机器学习鉴定外周血6基因特征谱实现胰腺癌精准诊断

本研究针对胰腺导管腺癌(PDAC)诊断难题，创新性地通过机器学习分析外周血单核细胞(PBMC)和血浆外泌体长链RNA(exLR)数据，鉴定出具有生物学意义的6基因标志物(TXNIP/IL7R/CCL4/PTPRC/HP/CD27)。该特征谱在区分PDAC、慢性胰腺炎(CP)和健康对照时展现出71%的F1值，为PDAC无创早期诊断提供了新型液体活检策略。

　　

胰腺导管腺癌(PDAC)被称为"癌中之王"，其5年生存率不足10%，主要归因于早期诊断困难。这种致命癌症与慢性胰腺炎(CP)存在症状重叠和病理关联，临床鉴别诊断极具挑战性。当前依赖组织活检和CA19-9标志物的方法存在侵入性强、特异性不足等局限，亟需开发高精度无创诊断技术。

斯坦福大学医学院联合格拉纳达大学团队在《Heliyon》发表突破性研究，通过整合机器学习与多组学分析，首次建立了基于外周血RNA的PDAC诊断模型。研究人员采用创新性技术路线：首先对284例PDAC、100例CP和117例健康人的exLR数据进行最小冗余最大相关(mRMR)算法筛选，获得15基因特征谱；随后在25例PDAC、22例CP和25例对照的PBMC RNA-seq数据中验证，最终提炼出具有明确生物学功能的6基因精简标志物组合。研究采用支持向量机(SVM)分类器，通过留一法交叉验证确保结果可靠性。

3.1 机器学习筛选15基因标志物
通过mRMR算法从13,972个基因中筛选出TXNIP、MAP1B等15个特征基因，在exLR数据集中实现79.2%的准确率。该特征谱在PBMC数据验证中保持80%的F1值，显著优于随机基因组合(66%)，证实其跨平台稳定性。

3.2 6基因生物学标志物验证
精选的TXNIP/IL7R/CCL4/PTPRC/HP/CD27组合在PBMC数据中实现71%的F1值。基因集富集分析显示这些基因主要调控淋巴细胞分化：IL7R、CCL4和CD27在PDAC中下调，参与T细胞免疫抑制；TXNIP和HP上调，反映糖代谢异常和急性期反应。其中HP编码的触珠蛋白是已知的PDAC糖基化标志物，而CD27作为免疫检查点分子，为联合免疫治疗提供新靶点。

这项研究开创性地证实外周血免疫相关基因表达模式可作为PDAC特异性标志物。相比传统CA19-9（特异性77.6%），6基因特征达到85%的特异性，且能有效区分PDAC与CP。研究突破组织活检局限，为开发微创诊断试剂盒奠定基础。特别值得注意的是，发现的CD27等免疫相关基因为理解PDAC免疫逃逸机制提供新视角，其与已进入临床试验的CD27靶向药Varlilumab^?
形成理论呼应。未来扩大样本验证后，该模型可整合至临床决策支持系统(CDSS)，显著提升胰腺疾病诊疗水平。