多组学解析甲状腺乳头状癌侧颈淋巴结转移的免疫微环境特征及机器学习多基因预测模型的构建

为解决甲状腺乳头状癌(PTC)侧颈淋巴结转移(LNM)术前影像学检测灵敏度不足的临床难题，研究人员通过全外显子测序和全转录组测序对50例PTC样本开展多组学分析，发现23个LNM特异性驱动突变和444个差异表达基因，首次揭示肿瘤浸润中性粒细胞与LNM高风险显著相关，并构建出AUC达0.98的机器学习预测模型，为PTC精准诊疗提供新策略。

　　

这项研究犹如一场分子侦探行动，通过全外显子测序(WES)和全转录组测序(WTS)双管齐下，对50例伴有或不伴侧颈淋巴结转移(LNM)的甲状腺乳头状癌(PTC)样本进行深度解码。研究发现，年轻患者、较大肿瘤尺寸和淋巴血管侵袭如同危险信号灯，显著提升LNM风险；而侵袭性滤泡亚型则意外展现出保护作用。

基因组图谱扫描捕获到23个LNM组特异性驱动突变和15个保护性变异，转录组层面则锁定444个差异表达基因(DEGs)。加权基因共表达网络分析(WGCNA)揪出一个与LNM负相关的基因模块，其核心基因在Notch信号通路和Apelin信号通路中异常活跃。最令人振奋的是，肿瘤免疫微环境(TIME)中中性粒细胞的异常升高，被证实与LNM高风险强烈挂钩，这些"哨兵细胞"或将成为预测转移的早期警报器。

研究团队巧妙运用机器学习算法，打造出多基因分类器这个"智能诊断助手"——在训练集和测试集中分别斩获0.98和0.892的曲线下面积(AUC)，堪比分子水平的"CT扫描仪"。这些发现不仅为PTC转移机制投下新的曙光，更让个性化治疗决策有了精准的分子罗盘。