《Advanced Intelligent Systems》：MetaPaCS: A Novel Meta-Learning Framework for Pancreatic Cancer Subtype Identification
编辑推荐：
胰腺癌（PaC）是美国第三大癌症相关死亡原因，是一种高度异质性的恶性肿瘤，具有多种潜在亚型。每种PaC亚型都具有独特的分子通路和治疗特征，可用于下游患者风险分层和个性化治疗设计。传统的湿实验室PaC分型方法（显微切割、组织病理学研究等）费力、昂贵且耗时。为解决
胰腺癌（PaC）是美国第三大癌症相关死亡原因，是一种高度异质性的恶性肿瘤，具有多种潜在亚型。每种PaC亚型都具有独特的分子通路和治疗特征，可用于下游患者风险分层和个性化治疗设计。传统的湿实验室PaC分型方法（显微切割、组织病理学研究等）费力、昂贵且耗时。为解决这些问题，研究人员提出了MetaPaCS，一种基于转录组学数据准确识别PaC亚型的新型元学习框架。具体而言，在预处理后，转录组特征向量由多个基础机器学习分类器进行分类，其多样化的预测输出与初始预处理特征向量相结合，构成一组新的集成特征向量，供元学习分类器使用。留一法交叉验证表明，MetaPaCS的性能显著优于优化后的单个基础分类器。研究人员认为MetaPaCS是下游风险分层和个性化治疗设计的有前景工具。
基于元学习的胰腺癌亚型识别框架MetaPaCS研究解读
一、研究背景与问题
胰腺癌（PaC）是美国第三大癌症相关死亡原因，预计十年内将上升至第二位。自1970年以来，PaC新发病例数从18,800例急剧增加至2023年的64,050例，而5年生存率仅从9%提升至12%，远低于同期乳腺癌从40%-50%提升至90%-100%的改善幅度。PaC的突变谱在患者间及肿瘤内部均呈现高度异质性，难以找到适用于所有病例的单一有效治疗方案。尽管新辅助治疗等通用疗法带来轻微改善，但最有前景的进展来自免疫治疗等实验性靶向治疗，这凸显了研究PaC不同分子通路变异的价值。
亚型分型已成为提供个性化医疗的重要手段。2015年的一项初始研究发现PaC存在基底样和经典型两种亚型，后续通过表达分析结合显微切割的病理特征，进一步识别出四种关键亚型：异常分化内分泌外分泌型（ADEX）、免疫原性型、祖细胞型和鳞状型。每种亚型在治疗和生存方面表现出不同特征。传统湿实验室方法（如显微切割和显微镜检查）劳动密集、成本高昂且耗时，部分患者因无法进行肿瘤切除而难以实施。目前唯一获FDA批准的PaC生物标志物Ca19-9灵敏度低且不具备亚型特异性，在Lewis阴性表型人群中因合成减少而失效。计算方法的兴起为高效、经济的PaC分型提供了替代方案，但现有机器学习方法在不同数据集和病例间可能存在泛化能力不足的问题。为此，研究人员提出MetaPaCS，一种基于转录组学数据的新型元学习框架，通过堆叠集成策略实现PaC亚型的准确可靠预测。
二、研究内容与结论
研究人员开发了MetaPaCS框架，该框架由两个主要模块组成：包含所选基础分类器的Block A和包含元学习器的Block B。研究评估了10种机器学习算法作为候选分类器，包括线性核支持向量机（SVM linear）、径向基函数核支持向量机（SVM RBF）、决策树（DT）、随机森林（RF）、XGBoost（XGB）、高斯朴素贝叶斯（NB）、逻辑回归（LR）、多层感知器（MLP）、K近邻（KNN）和二次判别分析（QDA）。通过系统评估147种配置组合，最终确定以KNN和QDA作为基础分类器、XGBoost作为元学习器的最优框架。该框架在九项评估指标中均优于所有单个基础分类器，准确率达0.9167，F1分数0.9172，马修斯相关系数（MCC）0.8876，曲线下面积（AUC）0.9801。研究还验证了框架在嵌套五折交叉验证和随机外部测试集划分下的稳定性。
三、关键技术方法
研究使用了来自Bailey等人报道的96例PaC患者的RNA-seq表达数据，样本年龄介于34至90岁之间，分为四种亚型。数据预处理采用缺失值均值插补，转换为每百万计数（CPM）后计算变异系数平方（CV2），保留CPM>1且CV2>0.5的基因，将基因数从18,276减少至367。模型采用堆叠集成策略，通过留一法交叉验证（LOOCV）生成样本外概率输出，与原始特征拼接后输入元学习器。可视化采用主成分分析（PCA）、t分布随机邻域嵌入（t-SNE）和统一流形逼近与投影（UMAP）三种降维方法。差异基因表达（DGE）分析使用limma包的经验贝叶斯调节t检验，基因本体（GO）富集分析使用clusterProfiler包，药物-疾病关联分析使用DrugBank和TTD数据库。
四、研究结果
4.1 模型优化与基准测试识别PaC亚型
通过系统评估Block A和Block B的多种分类器组合，研究人员确定KNN和QDA作为基础学习器、XGBoost作为元学习器的最优配置，该配置在九项评估指标中八项排名第一。MetaPaCS在所有评估指标上均优于十个独立训练的基础分类器，准确率0.9167，优于概率平均（0.8958）和多数投票（0.9063）。嵌套五折交叉验证确认了框架选择的稳健性。
4.2 亚型特异性差异基因表达分析显示区分PaC亚型的独特表达模式
将PCA、t-SNE和UMAP直接应用于原始基因表达矩阵时，四种亚型样本表现出广泛重叠。而应用于MetaPaCS导出的嵌入表示后，聚类效果显著改善，样本形成更紧凑且分离良好的簇。进一步将MetaPaCS嵌入与独热编码（OH）亚型概率拼接后，可视化效果进一步增强，其中t-SNE产生最清晰的亚型簇分离。
4.3 亚型特异性差异基因表达分析显示PaC亚型的独特表达模式和潜在生物标志物
DGE分析揭示了各亚型的独特表达特征。祖细胞型显著上调G6PC2（葡萄糖-6-磷酸酶催化亚基家族成员，参与糖异生和糖原分解途径的最终步骤）；免疫原性型高表达免疫球蛋白基因如IGKV1.39和LGKV6D.21；鳞状型高表达上皮和迁移相关标志物如MIR205HG（miR-205宿主转录本，与上皮分化和侵袭潜力相关）和KRT6C（增殖性鳞状上皮中富集的细胞角蛋白，与肿瘤细胞增殖、迁移和上皮-间质转化激活相关）；ADEX型显著上调胰腺富集消化酶基因如CLPS（共脂酶，胰腺脂肪酶的关键辅助因子）和CELA3B（仅在胰腺外分泌部表达的糜蛋白酶样弹性蛋白酶）。
4.4 亚型特异性通路分析确定PaC亚型的独特富集通路
GO通路分析显示各亚型富集通路存在显著差异。祖细胞型主要富集细胞转运和分泌相关基因，最显著的是胰岛素分泌通路；鳞状型在表皮发育和中间丝组织等内外细胞结构相关通路高度上调，其中四个通路参与肾细胞分化；免疫原型型上调通路几乎全部为免疫相关通路，唯一例外是消化通路的17个基因；ADEX型上调通路主要基于不同肽和激素的分泌，仅三个通路涉及转运、两个涉及定位。
4.5 药物-疾病关联研究确定潜在的亚型特异性靶基因和药物
药物-疾病关联分析发现许多亚型特异性上调基因与多种药物和疾病相关。祖细胞型上调基因NR1I2与氟烷（一种常见麻醉剂，以严重肝毒性副作用著称）的代谢相关；鳞状型上调基因ANXA1影响多种药物治疗关节炎等自身免疫疾病和COVID-19等感染性疾病的代谢；免疫原性型上调基因TNFRSF17与五种用于多发性骨髓瘤治疗的药物代谢相关；ADEX型上调基因与12种不同药物存在相互作用，其中AMY2A（负责淀粉消化的基因）显著上调。
五、讨论与结论
讨论部分指出，MetaPaCS通过整合堆叠和元学习策略，利用多样化分类器的互补优势生成共识预测，同时元学习能够纠正基础学习器中存在的系统性偏差。与传统降维方法直接应用于原始表达矩阵相比，MetaPaCS生成的亚型感知特征表示显著改善了可视化效果。DGE分析揭示的各亚型独特上调基因对临床治疗具有重要参考价值，如祖细胞型和ADEX型上调的代谢相关基因可能长期升高血糖水平，不仅增加2型糖尿病风险，还可能通过更易获得的能量来源促进癌细胞增殖。GO通路分析进一步阐明各亚型的独特生物学特征，为个性化治疗策略设计提供依据。药物-疾病关联分析提示亚型诊断可能有助于对PaC合并疾病的药物监测和分配。研究结论表明，MetaPaCS是一种高表现的集成元学习方法，通过堆叠集成利用KNN和QDA两个基础分类器的概率预测，与原始输入数据拼接后输入新的XGBoost元学习分类器，在多项性能指标上均优于评估的单个分类器。未来研究旨在利用更大的PaC数据集并整合多组学数据，该框架在数据充足的情况下可能扩展至其他癌症亚型的预测。
