基于机器学习模型的卡马西平和别嘌呤醇诱导的严重皮肤不良反应预测（越南人群）

《World Allergy Organization Journal》：Machine learning-based model for prediction of carbamazepine- and allopurinol-induced severe cutaneous adverse reactions in Vietnamese

　　

背景
HLA-B^*15:02和HLA-B^*58:01用于卡马西平（CBZ）和别嘌呤醇（ALLO）诱导的严重皮肤不良反应（SCARs）风险分层的阳性预测值较低，表明需要更好的模型来预防病例。

目的
本研究旨在利用机器学习全面探究基因组因素在CBZ和ALLO诱导的SCARs中的作用。

方法
研究人员共对249例SCARs患者和未受影响的对照组进行了全外显子组测序（WES）基因分型，其中ALLO组包括75例病例和73例对照，CBZ组包括48例病例和53例对照。然后应用了8种风险预测机器学习模型：随机森林（Random Forest）、极端树（Extra Tree）、最近质心（Nearest Centroid）、伯努利朴素贝叶斯（Bernoulli Naive Bayes）、校准分类器（Calibrated Classifier）、Nu-支持向量分类（NuSVC）、线性SVC（Linear SVC）和被动攻击分类器（Passive Aggressive Classifier）。

结果
在预测ALLO诱导的SCARs方面，随机森林（Random Forest）和极端树（Extra Tree）模型在8种预测模型中表现优异，在10次独立测试中平均准确率达到99.67%。对于CBZ诱导的SCARs，线性SVC（Linear SVC）模型表现最佳，在10次独立测试中测试数据集上的平均AUC为86%。

结论
这些发现对于理解SCARs的潜在机制以及开发能够识别CBZ和ALLO诱导的SCARs高风险患者的准确模型至关重要。

临床意义
由于携带HLA-B^*15:02和/或HLA-B^*58:01而有SCARs高风险的、需要高风险药物治疗的患者，可以使用研究人员的模型进一步评估，该模型能够更好地预测发生SCARs的风险。

**研究背景、问题与开展原因**
药物诱导的严重皮肤不良反应（Severe Cutaneous Adverse Reactions, SCARs）虽罕见但威胁生命，是卡马西平（Carbamazepine, CBZ）和别嘌呤醇（Allopurinol, ALLO）治疗中最严重的不良事件。已有研究证实HLA-B^*15:02和HLA-B^*58:01等位基因是CBZ和ALLO诱导SCARs的主要风险因素，但其阳性预测值较低，不足以准确识别所有高风险患者。此外，传统统计方法在处理高维基因组数据及捕捉非线性交互作用方面存在局限，且现有预测模型在不同人群中的泛化能力不足。因此，研究人员旨在利用全外显子组测序（Whole Exome Sequencing, WES）和机器学习（Machine Learning, ML）技术，系统探究越南人群中CBZ和ALLO诱导SCARs的基因组因素，构建更精准的风险预测模型，以提升患者用药安全。该论文发表在《World Allergy Organization Journal》。

**主要关键技术方法**
研究人员采用病例对照设计，样本来自越南多家医院，共纳入249名越南参与者（ALLO组：75例SCARs患者与73例耐受对照；CBZ组：48例SCARs患者与53例耐受对照）。关键技术包括：①全外显子组测序（WES）进行高深度（120×）基因分型；②HLA分型采用三种计算工具（xHLA、Kourami、HISAT-genotype）并取多数投票结果；③利用图基技术处理连锁不平衡（Linkage Disequilibrium, LD）进行特征选择；④应用8种机器学习算法（Random Forest, Extra Trees, Nearest Centroid, Bernoulli Naive Bayes, Calibrated Classifier, NuSVC, Linear SVC, Passive Aggressive Classifier）建立预测模型，并通过十折交叉验证和AUC等指标评估性能。

**研究结果**
- **患者临床特征**：通过描述性统计，ALLO组患者的平均年龄约57岁，CBZ组病例平均年龄19.94岁、对照组13.94岁；性别分布显示ALLO组男性占多数，CBZ组男女比例接近。ALLO组SCARs类型以DRESS/HSS（41例）和SJS/TEN（31例）为主，CBZ组以SJS/TEN（46例）为主。
- **GWAS曼哈顿图**：通过全基因组关联分析（Genome-Wide Association Study, GWAS），对于ALLO诱导的SCARs，发现2个单核苷酸多态性（SNP）达到基因组显著水平（P<10^-6）；对于CBZ诱导的SCARs，发现1个SNP达到提示性显著水平（P<10^-5）。
- **HLA等位基因与SCARs的关联分析**：通过卡方检验和Fisher精确检验，ALLO诱导的SCARs中，HLA-C^*03:02（OR=60.067, P=3.37E-18）和HLA-B^*58:01（OR=56.533, P=2.12E-17）关联最强；CBZ诱导的SCARs中，HLA-B^*15:02（OR=21.429, P=4.73E-08）和HLA-C^*08:01（OR=16.5, P=3.79E-07）关联最显著。此外，还发现HLA-DQB1^*06:09、HLA-DRB1^*13:02等位点与ALLO-SCARs相关，以及HLA-DQA1^*06:01、HLA-DQB1^*03:01等与CBZ-SCARs相关。
- **机器学习模型预测性能**：通过十折交叉验证，使用HLA等位基因和变异组合特征，Random Forest模型在ALLO-SCARs预测中表现最佳，平均AUC达0.997（标准差0.01）；Extra Tree模型次之（AUC=0.983）。对于CBZ-SCARs，Linear SVC模型表现最优，平均AUC为0.857（标准差0.06）。仅使用HLA等位基因时，Random Forest对ALLO的预测准确率仍达0.997，但CBZ的预测准确率仅0.714，表明HLA等位基因对CBZ-SCARs的预测能力有限。
- **风险因素识别**：通过Gini重要性指数，ALLO诱导的SCARs中，HLA-B^*58:01:01和HLA-C^*03:02:02是最重要的风险因素，非HLA区域变异（如AGAP3基因上的chr7:151086821:C>CG和GLP1R基因上的chr6:39080715:A>C）也显著贡献。CBZ诱导的SCARs中，HLA-B^*15:02:01是最重要的风险因素，非HLA变异（如ADAMTSL1基因上的chr9:18681697:T>G和CREB5基因上的chr7:28410809:C>CAGG）也有贡献。

**总结讨论与结论**
讨论部分指出，SCARs的发生机制复杂，HLA等位基因是重要但非唯一的风险因素。非编码变异、基因调控元件（如miRNA）以及肾功能、药物剂量等非遗传因素也参与其中。本研究通过WES和机器学习，首次在越南人群中系统识别了ALLO和CBZ诱导SCARs的新型基因组标记，并构建了高精度预测模型。尽管样本量有限，且需在独立队列中验证，但该模型为临床筛查提供了更全面的方法，有望降低SCARs发生率。研究结论翻译如下：
总之，在越南人群中发现ALLO和CBZ诱导SCARs的新型基因组标记，并开发了基于集成学习的预测模型，标志着越南过敏与免疫学领域的重要进展。这些发现对临床管理具有重要启示，可帮助识别高风险患者以避免SCARs。此外，本研究鉴定的多种风险因素应进一步提高临床医生对超敏反应风险的警惕，并在处方ALLO和CBZ前进行审慎评估。