基于非靶向代谢组学与SHAP机器学习算法揭示奥沙利铂诱导外周神经病变的代谢特征与生物标志物面板

本研究通过非靶向代谢组学（LC-MS/MS）结合SHAP驱动的随机森林算法，系统分析了结直肠癌患者奥沙利铂诱导外周神经病变（OIPN）不同严重程度等级（Level 0-3）的血清代谢谱，筛选出噻苯达唑、1-甲基黄嘌呤等6个核心生物标志物，并揭示ABC转运蛋白、氨基酸代谢等通路在OIPN发病机制中的关键作用，为OIPN的早期预测与精准干预提供了新策略。

　　

背景

奥沙利铂诱导的外周神经病变（OIPN）是结直肠癌患者治疗过程中的常见剂量限制性毒性反应，超过85%的患者在接受奥沙利铂治疗后会出现不同程度的神经病变症状。OIPN主要表现为感觉神经异常，如感觉迟钝、感觉异常和神经性疼痛，严重时可能导致治疗中断或终止。目前缺乏客观、高效的生物标志物用于OIPN的早期预测和分级管理。代谢组学技术能够全面捕捉生物体内小分子代谢物的动态变化，为揭示OIPN的代谢机制提供了有力工具。

材料与方法

研究纳入129例接受奥沙利铂化疗的结直肠癌患者，根据NCI-CTCAE V3.0标准将OIPN严重程度分为0-3级。采集患者血清样本，通过超高效液相色谱-串联质谱（UHPLC-MS/MS）进行非靶向代谢组学分析，共检测到521种代谢物。采用多变量统计分析方法（PCA、OPLS-DA）筛选差异表达代谢物（DEMs），并结合SHAP（Shapley Additive exPlanations）引导的随机森林算法进行特征重要性排序。最终通过六种机器学习分类器（K近邻、随机森林、支持向量机等）验证生物标志物的分类性能，并以ROC曲线下面积（AUC）评估模型预测精度。

结果

临床特征分析显示，奥沙利铂累积剂量与OIPN严重程度呈正相关，Level 2和Level 3患者的剂量显著高于Level 0患者。同时，OIPN的发生与肿瘤标志物（CEA、CA19-9、CA72-4）、免疫炎症指标（ANC、PLT）以及肝功能代谢指标（GGT、UA）显著相关。

代谢组学分析共鉴定出521种代谢物，主要包括脂质和类脂分子（20.73%）、氨基酸及其衍生物（14.40%）等类别。多组比较发现，Level 1 vs Level 0、Level 2 vs Level 0、Level 3 vs Level 0分别存在187、182、202个DEMs。通路富集分析表明，ABC转运蛋白、癌症中的中央碳代谢、氨基酸代谢（如D-氨基酸代谢、精氨酸生物合成）和亚油酸代谢通路在OIPN发生发展中显著失调。

通过SHAP分析和机器学习验证，研究筛选出6个能够显著区分OIPN患者（Level 1-3）与非OIPN患者（Level 0）的核心生物标志物：噻苯达唑（thiabendazole）、1-甲基黄嘌呤（1-methylxanthine）、咪唑-5-基丙酮酸（imidazol-5-yl-pyruvate）、5-羟基戊酸（5-hydroxypentanoic acid）、亚精胺（spermidine）和4’-氧化橄榄胺（4’-oxolividamine）。这些标志物在六种机器学习模型中对OIPN的早期识别表现出近乎完美的预测能力（AUC≈1）。然而，在区分中间等级OIPN（如Level 1 vs 2、Level 2 vs 3）时模型预测精度较低（AUC: 0.549–0.843），可能与样本量限制和主观分级标准有关。

相关性分析发现，噻苯达唑和1-甲基黄嘌呤与血小板（PLT）呈正相关，咪唑-5-基丙酮酸与CEA、CA19-9正相关，亚精胺与血糖（GLU）正相关，而1-甲基黄嘌呤与GGT呈负相关，提示这些代谢物与临床特征存在潜在关联。

讨论

OIPN的发生发展与奥沙利铂的累积剂量、肿瘤进展、免疫炎症反应及代谢功能异常密切相关。本研究首次通过纵向代谢组学分析揭示了OIPN不同严重程度等级的代谢特征，并利用SHAP机器学习算法筛选出具有高区分效能的生物标志物组合。1-甲基黄嘌呤作为腺苷A₂A受体拮抗剂，可能通过增强钠通道功能障碍和氧化应激加剧神经毒性；亚精胺可能通过激活TRPV1和Nav1.8通道促进神经元超兴奋性；4’-氧化橄榄胺则可能抑制Nrf2/ARE抗氧化通路，加重氧化损伤。而咪唑-5-基丙酮酸和5-羟基戊酸可能通过调节能量代谢和炎症反应发挥神经保护作用。噻苯达唑作为苯并咪唑类化合物，可能通过抗氧化和调节肠道菌群功能减轻神经炎症。

尽管本研究在OIPN的早期识别方面取得了显著进展，但中间等级OIPN的代谢区分仍面临挑战，未来需结合神经电生理指标和更大样本量进行验证。

结论

本研究通过非靶向代谢组学和机器学习方法，系统揭示了OIPN的代谢重编程特征，筛选出6个具有高预测价值的生物标志物，并提示ABC转运蛋白、氨基酸代谢和炎症反应通路在OIPN发病中的关键作用。这些发现为OIPN的早期预测、机制研究和靶向治疗提供了重要依据。