《Frontiers in Genetics》：Cross-lineage anomaly detection of microRNA expression: a framework for deriving exploratory candidate biomarkers in sarcoma
编辑推荐：
引言：肉瘤（sarcomas）是罕见的、异质性的间充质来源恶性肿瘤，其诊断与分子分型仍具挑战性。研究人员将单类异常检测（one-class anomaly detection）框架引入microRNA（miRNA）表达谱，以检验肉瘤相关miRNA特征是否能与上
引言：肉瘤（sarcomas）是罕见的、异质性的间充质来源恶性肿瘤，其诊断与分子分型仍具挑战性。研究人员将单类异常检测（one-class anomaly detection）框架引入microRNA（miRNA）表达谱，以检验肉瘤相关miRNA特征是否能与上皮性（epithelial）、血液性（haematological）和神经性（neurological）癌症相区分，以及这些特征是否具有生物学相关性。
方法：符合跨谱系显著性标准的候选miRNA进一步通过针对亚型匹配的正常间充质参考组织的差异表达分析、通路富集和生存分析进行评估。一种由Fisher线性判别分析（Fisher’s linear discriminant analysis, LDA）在TCGA-SARC训练队列中通过留一交叉验证（leave-one-out cross-validation, LOOCV）推导出的五-miRNA指数（“Index 5”），在不重新拟合的情况下应用于独立外部队列（GSE36982）。
结果：五-miRNA指数（“Index 5”）达到0.93的AUC（area under the curve，曲线下面积），并在不重新拟合的情况下应用于独立外部队列（GSE36982）时达到0.97的AUC。经Benjamini–Hochberg校正后，一个候选miRNA（miR-1305）仍与总生存期（overall survival）显著相关。
讨论：这些发现鉴定出一个经计算推导、并在外部测试的、与肉瘤相关的候选miRNA特征。尽管本研究缺乏实验和临床验证，本研究的更广泛目标是提出一个框架，以协助并加速罕见恶性肿瘤中探索性候选生物标志物的发现过程。
解读文章：
研究背景：肉瘤（sarcoma）是罕见的间充质来源异质性恶性肿瘤，包含70多种组织学亚型，可发生于骨、软组织和连接结构。尽管组织学上间充质起源明确，但其分子调控程序仍表征不足。既往肉瘤microRNA（miRNA）研究多集中于肿瘤与正常比较或肉瘤内亚型分类，未回答肉瘤与其他主要癌症谱系在调控架构上的关系。miRNA稳定保留组织来源特征，可能编码细胞身份；但癌症间miRNA差异并非均具同等生物学意义，有些代表保留的谱系身份，有些反映叠加的致癌失调。因此，研究人员采用多谱系单类异常检测（one-class anomaly detection）框架，将肉瘤作为严格留出异常类，参考上皮性、血液性和神经性癌症，以识别跨谱系驱动肉瘤异常的miRNA，并检验其是否具有生物学和临床相关性。
关键技术方法（250字以内）：研究使用TCGA（The Cancer Genome Atlas，癌症基因组图谱）和GEO（Gene Expression Omnibus，基因表达综合数据库）公开miRNA表达数据。TCGA-SARC（n=259）为留出肉瘤队列；上皮参考n=2,610，血液参考n=751，神经参考n=530；正常间充质参考来自TCGA/GEO（n=82），按主要亚型匹配子宫肌层、脂肪组织/脂肪细胞和成纤维细胞；外部验证用GSE36982（n=76）。方法包括PCA、三个Isolation Forest（孤立森林，IF）单类异常检测模型、五折交叉验证、阈值优化、TreeSHAP、跨比较重叠、平台归一化、Fisher LDA与LOOCV、Mann-Whitney U检验、MiENTURNet网络和KEGG/Reactome富集、Kaplan-Meier与log-rank生存分析及BH校正。
结果总览：三个IF模型分别在上皮、血液和神经非肉瘤谱系中训练，并在严格留出肉瘤队列中评估。AUC-ROC为神经0.963±0.010、血液0.891±0.014、上皮0.858±0.015；AUC-PR也较高。参考谱系验证样本被接受为正常的敏感性约束≥0.80均满足；神经模型特异度接近0.998，血液0.917，上皮0.724。结果表明肉瘤miRNA谱可与各参考谱系区分，且与神经谱系差异最强。TreeSHAP跨比较重叠分析得到8个共识候选miRNA：hsa-miR-337为三个比较均出现；hsa-miR-196a、hsa-miR-214、hsa-miR-1305、hsa-miR-1245a、hsa-miR-767、hsa-miR-493和hsa-miR-3152各出现在两个比较中。hsa-miR-196a的SHAP重要性最高（0.030），其次为hsa-miR-214（0.026）和hsa-miR-1305（0.021）。
3.1 使用Fisher’s LDA和LOOCV验证SHAP识别的miRNA（Validation of SHAP-identified miRNAs using Fisher’s LDA and LOOCV）：hsa-miR-3152因GEO样本注释很少而被排除于验证和差异表达分析。七个候选miRNA单独表现差且变异较大，仅hsa-miR-196a训练队列区分较强（AUC=0.78）。组合分析中，2个miRNA AUC=0.88，至5个miRNA AUC=0.93，6个和7个不再提高。按简约标准选取五-marker组合hsa-miR-196a、hsa-miR-767、hsa-miR-1245a、hsa-miR-1305、hsa-miR-493，形成“Index 5”。训练LOOCV AUC为0.93，敏感性0.75，特异性1.00，准确度0.80，平衡准确度0.87。其冻结公式为：Index 5 = (0.8353 * hsa-mir-196a) + (0.1943 * hsa-mir-767) + (0.2874 * hsa-mir-1245a) + (0.0282 * hsa-mir-1305) + (0.2665 * hsa-mir-493) + (?1.9598)，Index 5 ≥ 0判为肉瘤，<0判为正常。该公式不重新拟合应用于GSE36982外部队列，AUC=0.97，敏感性0.92，特异性0.95，准确度0.93，平衡准确度0.94。
3.2 共识miRNA相对于正常组织的差异表达（Differential expression of consensus miRNAs against normal tissue）：将TCGA肉瘤样本与正常组织比较，BH校正后七个共识miRNA均显著差异表达，且在肉瘤中均上调。miR-196a、miR-767和miR-214证据最强，效应量r分别为0.627、0.511、0.462，中位ΔZ分别为2.26、1.51、1.58。miR-1305表达位移较大，中位ΔZ=3.09，均值ΔZ=5.56，校正p=5.6E-07，效应量r=0.364。miR-1245a和miR-493中位ΔZ分别为1.59和2.29。miR-337也显著上调但效应较小，中位ΔZ=1.38，校正p=0.039，r=0.150。该结果表明多数共识miRNA代表相对于正常组织的转录异常。
3.2.1 miRNA–基因互作网络与通路富集分析（miRNA–gene interaction network and pathway enrichment analysis）：MiENTURNet构建互作网络，hsa-miR-1305、hsa-miR-493和hsa-miR-3152共享若干共同靶基因，hsa-miR-337仅连接HOXB7。KEGG富集包括PI3K-AKT、mTOR、p53、黏着斑和整合素信号、DNA复制保真与修复（错配修复、碱基切除修复、核苷酸切除修复、ATP依赖染色质重塑）、细胞周期、癌症转录失调、AMPK和自噬。Reactome富集包括TP53活性调控、DNA损伤和端粒应激诱导衰老、癌基因诱导衰老、氧化应激诱导衰老、RUNX1表达和活性、S期、染色体维持、Cohersin Loading onto Chromatin、跨损伤合成、RAB香叶基香叶基化、RAB介导囊泡运输以及雌激素受体和核受体信号。总体上，KEGG和Reactome汇聚于四个主题：PI3K-AKT-mTOR致癌轴激活、p53介导DNA损伤反应和衰老程序受损、细胞周期和基因组维护失调、间充质细胞骨架和黏附重编程。
3.3 共识miRNA在肉瘤总生存中的预后意义（Prognostic significance of consensus miRNAs in sarcoma overall survival）：在TCGA-SARC中按中位表达分组进行Kaplan-Meier总生存分析，并以BH校正。仅miR-1305显著（log-rank p=0.003；BH校正p=0.024），高表达组中位OS约48.55个月，低表达组约85.38个月，差约3年。miR-767名义显著（p=0.029）但未通过BH校正（校正p=0.116）。miR-214和miR-1245a呈趋势（p=0.095和0.075；校正p=0.190），中位OS差异约32.4和26.8个月。hsa-miR-3152、hsa-miR-196a、hsa-miR-337和hsa-miR-493未见显著生存差异。
讨论部分总结：本研究检验肉瘤与其他癌症谱系在miRNA表达上的差异是否具有生物学意义及临床相关性。三条证据支持存在生物学信号：模型从未见肉瘤样本仍可区分三个发育不同参考谱系；部分共识miRNA相对正常间充质组织差异表达，从而区分真正偏离非恶性状态者与可能保留谱系身份者；miR-1305与总生存相关。跨参考谱系的分级区分模式与发育距离假设一致。miR-214、miR-767和miR-1305因高SHAP重要性、相对正常组织显著过表达以及miR-1305的生存关联而受关注。既往报道提示miR-214通过抑制PTEN激活PI3K-AKT，本分析也富集该通路；miR-1305与MDM2调控及其他肿瘤预后相关，但这些不证明肉瘤中相同机制。Index 5支持一组miRNA而非单个miRNA可能更具价值。研究更广泛目标是提供可解释的异常检测框架，以加速罕见恶性肿瘤探索性候选生物标志物发现，并可扩展至其他高维分子数据。局限包括：全部结果基于公开数据计算和生物信息分析，存在批次效应、临床注释异质和跨平台变异；Index 5需实验验证；训练LOOCV AUC与外部AUC意义不同；匹配正常参考仅针对三个主要亚型；正常对照按accession分配，验证是外部肉瘤测试集对留出对照，并非完全独立外部队列；GSE36982正常样本仅用于归一化并排除以防泄漏；miR-3152因样本表达值不足未用于验证和差异表达；TCGA-SARC以平滑肌肉瘤和脂肪肉瘤为主，可能影响泛化性；仅采用Isolation Forest一种算法。未来需前瞻多中心验证Index 5、靶向qPCR、亚型扩展、功能验证PI3K-AKT-mTOR和p53衰老相关枢纽基因，并测试该框架在其他罕见癌症中的可迁移性。
研究结论翻译：这些发现鉴定出一个经计算推导、并在外部测试的、与肉瘤相关的候选miRNA特征。尽管本研究缺乏实验和临床验证，本研究的更广泛目标是提出一个框架，以协助并加速罕见恶性肿瘤中探索性候选生物标志物的发现过程。但研究人员请求读者在推断本研究结果时保持审慎，并鼓励未来研究聚焦于实验验证，这将使该框架的应用真正有价值。
