胞测序等技术进一步验证这些靶点在临床样本中的时空异质性，推动其向转化医学应用迈进。