《Cancers》：Selection Instability and External Performance of Transcriptomic Models Beyond Age, Sex and Stage in Resected Lung Adenocarcinoma
编辑推荐：
摘要专业翻译
背景/目的： 本研究评估了在切除的I–II期肺腺癌中，分子特征筛选的稳定性以及超越年龄、性别和宽泛病理分期的外部预测能力。
方法： 模型在来自两个来源的228例患者中开发，并在包含778例患者的四个历史队列中于冻结后进行评估。主要比较采用弹性网络
摘要专业翻译
背景/目的： 本研究评估了在切除的I–II期肺腺癌中，分子特征筛选的稳定性以及超越年龄、性别和宽泛病理分期的外部预测能力。
方法： 模型在来自两个来源的228例患者中开发，并在包含778例患者的四个历史队列中于冻结后进行评估。主要比较采用弹性网络Cox回归（elastic-net Cox regression）添加通路评分。次要分析检验了基因模型、200次开发自举重采样（bootstrap resamples）、替代建模规格以及局部更新的基线。预测误差通过1–3年综合Brier评分（integrated Brier score, IBS）衡量；负的分子减去临床差值（ΔIBS）有利于分子模型。评估区间使用2000次配对自举重采样。
结果： 通路模型未保留任何分子项。最终基因模型保留了16个基因，而两个来源留出拟合以及200次开发重采样中的159次均未保留任何基因。惩罚参数0.5、0.15和0.05分别在160、38和2次重采样中被选中。替代规格将基因保留数从0改变至61，通路保留数从0改变至5。冻结基因模型ΔIBS在各队列中介于?0.0034至0.0055之间。其等权队列均值为0.0016（95% CI，?0.0012至0.0042），而交叉拟合局部基线更新后的均值为?0.0008（95% CI，?0.0024至0.0007）。临床模型预测日本队列3年死亡率为19.6%，Moffitt队列为22.6%，而观察值分别为9.1%和28.6%。
结论： 分子筛选不稳定，增量性能取决于规格和人群。这些结果刻画了所评估学习程序及其有限开发样本的特征；更广泛的转录组学预后价值和当代临床实用性仍未确立。
论文解读
一、研究背景与目的
肺腺癌切除术后，即使在相同的病理分期组内，患者生存结局仍存在显著差异。基因表达测量有望捕获与这种差异相关的肿瘤特征。Director's Challenge研究确立了多中心评估表达型预后模型的重要性，而ORACLE克隆表达生物标志物的前瞻性验证则展示了从生物学开发到预定预后检测的路径。这些研究共同推动了同时评估从转录组学中学习到的信息及其预测规则转移性能的必要性。
既往公共数据研究已开发出多种肺癌特征，包括免疫衰老模型和必需基因表达亚型。然而，对于术后生存而言，一个尚未解决的关键问题是：当分子学习程序的预处理、系数和基线生存被整体转移时，它是否能够增加预测信息。年龄、性别和宽泛病理分期为跨历史肺癌队列的比较提供了一个可协调的基准。
判别力、校准和筛选稳定性分别针对预后模型的不同要求。排序可以保持信息量，而绝对风险可能系统性地不准确。在小规模开发样本中，惩罚化并不能消除调参或预测因子选择中的不确定性，高维癌症特征可能强烈依赖于所抽样的患者。评估一个冻结模型与重复学习程序，分别处理了这种不确定性的互补部分。
本研究在切除的I–II期肺腺癌中评估了临床–转录组学学习程序。四个外部队列完全排除在参数拟合和模型选择之外。研究检验了分子筛选稳定性、队列特异性预测误差、判别力和校准，并将完整冻结模型与使用独立局部患者更新基线风险的版本进行了比较。
二、研究设计与方法
本研究为回顾性研究，使用公开可用的去标识化数据。内部分析规范于2026年9月15日记录，在模型拟合和外部预测性能检查之前定义了资格标准、队列角色、特征覆盖范围、候选模型、调参网格和主要对比。所有六个原始最终模型（包括预处理参数和基线生存函数）在生成外部预测之前均已冻结。
研究从Gene Expression Omnibus（GEO）获取了GSE68465、GSE72094、GSE42127、GSE50081和GSE31210五个数据集的完整处理表达矩阵、平台注释和样本元数据，对应Director's Challenge、Moffitt、MD Anderson、多伦多和日本早期队列。符合资格的患者为成年肺腺癌患者，报告病理分期为I或II期，性别已知，具有可解释的总体生存随访。开发使用GSE68465中的密歇根和纪念斯隆凯特琳来源，排除其Moffitt和Dana-Farber/加拿大来源以减少与GSE72094和GSE50081的潜在机构重叠。评估队列未参与任何拟合过程。
四个平台共享10,029个映射基因，在80%覆盖规则下支持50个Hallmark通路中的43个。通路评分采用中心化、归一化的平均秩公式。临床参考模型包括年龄、记录性别和宽泛病理分期组。主要分子模型使用Cox弹性网络回归添加Hallmark评分，临床系数不施加惩罚，分子系数使用L1混合分数0.5和五个惩罚值。基因比较模型保留训练折内秩方差最高的500个基因。最终超参数通过留一开发来源外评估最小化等来源平均IBS。
性能评估的主要对比为1–3年通路减去临床的综合Brier评分（ΔIBS），负值有利于分子模型。边际逆删失概率加权（IPCW）在每个评估队列内分别估计。队列特异性对比是迁移推断的基础，预设等权队列汇总描述了这四个特定人群的平均对比。次要指标包括Uno一致性统计量和3年累积/动态AUC。校准比较了平均预测死亡率与Kaplan–Meier死亡率。
分子筛选稳定性通过嵌套来源留出拟合和200次来源分层开发自举重采样评估。基线更新程序在外部队列内使用相同的五折事件分层分割，系数保持固定，每折基线风险使用其余四折的Breslow增量估计。比例风险诊断检验了与居中对数事件时间的交互作用。
三、研究结果
3.1 队列构成与测量覆盖
在1507个存储阵列中，1006例患者符合资格和来源分离标准：228例用于开发，778例用于外部评估。开发队列包含145例密歇根和83例纪念斯隆凯特琳患者，共96例死亡，其中3年内46例。Moffitt、MD Anderson、多伦多和日本分别贡献316、109、127和226例患者，死亡数分别为76、31、51和35例。平台共享10,029个映射基因，支持50个Hallmark通路中的43个。E2F靶点和MYC靶点V2低于覆盖阈值，而G2M检查点和MYC靶点V1被保留。
3.2 分子筛选依赖于开发样本
原始通路和免疫衰老模型选择惩罚0.15且未保留任何分子系数，其预测退化为临床成分。全开发基因模型保留500个候选基因中的16个。惩罚0.15实现平均来源留出IBS 0.115166，而惩罚0.5为0.115645，差异仅为0.000479。两个嵌套拟合均选择0.5且未保留分子项。在200次开发重采样中，惩罚0.005、0.015、0.05、0.15和0.5分别被选择0、0、2、38和160次。选择0.5的160次拟合中，159次未保留基因。总体而言，159/200次拟合塌缩，最终基因的重选频率为3.5–16.5%。外部总指数相关性中位数为0.90–0.92，而非塌缩拟合的分子-only指数相关性为0.56–0.64，表明更稳定的总指数主要由临床成分支撑。
3.3 冻结模型增量在外部队列间存在差异
冻结基因模型ΔIBS在Moffitt为?0.0034，MD Anderson为0.0029，多伦多为0.0055，日本为0.0012。相对于临床IBS，这对应?2.40%、3.25%、3.97%和2.51%的变化。所有四个95%区间均包含零。等权队列均值ΔIBS为0.0016（95% CI，?0.0012至0.0042），样本量加权均值为0.0003（?0.0019至0.0025）。描述性异质性为Q = 7.03（3自由度，p = 0.071），I2 = 57.3%。随机生存森林和Cox损失提升的等权队列ΔIBS分别为0.0024和0.0037。
3.4 局部更新基线改变了增量比较
经过相同的交叉拟合局部基线更新后，基因减去临床ΔIBS在Moffitt为?0.0040，MD Anderson为?0.0009，多伦多为0.0018，日本为?0.0001。MD Anderson和日本从冻结基因模型误差较高转为更新后误差略低。每个队列特异性区间均包含零。等权队列均值为?0.0008（95% CI，?0.0024至0.0007），而完整冻结模型为0.0016。这一差异证明了局部基线估计的敏感性。
3.5 删失敏感性与探索性时间窗效应
Moffitt中位随访2.49年，G(3) = 0.266，3年时60例患者仍在观察中。在该时间点，129例患者产生非零IPCW贡献，最大权重3.76，有效样本量101.5（占原始队列32.1%）。Moffitt中基因减去临床ΔIBS在1–2年为?0.0024（95% CI，?0.0046至?0.0003），1–2.5年为?0.0031（?0.0060至?0.0003）。将1–3年IPCW上限设为3时，ΔIBS为?0.0033（?0.0069至0.0002）。添加吸烟后，Moffitt ΔIBS为?0.0033，多伦多为0.0056，日本为0.0017。删失平局约定改变单个模型IBS小于0.00003。
3.6 校准与模型假设诊断
尽管增量IBS对比适中，校准显示显著的人群水平不匹配。3年时，临床模型预测日本死亡率为19.6%而观察值为9.1%，Moffitt预测22.6%而观察值为28.6%。相应基因模型预测为20.1%和21.7%。临床和基因Uno C值范围分别为0.611–0.797和0.604–0.761。冻结指数比例风险检验在日本临床和基因模型产生名义p值0.013和0.010，MD Anderson基因模型为0.048，但无检验的FDR调整q值低于0.05。年龄样条检验均无显著性。
3.7 分子保留和性能依赖于规格
将基因模型混合分数改为0.1或0.9分别保留61或1个基因；过滤至100或1000个候选分别保留7或0个。更密集惩罚网格选择0.25并保留1个基因。混合分数0.1和0.9的通路模型分别保留4和5个通路，而原始和更密集网格模型未保留任何通路。五个通路主成分解释69.5%的训练方差。没有任何评估规格在全部四个队列中具有低于临床模型的点估计IBS。
四、讨论与结论
筛选不稳定是所评估转录组学程序的核心约束。大多数开发重采样未选择基因，替代规格实质性改变了分子保留。原始16基因模型仍可作为定义程序冻结输出的信息性对象：其外部评估衡量该特定拟合规则转移的内容，而重采样揭示了其推导的不确定性。这些分析支持关于这些程序和该开发样本的有限结论，而非声称转录组学测量缺乏预后信息。
有限的开发信息可能导致了不稳定的筛选。Cox估计使用96例死亡，但主要3年预测时间窗内仅46例。基于来源的调参仅概括两个转移对比，来源规模和死亡率不均等。全开发对惩罚0.15优于0.5的偏好基于很小的评分差异；自举重复通常偏好更强的惩罚。16个保留基因不应被解释为已克服原始候选筛选负担。
绝对IBS差异0.001–0.005是在0–1尺度上平均平方预测误差的小变化，而非死亡率0.1–0.5个百分点变化或治疗获益。未指定临床有意义的IBS阈值或治疗决策规则，因此统计不确定性和实际相关性需要分别判断。
绝对风险转移受限的最清晰证据是日本和Moffitt的校准不匹配。局部更新两个基线风险改变了增量比较，同时保留原始线性预测因子。这是关于在局部结局数据可用时适应性的有用证据，但既非完整模型转移，也非误差的唯一分解。
迁移在已知兼容检测平台间评估。评估平台注释帮助定义了10,029基因交集和通路覆盖，因此结局独立性并未使特征定义独立于评估平台。部署到未见检测需要开发定义的panel、缺失特征策略和独立测量验证。
本研究通过检查特定公共数据学习程序中的不确定性，补充了Director's Challenge的多中心表达预测和ORACLE的前瞻性克隆生物标志物评估。研究选择了具有异质分期版本、治疗记录、切除完整性、随访和基线死亡率的历史手术数据集。Moffitt的有效样本量在3年时降至约102；更短时间窗改善删失支持，但重叠的探索性发现未确立可重复的早期获益。现代辅助治疗进一步限制了这些历史绝对风险直接解释。
研究结论： 在四个选定的切除肺腺癌历史队列中，所评估的转录组学模型表现出不稳定的分子筛选和超越年龄、性别及宽泛病理分期的不一致增量预测。替代规格改变了分子保留，局部基线更新改变了预测误差对比。这些发现刻画了所评估学习程序和开发样本的局限性；更广泛的转录组学预后价值仍未解决，当代临床实用性需要单独评估。
