基于不同癌症分期的铜死亡相关基因综合分析及其在宫颈癌中的预后价值

《International Journal of Molecular Sciences》：Comprehensive Analysis of Cuproptosis-Related Genes According to Cancer Stage and Their Prognostic Value in Cervical Cancer

　　摘要铜死亡是一种新型代谢相关细胞死亡形式。宫颈癌（CC）表现出血清铜水平升高和线粒体代谢重编程，使得铜死亡相关基因（CRGs）可能成为预后预测和治疗靶向的关键。然而，目前关于CC中CRGs的研究仍然有限。本研究旨在利用机器学习（ML）算法构建CC的预后模型和癌症分期模型。从TCGA和GEO数据库获取了CC患者的基因表达谱。采用五种机器学习算法来识别显著因素，包括随机森林（RF）、支持向量机（SVM）、高斯混合模型（GMM）、贝叶斯方法和StepCox。随后，基于筛选出的基因，使用LASSO-Cox回归构建预后模型。同时，利用机器学习算法结合三种不同的基因类别构建了癌症分期模型。最后，通过qRT-PCR和西氏印迹实验验证了标志基因在组织和细胞水平的表达。此外，进行了基于CTD的药物筛选和体外功能实验以评估DDP对CC细胞的影响。通过整合生物信息学和机器学习方法，成功建立了一个包含九个CRGs的预后模型（GMM = 0.72）。所得风险评分作为CC的独立预后指标（p < 0.001，95% CI：3.681 [1.785–7.591]）。校准曲线证实列线图能够准确预测1年、3年和5年的总生存期（OS）。此外，使用GMM算法有效构建了癌症分期模型（AUC = 0.74）。DDP以剂量依赖的方式抑制CC增殖和迁移并下调CRG表达。本研究开发了两种不同的模型——铜死亡相关预后模型和癌症分期模型——为预测CC患者预后和癌症进展提供了有前景的生物标志物。