多组学整合与机器学习揭示胰腺癌分子基底样亚型：A2ML1驱动上皮-间质转化的机制研究

《Journal of Translational Medicine》：Multi-omics integration and machine learning uncover molecular basal-like subtype of pancreatic cancer and implicate A2ML1 in promoting tumor epithelial-mesenchymal transition

胰腺癌（PC）因高度异质性和预后不良亟需精准分型策略。本研究整合转录组、甲基化及突变多组学数据，结合十种机器学习算法，在168例样本中鉴定出预后差异显著的基底样亚型（CS1）和代谢活跃亚型（CS2），并构建基于23个预后基因的岭回归预后模型（C-index=0.82）。关键发现A2ML1通过下调LZTR1介导KRAS/MAPK通路激活，驱动上皮-间质转化（EMT），经类器官模型和单细胞测序验证。该研究为胰腺癌靶向治疗提供新靶点，推动精准医疗发展。

　　

论文解读

胰腺癌被称为“癌中之王”，全球每年新发病例近50万，5年生存率不足10%。其高度异质性导致传统TNM分期难以满足精准治疗需求。分子分型虽已有“经典-基底样”等分类框架，但既往研究多依赖单一组学数据，且缺乏跨队列验证和关键驱动机制解析。面对预后预测不准、靶向治疗匮乏的困境，亟需整合多组学技术挖掘核心亚型特征。

河南省人民医院肝胆外科团队在《Journal of Translational Medicine》发表研究，通过多组学整合与机器学习算法，揭示胰腺癌新型分子亚型及其EMT调控机制。研究首先整合TCGA-PAAD队列的转录组（mRNA/lncRNA/miRNA）、甲基化、突变数据，采用MOVICS工具包融合SNF、NEMO等10种聚类算法，依据聚类预测指数（CPI）和Gap统计量确定最优分群数。通过13个独立队列验证分型稳健性，并运用101种机器学习算法组合构建预后模型，结合单细胞测序、空间转录组、类器官培养及体内外功能实验解析关键基因作用机制。

结果解析
1. 多组学鉴定胰腺癌基底样亚型（CS1）
通过CAP与Gap统计量确定双亚型为最优分群（图1A）。CS1亚型高表达免疫相关基因（如CXCL9、CD274），CS2亚型富集代谢通路（如谷氨酸受体信号）。生存分析显示CS1患者中位生存期显著缩短（P<0.001，图1F）。免疫微环境分析揭示CS1肿瘤相关中性粒细胞（TIMER算法）和调节性T细胞（xCell算法）浸润增加（图2A），但免疫检查点（CTLA-4、PD-L1）表达降低（图2F），提示免疫抑制微环境。

2. 23基因预后模型建立
跨13队列筛选195个共有基因，经单变量Cox回归锁定23个预后相关基因（如EREG、FAM83A）。在最大队列E-MTAB-6134中，岭回归（λ=0.1）以最小偏似然偏差构建风险评分模型（图4B），其预测效能（C-index=0.82）显著优于172个已发表模型（图5A-G）。高危组与肿瘤低分化（G3级，P<0.01）、切缘阳性（R1切除，P<0.05）及基底样亚型（P<0.001）显著相关（图7D-F）。

3. A2ML1验证与功能研究
A2ML1在肿瘤组织表达量较癌旁高3.1倍（RT-qPCR，P<0.01），单细胞测序显示其富集于恶性上皮细胞（图8A-D）。敲低A2ML1抑制T3M4细胞增殖（CCK-8，P<0.01）、迁移（伤口愈合，P<0.001）并诱导S期阻滞（图10H-I）；过表达则促进EMT标志物（Vimentin↑，E-cadherin↓）表达（图11D）。类器官实验证实A2ML1过表达驱动腺体-间质形态转化（图12B-C）。

4. KRAS/MAPK通路调控机制
Co-IP验证A2ML1与LZTR1胞质互作（图12E）。A2ML1过表达下调LZTR1（Western blot，P<0.001）