《Cancer Reports》：Integrative Bioinformatics and Machine Learning Approaches for Biomarker and Pathway Discovery in Malignant Pleural Mesothelioma
编辑推荐：
背景：恶性胸膜间皮瘤（malignant pleural mesothelioma, MPM）是一种高度侵袭性的胸部肿瘤，治疗选择有限且预后较差。目的：该研究采用整合转录组学与计算方法，以发现MPM的潜在生物标志物。方法：对来自GSE51024数据集的基因表达
背景：恶性胸膜间皮瘤（malignant pleural mesothelioma, MPM）是一种高度侵袭性的胸部肿瘤，治疗选择有限且预后较差。目的：该研究采用整合转录组学与计算方法，以发现MPM的潜在生物标志物。方法：对来自GSE51024数据集的基因表达数据进行预处理，该数据集包括41例正常样本和55例MPM肿瘤样本，采用稳健多阵列平均（robust multiarray average, RMA）方法。使用Limma包和Wilcoxon秩检验识别差异表达基因（differentially expressed genes, DEGs）。加权基因共表达网络分析（weighted gene co-expression network analysis, WGCNA）利用拓扑重叠和保留统计揭示显著基因模块，随后通过基因本体论（Gene Ontology, GO）和KEGG通路分析进行功能注释。结果：在保守模块（模块成员度（module membership, MM）> 0.8）内鉴定枢纽基因，包括ZNF638、RAB18、SOS1、TTC17、RANBP2、FNDC3B、QSER1、CLDN15、PSTPIP1、SEPTIN6、ADAP2和PVRIG。生存分析利用公共数据库验证其预后相关性。此外，多种机器学习算法（支持向量机（support vector machine, SVM）、PLDA、极端梯度提升（eXtreme gradient boosting, XGB）、K近邻（K-nearest neighbor, K-NN）和逻辑回归（logistic regression））取得高分类准确率，确认了枢纽基因的判别潜力。结果突出若干生理显著枢纽基因和通路，与细胞周期调控、免疫调节和癌症进展相关。结论：总体而言，该探索性研究证明，利用整合系统生物学与机器学习框架可有效识别MPM潜在生物标志物。所鉴定枢纽基因可能支持MPM患者未来的诊断、预后和个性化治疗策略。
研究背景方面，MPM是与石棉暴露相关、来源于胸膜间皮细胞的高度侵袭性肿瘤，因潜伏期长及部分地区持续暴露，其发病率仍持续存在；由于早期发现困难和有效治疗选择缺乏，患者预后较差，诊断后中位生存时间约为9至17个月。已有蛋白类候选标志物如可溶性间皮素相关肽、fibulin-3和骨桥蛋白在诊断与预后方面被研究，但用于早期识别或区分MPM与其他胸膜疾病时灵敏度和特异度常不足。高通量转录组分析已用于识别与免疫应答、凋亡和细胞周期调控相关的DEGs，但传统统计方法可能遗漏基因网络中的复杂关系。WGCNA可基于表达数据构建共表达模块并识别功能相关基因；机器学习方法如SVM、LDA、负二项判别分析、Na?ve Bayes和逻辑回归可用于基于表达谱的分类与预测。尽管如此，将WGCNA与机器学习结合以发现并验证MPM可靠生物标志物的研究仍较少。因此，研究人员开展整合转录组与计算分析，旨在识别MPM相关新生物标志物和通路，并评估其分类与预后价值。该研究得出12个枢纽基因，多个基因与总生存相关，机器学习模型显示较高判别性能，提示其可能为MPM诊断、预后及个性化治疗研究提供候选线索。
关键技术方法概述（不超过250字）：样本来源于GEO数据库GSE51024数据集，使用Affymetrix Human Genome U133 Plus 2.0 Array检测，包含55例MPM肿瘤样本和41例配对正常肺组织样本。研究人员采用RMA进行标准化，以Limma包和Wilcoxon秩检验识别DEGs并取交集；用WGCNA构建加权基因共表达网络，结合模块保留分析筛选稳定模块；用GO与KEGG分析进行功能注释；按模块成员度绝对值|MM| > 0.8提取枢纽基因；用GEPIA2及TCGA间皮瘤队列（MESO）进行生存分析；用SVM、LDA、逻辑回归、XGB和KNN五种监督学习分类器，以重复分层五折交叉验证（25次重复）评估枢纽基因面板的判别性能。
研究结果如下。3.1 Identification of the DEGs in MPM：经标准化后，GSE51024包含41例正常肺组织和55例MPM肿瘤样本；Limma包（FDR < 0.01）识别13 305个DEGs，Wilcoxon检验识别14 491个DEGs，两者交集12 649个基因进入后续WGCNA。3.2 Weighted Gene Coexpression Networks and Module Preservation Analysis：对96例样本的12 649个DEGs构建共表达网络，样本聚类树状图未发现离群样本；选择使无标度拓扑拟合较优的软阈值构建邻接矩阵和拓扑重叠矩阵（topological overlap matrix, TOM），并识别共表达模块；模块保留分析显示黑色、粉色和红色模块呈强保留，洋红色和紫色模块未达到Z-summary > 10的强保留阈值但按中位秩显示较好相对保留，综合判断黑色、粉色、紫色、洋红色和红色模块为中等稳定且保留良好。3.3 Pathway and GO Analysis：对共同DEGs进行GO和KEGG富集分析，获得前10条KEGG通路和重要富集条目；各模块的KEGG分析进一步补充了模块特异富集信息，支持结果的生物学意义和稳健性。3.4 Identification of Hub Genes：在所选模块中以|MM| > 0.8定义枢纽基因；黑色模块包括ZNF638、RAB18、SOS1、TTC17、RANBP2，紫色模块包括CLDN15，洋红色模块包括FNDC3B、QSER1，红色模块包括PSTPIP1、SEPTIN6、ADAP2、PVRIG，粉色模块未鉴定出枢纽基因。3.5 Survival Analysis of Hub Genes：利用GEPIA2在TCGA-MESO队列中按中位表达 cutoff 将患者分为高、低表达组，采用Kaplan–Meier曲线和log-rank检验评估总生存；12个枢纽基因中有11个与总生存相关。3.6 Hub Genes Performance Assessment Using a Classification Algorithm：用重复分层五折交叉验证（25次重复）评估五种分类器，XGB获得最高AUC，为97.53%，SVM为96.90%，KNN为95.42%，逻辑回归为93.17%，LDA为92.39%；SVM准确率最高，为92.99%，XGB准确率为90.04%，表明枢纽基因面板具有较强区分MPM肿瘤与正常样本的潜力。
讨论部分总结：讨论指出，MPM发生涉及免疫通路改变、遗传失调和环境暴露的复杂交互；肿瘤与正常组织间共享DEGs反映凋亡、细胞周期调控和炎症等过程被扰乱，支持整合分析用于发现候选治疗靶点和生物标志物。与主要基于差异分析的MPM生物信息学研究相比，该研究先按条件分组并构建共表达模块，再在模块内识别高连接枢纽基因，提供系统生物学视角；并通过多种机器学习分类器评估枢纽基因面板在队列内的判别性能。GO富集提示纤毛组装、染色体分离、有丝分裂核分裂和微管运动等过程，KEGG富集提示细胞周期、细胞衰老、FoxO信号、内吞、黏着斑、紧密连接、Wnt信号和轴突导向等通路；讨论认为这些通路与细胞生长调控、黏附、胞内运输、免疫逃逸和肿瘤微环境重塑相关。讨论还逐一概述枢纽基因在其他肿瘤或病理过程中的已知线索，例如ZNF638可能通过H3K9me
3改变发挥表观抑制效应并影响免疫检查点治疗敏感性，RAB18与miR-30b/c及NSCLC相关，SOS1在人类肿瘤中突变率较低，circ-TTC17在ESCC中促进迁移和增殖，RANBP2在肺癌细胞系及小细胞肺癌中表达特征被报道，QSER1在多种癌组织中异常，CLDN15被研究作为MPM阳性标志物，PSTPIP1参与炎症小体和IL-1β产生，SEPTIN6与HCC侵袭迁移相关，ADAP2在ccRCC中促进迁移侵袭并与预后相关，PVRIG为表达于T细胞和NK细胞的抑制性免疫检查点受体。局限性包括：分析基于单一公共Affymetrix芯片数据集且样本量有限，结论外推受限；虽采用RMA标准化但缺乏完整批次元数据，残余批次效应或隐藏技术混杂不能完全排除；GSE51024的对照为正常肺组织而非正常胸膜间皮组织；模块保留应视为模块稳定性的内部评估而非独立生物学验证；年龄、性别、组织学亚型、吸烟史、石棉暴露、肿瘤分期和治疗史等变量未完全获得；机器学习和标志物结果属于计算发现，需独立MPM队列及qRT-PCR、免疫组化和功能实验验证。
研究结论翻译：MPM是一种高度侵袭性癌症，治疗选择有限且预后严峻。该研究采用整合生物信息学与机器学习的多层面计算方法，以发现MPM发病机制中的新生物标志物和关键通路。利用GSE51024数据集的基因表达数据，研究人员识别出MPM肿瘤样本相较正常肺组织显著改变的DEGs。方法学关键点在于使用WGCNA将基因分组为功能模块，并鉴定12个枢纽基因，包括ZNF638、RAB18、SOS1、TTC17、RANBP2、FNDC3B、QSER1、CLDN15、PSTPIP1、SEPTIN6、ADAP2和PVRIG；这些基因在模块内高度互连，可能在该疾病中发挥核心作用。功能富集分析表明，这些基因与细胞周期调控、免疫应答和癌症进展等生物学过程相关。此外，利用GEPIA2进行的生存分析显示，TCGA-MESO队列中12个枢纽基因有11个与间皮瘤总生存相关；RAB18、TTC17、RANBP2、FNDC3B和QSER1高表达与较差总生存相关，提示其潜在风险相关预后价值；相反，ZNF638、CLDN15和PVRIG低表达与较差生存相关。为评估判别能力，研究人员训练和测试多种机器学习算法，显示其在区分肿瘤与正常样本方面具有较高准确率。该整合系统生物学与机器学习方法为MPM相关分子机制提供了有用见解，并识别出具有诊断和预后潜力的候选生物标志物。所识别基因可能作为进一步生物标志物开发及治疗研究的候选对象；未来研究应使用独立、更大队列验证，并纳入不同临床分期和治疗史数据以确保更广泛适用性；未来工作应聚焦于所识别枢纽基因及相关通路的体外和体内验证，以确认其功能作用并探索其作为药物开发治疗靶点的潜力。
