基于三基因标志物的口腔鳞癌预后风险评分模型开发与多队列验证

（编辑推荐）本研究通过整合TCGA和GEO多组学数据，运用差异表达分析（DEA）、加权基因共表达网络（WGCNA）和机器学习算法（LASSO/Random Forest），构建了由CXCL12、PLAU、PXDN组成的三基因预后模型。该模型在1/3/5年预测中AUC达0.767/0.625/0.714，显著优于传统TNM分期（C-index 0.63 vs 0.58），并通过实验验证了基因表达差异，为口腔鳞癌（OSCC）个体化诊疗提供了新工具。

　　

亮点

这项研究提出了一种针对口腔鳞状细胞癌（OSCC）的综合预后生物标志物发现策略。通过整合三个独立GEO数据集，我们确保了跨队列稳健性，并采用多算法联用（包括PPI-MCODE网络分析和机器学习方法LASSO、随机森林）最终筛选出CXCL12、PLAU和PXDN这三个关键基因。

讨论

本研究展示了一套完整的OSCC预后生物标志物发现与风险模型构建方案。基于三个GEO数据集的基因表达谱整合，我们通过差异表达分析（DEA）和加权基因共表达网络分析（WGCNA）锁定了与表型相关的模块。结合蛋白质互作网络（PPI）和分子复合物检测（MCODE），进一步筛选出核心基因。最终通过LASSO回归和随机森林（RF）算法优化，建立了包含CXCL12、PLAU和PXDN的三基因风险评分系统。

结论

本研究通过多算法整合成功鉴定出三个预后生物标志物（CXCL12、PLAU和PXDN）。基于这些标志物开发的基因预后模型，有望提升OSCC患者的风险分层精度，支持个体化治疗决策。虽然模型展现出良好的预测性能，但其临床适用性仍需在更大规模、更多样化的独立队列中进一步验证。