基于机器学习筛选CXCL9等关键基因作为弥漫大B细胞淋巴瘤预后标志物的研究

本研究针对弥漫大B细胞淋巴瘤(DLBCL)预后预测难题，通过整合GEO数据库三个微阵列数据集(GSE25638/GSE12195/GSE12453)，运用差异表达基因(DEG)分析、加权基因共表达网络分析(WGCNA)和随机森林(RF)算法，鉴定出CXCL9、CCL18、C1QA和CTSC四个关键基因，构建了具有高预测效能(AUC=0.839)的列线图模型。研究发现这些基因与免疫细胞浸润显著相关，并通过qRT-PCR和免疫组化验证其表达差异，为DLBCL精准诊疗提供了新靶点。

　　

弥漫大B细胞淋巴瘤(DLBCL)作为非霍奇金淋巴瘤(NHL)最常见的亚型，占NHL病例的30-40%，其临床异质性和治疗反应差异一直是临床难题。尽管基因表达谱(GEP)技术可将DLBCL分为生发中心B细胞样(GCB)、活化B细胞样(ABC)和未分类亚型，但高昂的成本限制了临床应用。更棘手的是，采用R-CHOP方案治疗的非GCB型患者预后较差，这凸显了寻找可靠预后标志物的紧迫性。肿瘤微环境(TME)中免疫细胞的复杂相互作用，特别是CXCR3等趋化因子受体的异常表达，为理解DLBCL进展机制提供了新视角。

研究团队采用多组学整合分析策略，主要技术路线包括：从GEO数据库获取三个微阵列数据集(GSE25638/GSE12195/GSE12453)；运用limma包进行差异表达分析；WGCNA构建共表达网络；随机森林算法筛选特征基因；通过ssGSEA评估免疫细胞浸润；最后采用qRT-PCR和免疫组化(IHC)验证关键基因表达。临床样本来自浙江大学医学院附属第一医院13例DLBCL患者和5例健康对照的外周血单个核细胞(PBMCs)。

关键基因筛选与功能分析

通过整合三个数据集的差异表达基因(DEG)和WGCNA模块基因，获得95个关键基因。功能富集显示这些基因显著富集于炎症反应、CXCR趋化因子受体结合等通路。蛋白互作网络(PPI)分析保留68个具有相互作用的基因，随机森林算法进一步筛选出CXCL9、CCL18、C1QA和CTSC四个核心基因。

诊断与预后价值验证

构建的列线图模型在训练集和验证集(GSE83632)分别达到AUC=1.000和0.839。生存分析显示，这四个基因高表达组总体生存期显著缩短(P<0.05)，且在GCB与非GCB亚型间呈现差异表达模式。值得注意的是，CXCL9表达与预后相关性最为显著。

免疫微环境特征

ssGSEA分析揭示DLBCL样本中CD8⁺T细胞、髓系来源抑制细胞(MDSCs)等免疫抑制细胞显著增加。相关性分析发现CXCL9与CD56^brightNK细胞呈正相关，与巨噬细胞、未成熟B细胞呈负相关，提示其参与免疫调节的复杂机制。

实验验证结果

qRT-PCR证实DLBCL患者中四个关键基因表达均显著上调(P<0.05)，其中CXCL9差异最显著(P<0.01)。免疫组化显示CXCL9蛋白在DLBCL组织中高表达，与生物信息学预测一致。

该研究系统鉴定了CXCL9等四个关键基因作为DLBCL预后标志物，其创新性体现在：首次通过机器学习整合多组学数据建立预测模型；阐明这些基因与免疫微环境的调控关系；实验验证了CXCL9的临床价值。特别是发现CXCL9可能通过招募细胞毒性淋巴细胞促进组织坏死，这为理解EBV阳性DLBCL的独特病理机制提供了线索。研究局限性包括样本量较小导致的模型过拟合，以及需要进一步探索C1QA的甲基化调控机制。这些发现为DLBCL的精准分型和免疫治疗靶点开发奠定了理论基础，相关成果发表在《BMC Immunology》期刊。