基于AutoML的高风险儿童急性淋巴细胞白血病microRNA生物标志物鉴定及其临床意义研究

本研究针对儿童急性淋巴细胞白血病(ALL)复发风险预测难题，创新性应用自动机器学习(AutoML)技术分析123例患者RNA-seq数据，通过因果驱动特征选择算法SES，鉴定出区分T/B细胞谱系的14-miRNA特征(准确率99.5%)、高风险分层的18-miRNA特征(AUC 71.8%)及不良遗传特征的5-miRNA标志物。特别发现miR-223在MRD阳性化疗耐药病例中的核心作用，为ALL精准诊疗提供了新型生物标志物体系。

儿童急性淋巴细胞白血病(ALL)虽已实现90%以上的生存率，但仍有15-20%患儿面临复发威胁，且幸存者常伴随代谢异常、认知障碍等长期并发症。这一临床困境的核心在于现有风险分层体系仍存在盲区，而近年研究发现微小RNA(miRNA)的异常表达与白血病发生发展密切相关——这些长约22核苷酸的非编码RNA能通过调控mRNA稳定性影响造血干细胞自我更新与分化平衡。然而，传统单变量分析方法难以捕捉miRNA间的复杂互作网络，且既往研究多聚焦特定亚型，缺乏系统性探索。

针对这些挑战，Ioannis Kyriakidis等研究者创新性地将自动机器学习(AutoML)技术引入儿童ALL研究领域。团队利用St. Jude儿童医院提供的123例ALL患者RNA-seq数据集，通过JADBio平台构建多维度预测模型。该平台采用独特的统计等效签名(SES)算法进行因果特征选择，结合Bootstrap偏倚校正交叉验证(BBC-CV)确保模型稳健性，最终在区分T/B细胞谱系、国家癌症研究所(NCI)高风险分层、不良遗传特征(URG)和分子亚型分类四个维度构建了高性能预测体系。

研究结果部分，在"3.1. 预测性能"中显示：区分T-ALL与B-ALL的14-miRNA特征达到99.5%的AUC值，其中miR-548i-2通过调控BCL2/BNIP2凋亡通路成为最显著标志物；"3.2. 鉴定特征"揭示18-miRNA高风险特征(AUC 71.8%)中，miR-4749通过靶向抑癌基因HIC1、miR-298通过调控DYRK1A-FOXO1轴参与白血病发生；针对URG的5-miRNA特征(AUC 85%)则通过NOTCH1-MYC信号通路影响疾病进展。值得注意的是，多亚型分类模型中miR-223的突出表现，其通过PI3K/AKT/mTOR通路调控白血病细胞增殖，且在化疗耐药和微小残留病(MRD)阳性病例中持续高表达。

讨论部分强调了三个关键发现：首先，研究验证了凋亡通路差异是T/B-ALL免疫表型区分的重要生物学基础；其次，首次报道miR-548i-2在T-ALL中的诊断价值及其与干扰素信号的潜在关联；最重要的是建立了miR-223作为高风险MRD阳性病例的跨亚型标志物。技术层面，SES算法实现了特征最小化与预测最大化的平衡，为开发经济型诊断试剂盒奠定基础。尽管存在样本量限制和缺乏独立验证队列的不足，但该研究为即将开展的MICRO-CALLS前瞻性研究提供了理论框架，其建立的AutoML分析流程也可推广至其他癌症生物标志物挖掘领域。

这项发表于《Non-coding RNA Research》的研究，通过创新性整合人工智能与分子生物学，不仅揭示了ALL发病的新机制，更建立了可解释的预测模型体系。特别是发现miRNA特征与化疗耐药性的关联，为优化治疗方案提供了分子依据，推动ALL诊疗向精准医学迈进。未来研究需在更大队列中验证这些标志物，并探索其作为治疗靶点的潜在价值。