《Frontiers in Bioinformatics》：Harnessing cutting-edge techniques to identify novel gene expression signatures in acute myeloid leukemia patients
编辑推荐：
摘要
引言：急性髓系白血病（Acute Myeloid Leukemia, AML）是一种异质性血液恶性肿瘤，尽管治疗取得了进展，但预后仍然较差。基因表达分析已成为识别新型生物标志物的有力工具，有助于预测患者预后。本研究旨在从457例AML患者的RNA-seq
摘要
引言：急性髓系白血病（Acute Myeloid Leukemia, AML）是一种异质性血液恶性肿瘤，尽管治疗取得了进展，但预后仍然较差。基因表达分析已成为识别新型生物标志物的有力工具，有助于预测患者预后。本研究旨在从457例AML患者的RNA-seq数据中识别预后基因表达特征。方法：应用过滤方法减少基因集，得到685个基因的子集。采用Lasso-Cox、贝叶斯模型平均（Bayesian Model Averaging, BMA）、随机生存森林（Random Survival Forest, RSF）和Cox时间神经网络（Cox-time Neural Network, CtNN）来选择最具预后潜力的基因。使用可解释性工具如沙普利加性解释（SHapley Additive exPlanations, SHAP）和局部可解释模型无关解释（Local Interpretable Model-agnostic Explanations, LIME）来深入理解神经网络输出。进行富集分析以识别富集的生物学通路。结果：SHAP和LIME对CtNN输出的解释识别出与其他算法选择的基因集不同的基因集。根据两个验证指标，SHAP衍生的特征在测试集中表现出更优性能（C-index[95%CI]：0.639[0.581–0.696]，综合布里尔评分[95%CI]：0.172[0.161–0.183]）。讨论：富集分析揭示了结构和发育通路，强调了微管动力学和纤毛相关信号在骨髓微环境中的作用。
论文解读文章
**研究背景与目的**
急性髓系白血病（AML）是一种异质性强、预后较差的血液系统恶性肿瘤。尽管化疗、异基因干细胞移植及新型靶向药物不断涌现，患者5年总生存率仍仅约30%，存在未满足的临床需求。基因表达分析已成为发现新生物标志物、评估预后及指导治疗策略的重要工具。然而，现有研究多采用单一统计或机器学习方法，难以全面捕捉AML基因表达谱中的非线性、复杂相互作用。为此，本研究旨在通过对比多种算法（从传统统计模型到“黑箱”机器学习技术）来识别AML患者的新型预后基因表达特征，并利用可解释性工具深入理解神经网络输出，以筛选出最优的预测性基因签名。论文发表在《Frontiers in Bioinformatics》。
**主要关键技术方法**
本研究数据来源于Gene Expression Omnibus（GEO）的GSE6891数据集，包含457例初治AML患者（年龄≤60岁）的转录组数据及临床生存信息。研究人员首先采用单变量Cox比例风险模型结合假发现率（FDR < 0.05）和风险比（HR < 0.5或HR > 2）过滤，从20,867个基因中筛选出685个候选基因作为“基因池”。随后，在训练集（70%，n=321）中应用四种算法进行特征选择：Lasso-Cox（L1正则化）、贝叶斯模型平均（BMA，基于马尔可夫链蒙特卡洛的随机搜索）、随机生存森林（RSF，基于变量重要性VIMP）和非比例Cox时间神经网络（CtNN，含3个隐藏层、ReLU激活、批量归一化和dropout正则化）。针对CtNN的黑箱特性，采用SHAP（基于博弈论的全局解释）和LIME（局部近似解释）进行后验可解释性分析。各算法所选基因分别构建多变量Cox回归签名，并在测试集（30%，n=136）中通过Harrell's C-index和综合布里尔评分（IBS）评估性能。最后对候选基因进行基因本体论（GO）富集分析（FDR < 0.05）。
**研究结果**
**1. 初步过滤与基因池功能富集**
对685个基因按风险方向（HR > 2为风险基因，HR < 0.5为保护基因）进行GO分析。216个风险基因中185个成功映射，显著富集于3个生物学过程（BP）和6个细胞组分（CC）条目；469个保护基因中408个成功映射，显著富集于14个BP条目，未发现CC或分子功能富集。这一结果表明，保护性基因在生物学过程中更为集中。
**2. 各算法选择的基因签名**
基于基因池，各算法在训练集中选择出不同基因集：
- Lasso-Cox: 3个基因
- BMA: 9个基因
- RSF（基于VIMP）: 前10个基因
- CtNN（基于SHAP和LIME）: 各取前10个基因
值得注意的是，SHAP和LIME识别的基因交集包含5个基因：GPHB5、DRC1、PDE3A、SEMG1和C10orf95。SHAP和LIME的排名图显示了对生存影响最大的基因。
**3. 测试集验证与性能比较**
在测试集中，仅Lasso-Cox的3基因签名和SHAP的10基因签名保持预测效力。根据评估指标，SHAP衍生签名表现更优：C-index为0.639 [95%CI: 0.581–0.696]，IBS为0.172 [95%CI: 0.161–0.183]。其余算法（BMA、VIMP、LIME及SHAP∩LIME交集）的签名C-index均低于0.57，IBS高于0.18，未达到有效鉴别力。SHAP签名的10个基因包括：DRC1、RTN4RL2、C10orf95、PDE3A、GPHB5、PMEL、SEMG1、PCDH18、DAW1和LINC02458。
**4. 富集分析揭示的生物学通路**
对两个验证签名（Lasso-Cox和SHAP）的基因进行功能分类，发现：
- 透明算法（Lasso-Cox）签名基因富集于胆汁酸和胆固醇代谢、类固醇和脂质代谢、对化合物和维生素的反应、激素加工和信号转导、RNA修饰和核苷酸合成、卵母细胞发育等通路，主要涉及代谢重编程。
- 可解释性算法（SHAP）签名基因富集于纤毛功能和运动、结构组织和微管动力学、发育和身体对称性、繁殖和生殖细胞发育，强调微管动力学和纤毛相关信号在骨髓微环境中的作用。
**讨论与结论**
讨论部分指出，透明算法（Lasso-Cox、BMA）倾向识别代谢相关基因（如脂质稳态和RNA加工），这些是白血病细胞代谢适应的特征；而可解释性算法（SHAP）则揭示了结构和发育通路，尤其关注动力蛋白调节复合物（DRC1）、动力蛋白组装因子（DAW1）等与活动纤毛和轴丝结构相关的基因，提示纤毛信号和微管动力学在骨髓微环境中的潜在作用。SHAP签名的其他基因如PDE3A（环核苷酸信号）和LINC02458（长链非编码RNA）可能通过调控白血病细胞增殖、凋亡或分化间接影响AML，但其关联尚需功能研究验证。与已发表的NET相关预后签名（Wang等, 2024）相比，该研究签名在队列中无预测效力（C-index 0.524），进一步突出了AML异质性和通用预后标志物发现的挑战。
**结论翻译**
本研究调查了识别AML患者预后基因签名的不同方法。具体而言，Lasso-Cox算法识别出最简洁的3基因签名。BMA识别出的9基因签名在训练集中性能最高。在可解释性算法获得的3个签名（均由根据相应指标选取的前10个基因组成）中，只有SHAP获得的签名在测试集中得到验证。有趣的是，尽管从相同基因集出发，不同算法突出了不同的相关基因子集。在所选基因方面重叠度最大的两种算法是SHAP和LIME。根据两个验证指标，SHAP衍生的签名在测试集中表现出更优性能，这归因于可解释性技术揭示非线性模式和复杂生物学通路的能力。
