年龄特异性转录组特征用于Luminal A型乳腺癌无进展生存结局分类：一种整合机器学习方法

《Biology》：Age-Specific Transcriptomic Signatures for Classification of Progression-Free Survival Outcomes in Luminal A Breast Cancer: An Integrative Machine Learning Approach

　　

无进展生存期（PFS）是Luminal A型乳腺癌（BC）的重要临床终点，但复发的分子决定因素仍不完全清楚。本研究旨在识别年龄定义患者亚组中与复发相关的转录组改变，并利用机器学习（ML）评估其预测效用。研究人员分析了来自METABRIC队列的绝经前、绝经后非老年和老年Luminal A型BC患者的基因表达谱和临床数据。差异表达分析识别出32个显著失调的基因，其中15个|log₂FC| ≥ 2的基因被选作详细表征。在这些基因中，KMT2D、RFNG、IGF1和CDKN2C在患者亚组中表现出一致的复发相关表达模式，而ATM、RPTOR和RICTOR则表现出亚组依赖性表达谱。特征选择分析确定KMT2D是最具影响力的分子预测因子，而年龄、诺丁汉预后指数（NPI）和肿瘤大小是最重要的临床变量。整合的临床病理-转录组XGBoost模型达到了最佳预测性能（AUC = 0.71；准确率 = 0.78），并优于仅基于临床病理变量的基线模型。敏感性分析和独立外部验证支持了主要候选生物标志物的稳健性。这些发现为研究转录组生物标志物与临床变量结合用于Luminal A型BC复发分类提供了初步证据。然而，在全面评估其潜在效用之前，需要在独立队列中进行进一步验证。

**研究背景与问题**
乳腺癌（BC）是女性最常见的恶性肿瘤之一，Luminal A型作为激素受体阳性亚型，复发风险可持续多年。现有预后模型主要基于临床病理变量（如年龄、肿瘤大小、Nottingham预后指数(NPI)），未能充分捕捉肿瘤分子异质性，且在极端年龄患者中表现不佳。机器学习(ML)方法可整合高维分子数据与临床信息，提升预后预测性能。本研究旨在识别年龄定义亚组（绝经前、绝经后非老年、老年）中与无进展生存期(PFS)相关的转录组改变，并利用ML评估其分类效用。论文发表在《Biology》。

**主要技术方法**
研究人员使用来自METABRIC队列（1992例原发乳腺癌，Illumina HumanHT-12 v3平台）的基因表达与临床数据，纳入679例Luminal A型患者进行年龄分层转录组分析，最终459例用于ML建模。差异表达分析（limma包，FDR≤0.1，|log₂FC|≥1）识别32个基因，15个|log₂FC|≥2的基因被详细表征。KEGG通路富集分析（clusterProfiler包）用于生物学注释。外部验证使用GEO数据集GSE20685（134例Luminal A样，Affymetrix平台）进行Cox回归分析。ML算法包括逻辑回归(LR)、多层感知机(MLP)、随机森林(RF)和XGBoost，采用70:30训练-测试拆分、分层5折交叉验证、Boruta特征选择及超参数网格优化。

**研究结果**
**3.1 全局基因表达变异与亚组聚类（PCA）**
主成分分析(PCA)显示，前两个主成分解释51.71%方差，患者亚组按年龄和复发状态部分分离，老年组复发患者转录组变异最大，绝经前非复发组聚类最紧密。

**3.2 年龄定义Luminal A患者组中复发相关基因表达模式**
差异表达分析鉴定32个显著失调基因，15个|log₂FC|≥2的基因被详细展示。上调基因包括RFNG（log₂FC=3.43）、UGT2B17（3.35）、ATM（3.35）、RPTOR（3.22）、GDF2（3.13）、NUMBL（2.95）、KMT2C（2.83）、IGF1（2.81）、KMT2D（2.39）、CDKN2C（2.20）；下调基因包括SLCO1B3（-2.78）、RICTOR（-2.75）、MAP3K10（-2.23）、HSD3B2（-2.22）、AGMO（-2.22）。KMT2D、RFNG、IGF1、CDKN2C在所有亚组中表现一致复发相关表达，ATM、RPTOR、RICTOR呈亚组依赖模式。

**3.3 与PFS相关的差异表达基因鉴定**
热图与亚组分析显示，年龄分层下复发相关转录组差异在绝经前患者中较局限，在老年患者中最显著。基因表达模式分为年龄依赖和一致趋势两类，如KMT2D在三个亚组中均随复发下降，而ATM在老年和绝经后非老年组中上调，绝经前组变化不明显。

**3.4 复发相关转录组改变的生物学通路**
KEGG富集分析（图5、表3）显示，上调DEGs显著富集于细胞衰老、癌症通路、人乳头瘤病毒感染、内分泌抵抗、Notch信号、microRNA在癌症中、乙型肝炎、胰腺癌等通路；下调DEGs富集于癌症通路、FoxO信号、甲状腺激素信号、内分泌抵抗、病毒致癌等通路。

**3.5 主要候选基因的外部验证**
在GSE20685队列（134例Luminal A样）中，Cox回归分析显示KMT2D（HR=0.421，p=0.048）、RFNG（HR=0.481，p=0.038）、ATM（HR=0.341，p=0.018）和RICTOR（HR=1.016，p=0.042）与无转移生存显著相关，而IGF1、CDKN2C、RPTOR未达统计显著性。

**3.6 生存状态的统计分析**
复发患者年龄更大（61.1 vs 57.4岁，p<0.001）、肿瘤更大（p<0.001）、NPI更高（p<0.001）、随访时间更短（p<0.001）。分类变量中，复发状态与手术类型、放疗、组织学分级、组织病理学亚型、肿瘤分期显著相关（p<0.05）。

**3.7 基于机器学习的乳腺癌生存结局分类**
Boruta特征选择确定KMT2D为最重要分子预测因子，年龄、NPI、肿瘤大小为最重要临床变量。Bootstrap稳定性分析显示NPI（98%）、年龄（92%）、肿瘤大小（85%）、KMT2D（80%）具有高选择稳定性。在独立测试集中，整合临床病理-转录组的XGBoost模型表现最佳（AUC=0.71，准确率=0.78，敏感性=0.82，F1=0.83），优于仅基于临床变量的基线模型（最高AUC=0.674）。RF模型也表现良好（准确率=0.76，特异性=0.77）。

**讨论与结论**
讨论部分指出，年龄是Luminal A型BC转录组变异的主要贡献者，老年患者复发时分子异质性更大。KMT2D作为组蛋白H3赖氨酸4(H3K4)单甲基转移酶，在表观遗传调控中起抑癌作用，其一致下调提示表观遗传机制参与复发。RFNG通过Notch信号促进复发，IGF1通过生长因子信号促进进展，CDKN2C通过细胞周期阻滞发挥作用。ATM、RPTOR、RICTOR的亚组依赖模式提示DNA损伤反应和mTOR信号网络在不同年龄亚组中差异调控。整合转录组生物标志物与临床变量可改善复发分类，XGBoost模型展示了概念验证性。研究局限性包括：PFS为复合终点，未纳入多变量调整，为回顾性分析。外部验证支持主要候选基因的稳健性，但仍需独立队列进一步验证。
**结论**：本研究利用整合转录组与机器学习方法，全面评估了Luminal A型BC中年龄定义亚组间的复发相关转录组改变。KMT2D、RFNG、IGF1和CDKN2C在所有亚组中表现一致复发相关表达模式，而ATM、RPTOR和RICTOR呈亚组依赖表达谱。机器学习分析进一步支持这些生物标志物的预后相关性，其中KMT2D是最具影响力的分子预测因子。将转录组生物标志物与年龄、NPI和肿瘤大小等临床变量整合，改善了复发分类，并识别出与疾病进展相关的生物学相关分子特征。这些发现为Luminal A型BC的复发候选转录组生物标志物提供了依据，需进一步研究。在采用可比临床终点的大型独立队列中进行额外验证，是确定这些发现可重复性和普适性的必要条件。