整合生物信息学鉴定与多维度表征结直肠癌诊断枢纽基因

《Current Issues in Molecular Biology》：Integrated Bioinformatics Identification and Multi-Dimensional Characterization of Diagnostic Hub Genes in Colorectal Cancer

　　

结直肠癌（Colorectal cancer, CRC）促使研究者探索互补性分子标志物，尽管组织转录组学鉴别本身并不能确立早期检测性能。研究人员采用基因水平limma分析（|log2FC| > 1；Benjamini–Hochberg校正p < 0.05）鉴定了来自GSE44076的98对CRC及配对癌旁正常样本中的差异表达基因，通过STRING蛋白-蛋白相互作用网络筛选候选基因，并在GSE9348中使用独立验证评估诊断性能。功能表征包括MSigDB KEGG_LEGACY过表达分析和预排序基因集富集分析（GSEA）、免疫标志物相关性、mRNA干性指数分析、探索性拓扑过滤半胱氨酸评估、探索性TCGA-COAD预后建模及文献策展单细胞情境化分析。七个候选基因——AQP8、CA7、GUCA2A、GUCA2B、BEST4、TMIGD1和OTOP2——在发现队列中显示AUC值为0.986–0.995；五个基因在回顾性GSE9348组织队列中显示AUC值为0.999–1.000。AQP8和GUCA2B与mRNAsi呈弱名义负相关，但在六项检验校正后不再显著（BH-FDR = 0.078），且这些基因主要与分化的结肠上皮谱系相关。探索性预后模型不显著。这些结果确定了七个具有强数据集特异性判别性能的组织转录组候选基因，并提供了支持实验验证和前瞻性临床评估的多维生物学框架。

结直肠癌诊断枢纽基因的整合生物信息学鉴定与多维度表征——论文解读

结直肠癌（Colorectal cancer, CRC）是全球第三大常见恶性肿瘤，也是癌症相关死亡的第二大原因，每年新发病例约193万例，死亡病例约93.5万例。局限性CRC的五年生存率超过90%，而晚期转移性疾病的生存率降至15%以下，这凸显了早期诊断的关键意义。尽管基于结肠镜的筛查取得了进展，但许多人群的参与率仍不理想，临床上持续需要能够支持组织学研究的分子生物标志物。高通量微阵列和RNA测序技术已在全基因组水平上鉴定了CRC中的差异表达基因（Differentially expressed genes, DEGs），揭示了与恶性转化相关的数千种转录组改变。然而，以往研究多局限于单一维度的分析，缺乏涵盖免疫标志物共表达、mRNA干性指数、蛋白质拓扑学评估及细胞类型特异性表达的综合表征框架。因此，研究人员开展了这项整合生物信息学研究，旨在通过多维度分析优先筛选CRC组织转录组候选基因，为后续实验验证和临床转化提供依据。

研究人员利用GEO数据库中的GSE44076作为发现队列（包含98对CRC原发肿瘤组织和配对癌旁正常结肠黏膜标本，来源于西班牙患者），GSE9348作为独立验证队列（包含70例原发CRC和12例正常结肠组织），TCGA-COAD RNA-Seq表达数据作为预后分析队列。通过基因水平limma分析鉴定DEGs，利用STRING数据库构建蛋白质-蛋白质相互作用网络，以节点度排名前50的基因作为候选筛选列表。BEST4因排名第51位而作为探索性近阈值候选基因被保留。随后对候选基因进行了多维度表征，包括MSigDB KEGG_LEGACY通路过表达分析和预排序GSEA、ROC曲线诊断效能评估、免疫微环境标志物相关性分析、mRNAsi相关性分析、基于UniProt注释蛋白拓扑学的探索性S-棕榈酰化半胱氨酸位点评估、TCGA-COAD生存分析和预后模型构建，以及文献策展的单细胞RNA-seq情境化分析。此外，还通过人类蛋白质图谱（Human Protein Atlas, HPA）免疫组织化学交叉参考验证了蛋白质水平的表达变化。

在差异表达和候选基因筛选方面，配对基因水平分析共鉴定出2389个DEGs，其中上调基因1058个，下调基因1331个。七个候选基因中的六个（TMIGD1、AQP8、GUCA2B、GUCA2A、OTOP2和CA7）均出现在PPI网络度排名前50的列表中，BEST4因排名第51位被作为探索性近阈值候选基因保留。通路富集分析显示，上调DEGs富集于细胞周期和DNA复制程序，而下调DEGs富集于脂肪酸和药物代谢通路。预排序GSEA在182条KEGG_LEGACY通路中，115条通路达到全局BH-FDR 0.25阈值，66条通路达到更严格的BH-FDR 0.05阈值。诊断效能评估显示，在发现队列GSE44076中，所有七个候选基因的AUC值介于0.986至0.995之间；在独立验证队列GSE9348中，五个可评估基因（AQP8、GUCA2A、GUCA2B、CA7、BEST4）的AUC值达到0.999至1.000。TMIGD1因GPL570平台未包含而无法验证，OTOP2在GSE9348中显示非显著变化（log2FC = +0.50，p = 0.094），提示数据集特异性变异。生存分析方面，GEPIA2分析显示高AQP8表达与总生存期显著改善相关（log-rank p = 0.022，HR = 0.57），但直接TCGA-COAD分析显示该关联对表达截断策略敏感，四分位数分组比较未达统计学显著性（p = 0.289）。探索性弹性网络惩罚Cox预后模型在六基因模型中所有基因均被赋予非零系数，但高低风险组间死亡率差异未达统计学显著性（log-rank p = 0.639，交叉验证AUC = 0.503）。免疫微环境相关分析显示，AQP8和TMIGD1与B细胞标志物CD19呈中度正相关（r = 0.414和r = 0.432），若干其他候选基因与FOXP3呈弱负相关。mRNAsi分析显示AQP8（ρ = -0.142，名义p = 0.019）和GUCA2B（ρ = -0.135，名义p = 0.026）与干性指数呈弱名义负相关，但经多重检验校正后均不显著（BH校正p = 0.078）。拓扑过滤半胱氨酸评估在AQP8（Cys8和Cys247）和TMIGD1（Cys228和Cys236）中注释了探索性候选位点，但并非经过验证的S-棕榈酰化预测。单细胞情境化分析显示AQP8和CA7富集于吸收性肠上皮细胞，BEST4富集于特化的BEST4阳性上皮细胞群，GUCA2A/2B富集于杯状细胞/肠上皮细胞，TMIGD1富集于吸收性上皮背景。HPA免疫组织化学交叉参考证实六个被评估基因（AQP8、CA7、GUCA2A、GUCA2B、BEST4、TMIGD1）在CRC组织中均显示一致的蛋白质水平下调。

讨论部分指出，七个候选基因在回顾性数据集中展现出高判别性能，其表达主要定位于分化的结肠上皮细胞，且六基因的干性分析呈现反向趋势，这提示候选基因的下调可能反映了与CRC发生相关的终末分化丧失，而非独立预测疾病进展——这与经典的腺瘤-癌序列一致。探索性免疫标志物相关性不应被解释为B细胞浸润或免疫活性的直接证据。mRNAsi的弱名义相关性仅提供假设生成的背景。AQP8的Cys8和Cys247拓扑过滤位置为实验验证提供了探索性假设，但不证实实际存在S-棕榈酰化修饰。探索性预后模型的阴性结果既不排除预后效应，也不确立在肿瘤起始而非进展中的特定作用。与现有临床生物标志物（如癌胚抗原CEA、糖类抗原19-9 CA19-9及甲基化SEPT9检测）相比，本研究的七个候选基因属于组织转录组生物标志物，其新颖性不在于提出临床更优的标志物，而在于整合多维度评估框架。GUCA2A已被独立研究识别为CRC分子标志物，GUCA2A-GUCY2C肿瘤抑制轴在CRC亚型中被报道发生沉默，为其相关性提供了独立生物学支持。

研究结论指出，通过整合多维度生物信息学分析，研究人员优先筛选出七个具有高回顾性组织判别AUC值的发现阶段候选基因，其中五个在GSE9348中显示出同样高的判别能力。分化的结肠上皮细胞特异性表达、六基因中弱的干性趋势和描述性免疫标志物共表达，以及探索性拓扑过滤半胱氨酸候选位置的一致性表征，为优先进行进一步验证提供了生物学框架。这些发现确定了具有强数据集特异性判别性能的组织转录组候选基因，在考虑诊断应用之前，需要在多样化队列中进行进一步的实验验证和前瞻性临床评估。本研究存在若干局限性，包括所有分析均为计算性、单细胞表达模式来自文献策展而非从头分析、拓扑过滤半胱氨酸评估为探索性启发式方法、预后模型需要外部验证，以及所有训练和验证队列均来源于微阵列平台。未来研究应采用更大规模、地理和人口统计学多样化的多中心队列，基于RNA-seq的定量分析，以及包含良性结直肠疾病、炎症性肠病、癌前病变和早期CRC的前瞻性设计，以严格确立这些候选基因的临床判别性能。