基因结构组织学用于推导和预测胰腺癌分子亚型

《Signal Transduction and Targeted Therapy》：Gene-structured histology for deriving and predicting pancreatic cancer molecular subtypes

　　

胰腺导管腺癌（pancreatic ductal adenocarcinoma, PDAC）的分子分型将其分为基底样（basal-like）和经典型（classical）状态，这是关键的预后决定因素，然而临床实施仍受限于转录组测序的成本和周转时间。尽管常规组织病理学捕获了丰富的形态学特征，但深度学习模型通常缺乏与基因水平分子结构的原理性联系。研究人员提出一种图约束的组织学模型，该模型将形态学衍生的潜在特征映射到一个固定的、数据驱动的胰腺癌基因共表达网络上，用于分子亚型预测。基因结构化的输出被解释为由基因共表达结构约束的潜在特征，而非患者水平基因表达的直接估计或经验性基因网络对齐的恢复。研究人员利用来自TCGA-PAAD和PANCAN队列中797名患者的bulk RNA-seq数据，通过单样本基因集富集分析（single-sample gene enrichment analysis, ssGSEA）建立了分子金标准。分层蒙特卡洛筛选流程评估候选基因以推导出具有高预测潜力的50基因模块。在五折交叉验证中，第二阶段200基因模块筛选的平均测试AUC为0.773 ± 0.026。随后的第三阶段优化使50基因模块的平均测试AUC达到0.841 ± 0.026。为了弥合形态学与分子表征之间的差距，研究人员将图拉普拉斯（graph Laplacian）正则化器整合到基于深度学习的图像分类器中。在高置信度测试样本（n = 176；96例基底样和80例经典型）中，所提出的图约束模型实现了样本水平的AUROC为0.817，准确率为0.778，敏感性为0.813，特异性为0.738，平衡准确率为0.775。消融研究表明，图约束模型相对于无图消融显著提高了准确率和平衡准确率。低置信度队列中观察到性能下降，表明形态学最清晰地反映主导分子程序是在转录组信号强烈的情况下。本研究的核心方法创新在于分层蒙特卡洛基因模块筛选流程，该流程从转录组数据中推导出紧凑的预测性共表达模块，并将其用于定义基于基因索引的图约束，以实现基于组织学的PDAC亚型预测。结果表明，基因结构可以在转录组亚型信号强烈时提高基于阈值的准确率和平衡准确率，而低置信度的转录组信号则使基于图的模型转向更高的敏感性，但代价是降低特异性和准确率。

研究背景与问题

胰腺导管腺癌（pancreatic ductal adenocarcinoma, PDAC）是一种高度恶性的肿瘤，其分子分型将患者分为基底样（basal-like）和经典型（classical）两种状态，这一分型对预后判断至关重要。然而，由于转录组测序成本高昂且周转时间长，分子分型在临床中的广泛应用受到限制。尽管常规的组织病理学（histopathology）染色切片能够捕捉丰富的形态学特征，但现有的深度学习模型通常缺乏与基因水平分子结构之间的原理性联系，难以从形态学信息中可靠地推断分子亚型。因此，亟需一种能够桥接形态学与分子表征的方法，以较低成本实现PDAC的分子分层。

研究内容与意义

针对上述问题，研究人员提出了一种图约束的组织学模型（graph-constrained histology model）。该模型将形态学衍生的潜在特征映射到一个固定的、数据驱动的基因共表达网络（gene co-expression network）上，用于预测PDAC的分子亚型。研究的意义在于，它证明了常规的组织学切片可以恢复临床上相关的转录组亚型结构，前提是受到生物学合理的基因约束的引导。此外，该方法通过识别从RNA空间转移到苏木精-伊红（hematoxylin and eosin, H&E）形态学的基因结构，为在无法常规进行转录组分析的环境中实现更低成本的PDAC分子分层提供了实用途径。该论文发表于《Signal Transduction and Targeted Therapy》。

关键技术方法

研究人员使用了以下几个主要关键技术方法：

1. 1.
   利用来自癌症基因组图谱（The Cancer Genome Atlas, TCGA）-PAAD和PANCAN队列的797名患者的bulk RNA-seq数据作为转录组数据源。
2. 2.
   采用单样本基因集富集分析（single-sample gene enrichment analysis, ssGSEA）建立分子亚型的金标准。
3. 3.
   开发了一种分层蒙特卡洛（Monte Carlo）筛选流程，通过多阶段评估候选基因，最终推导出具有高预测潜力的50基因模块。
4. 4.
   将图拉普拉斯（graph Laplacian）正则化器整合到基于深度学习的图像分类器中。该拉普拉斯矩阵由所选基因之间的秩变换斯皮尔曼相关矩阵计算得出，用于在模型训练过程中强制预测的基因潜在表示向量在共表达网络上保持平滑。

研究结果

图约束模型的性能表现

在高置信度测试样本（n=176；96例基底样和80例经典型）中，研究人员提出的图约束模型实现了样本水平的受试者工作特征曲线下面积（Area Under the Receiver Operating Characteristic curve, AUROC）为0.817，准确率（accuracy）为0.778，敏感性（sensitivity）为0.813，特异性（specificity）为0.738，平衡准确率（balanced accuracy）为0.775。在五折交叉验证中，该模型达到了平均测试AUROC为0.839 ± 0.055，平均敏感性为0.809 ± 0.134，特异性为0.739 ± 0.139。

基因模块消融与扩展实验

研究人员对一个紧凑的26基因消融模块进行了评估。在转录组空间中，该26基因子集达到了测试AUROC为0.873 ± 0.020。当用作组织学模型中的图约束时，同一26基因子集在高置信度测试中取得了AUROC为0.840 ± 0.077。相比之下，一个扩展的50基因莫菲特（Moffitt）衍生图模块在高置信度组织学测试中AUROC为0.834 ± 0.050。德隆检验显示，紧凑的26基因消融模块在AUROC上显著优于扩展的第二个50基因模块（Δ = 0.040，霍尔姆校正p = 0.035），而与原始图约束模型无显著差异（p = 0.528）。科克伦Q检验表明，扩展模块主要通过降低特异性而导致性能下降。这些消融实验表明，简单地扩展一个转录组上强大的基因模块并不能改善向组织学的转移。

图拉普拉斯约束的贡献

消融研究评估了图拉普拉斯约束的贡献。标准的UNI + MLP基线模型达到了平均测试AUROC为0.833 ± 0.075。不包含图损失的实验达到了平均测试AUROC为0.832 ± 0.084。配对样本水平的德隆检验显示，图约束模型、无图消融模型和UNI + MLP基线之间的AUROC无显著差异（整体p = 0.987）。然而，科克伦Q检验显示，在准确率（p = 0.007）和敏感性（p = 0.035）方面，不同模型的阈值化分类性能存在差异。与无图消融相比，图约束模型通过配对自助法分析显著提高了准确率0.063（95%置信区间：0.017–0.108，pHolm = 0.016）和平衡准确率0.061（95%置信区间：0.019–0.107，pHolm = 0.012）。麦克尼马尔检验同样显示图约束模型的准确率更高（pHolm = 0.038）。这些结果支持图正则化在高置信度队列中带来了阈值依赖的性能提升。

低置信度队列中的表现

在低置信度队列（n=361；115例基底样和246例经典型）中，图约束模型表现下降，平均测试AUROC为0.621 ± 0.080，配对分析中样本水平AUROC为0.583。与无图消融相比，图约束模型显示出更高的敏感性（Δ = 0.261，95%置信区间：0.183–0.348，pHolm < 0.001），但更低的特异性（Δ = ?0.240，95%置信区间：?0.297至?0.187，pHolm < 0.001）和更低的准确率（Δ = ?0.080，95%置信区间：?0.127至?0.036，pHolm = 0.002），平衡准确率无显著差异。ssGSEA评分的分布分析表明，这些样本聚集在?1/+1决策阈值附近，这与转录组模糊性或混合肿瘤表型一致。

基因模块的特征分析

研究人员推导出的46基因集包含了参与上皮屏障功能（如TFF2）、蛋白质合成（如ETF1）和免疫调节（如BATF2）的标志物。贪婪模块化社区检测识别出一个包含46个基因的主导共表达社区。图约束的基因模块与原始的莫菲特亚型特征重叠极小，50个基因中仅共享一个基因（TFF2），表明所选模块代表了一个独立但具有预测性的共表达特征。第二个50基因模块与经典型特征的重叠程度远大于与基底样特征的重叠程度，与25个经典型基因中的11个重叠（44.0%），而与25个基底样基因中仅1个重叠（4.0%）。

总结与讨论

研究总结指出，常规组织学可以在生物学合理的基因约束指导下恢复临床上相关的转录组亚型结构，并且基因模块的选择能够区分那些在转录组上强有力但与形态学可检测的信号。通过识别能从RNA空间转移到H&E形态学的基因结构，该方法为在无法常规进行转录组分析的场景中实现更低成本的PDAC分子分层提供了一条实用路径。研究结论部分翻译如下：总之，本研究表明，当受到生物学基础的基因约束引导时，常规组织学可以恢复临床上相关的转录组亚型结构，并且基因模块的选择区分了转录组上强信号与形态学上也可检测到的信号。通过识别从RNA空间转移到H&E形态学的基因结构，这种方法为在无法常规进行转录组分析的环境中实现更低成本的PDAC分子分层提供了一条实用途径。