机器学习算法确定的核心衰老基因在非远处转移性结直肠癌的预后和免疫微环境相关性分析.pdfVIP

空军军医大学学报２０２４年７月第４５卷第７期ｈｔｔｐ://ｋｙｄｘｂｆｍｍｕｅｄｕｃｎ７８１

ＤＯＩ:１０１３２７６/ｊｉｓｓｎ２０９７￣１６５６２０２４０７０１０肿瘤多学科研究专题

机器学习算法确定的核心衰老基因在非远处转移性结直肠癌的

预后和免疫微环境相关性分析

１１１２２１

李世森ꎬ余鹏飞ꎬ乔一桓ꎬ王珂ꎬ李丹ꎬ李云龙

１２

(空军军医大学西京医院:消化外科ꎬ消化外科手术室ꎬ陕西西安７１００３２)

[摘要]目的建立非远处转移性结直肠癌(ＣＲＣ)衰老基因模型和确定核心的衰老基因ꎬ分析其与肿瘤微

环境的作用ꎮ方法下载ＴＣＧＡ和ＧＥＯ数据库的非远处转移性ＣＲＣ数据库ꎬ单因素Ｃｏｘ分析确定预后相关的衰

老基因ꎬ多因素Ｃｏｘ分析建立非远处转移ＣＲＣ的衰老模型ꎮＥＳＴＩＭＡＴＥ算法计算出样本的免疫微环境评分(间质

评分与免疫评分)ꎬ并且研究衰老模型与其关系ꎮ采用随机生存森林算法用于计算出衰老基因的重要性ꎬ确定衰

老核心基因ꎮ使用ＣＩＢＥＲＳＯＲＴ算法评估肿瘤免疫细胞浸润情况ꎬ相关性分析研究衰老核心基因与细胞浸润的

关系ꎮ结果多因素Ｃｏｘ回归分析建立由６个衰老基因组成的模型ꎬ在ＴＣＧＡ和ＧＥＯ中都表明高风险人群的预后

远远差于低风险组(Ｐ０００１)ꎮ该衰老模型与ＣＲＣ微卫星状态、肿瘤免疫评分和间质评分相关ꎮ随机生存森林

算法确定３个核心的衰老基因(ＴＥＲＴ、ＳＮＡＩ１和ＣＳＮＫ１Ａ１)ꎬ且与肿瘤免疫细胞浸润相关ꎮ此外ꎬ在免疫治疗人

＝

群中ꎬＳＮＡＩ１(Ｐ００１６)和ＣＳＮＫ１Ａ１(Ｐ０００１)低表达组生存时间更长ꎮ结论肿瘤细胞衰老的程度越大ꎬ

代表其增殖能力越弱ꎬ非远处转移性ＣＲＣ患者的预后可能越佳ꎮＴＥＲＴ、ＳＮＡＩ１和ＣＳＮＫ１Ａ１作为衰老的核心基

因ꎬ与肿瘤微环境相关ꎬ可能作为免疫治疗的生物学标志物ꎮ

[关键词]衰老基因ꎻ非远处转移结直肠癌ꎻ肿瘤免疫微环境ꎻ免疫细胞

[中图分类号]Ｒ７３５３４ꎻＴＰ１８１[文献标志码]Ａ

Ｃｏｒｒｅｌａｔｉｏｎａｎａｌｙｓｉｓｏｆｐｒｏｇｎｏｓｉｓａｎｄｉｍｍｕｎｅｍｉｃｒｏｅｎｖｉｒｏｎｍｅｎｔｏｆｃｏｒｅｓｅｎｅｓｃｅｎｃｅｇｅｎｅｓ

ｉｄｅｎｔｉｆｉｅｄｂｙｍａｃｈｉｎｅｌｅａｒｎｉｎｇｉｎｎｏｎ￣ｄｉｓｔａｎｔｍｅｔａｓｔａｔｉｃｃｏｌｏｒｅｃｔａｌｃａｎｃｅｒ

１１１２２１

ＬＩＳｈｉｓｅｎꎬＹＵＰｅｎｇｆｅｉꎬＱＩＡＯＹｉｈｕａｎꎬＷＡＮＧＫｅꎬＬＩＤａｎꎬＬＩＹｕｎｌｏｎｇ

１２

ＤｅｐａｒｔｍｅｎｔｏｆＤｉｇｅｓｔｉｖｅＳｕｒｇｅｒｙꎬＤｉｇｅｓｔｉｖｅＳｕｒｇｅｒｙＯｐｅｒａｔｉｎｇＲｏｏｍꎬＸｉｊｉｎｇＨｏｓｐｉｔａｌꎬＡｉｒＦｏｒｃｅＭｅｄｉｃａｌＵｎｉｖｅｒｓｉｔｙꎬＸｉａｎ

７１００３２ꎬＣｈｉｎａ

[Ａｂｓｔｒａｃｔ]ＯｂｊｅｃｔｉｖｅＴｏｅｓｔａｂｌｉｓｈａｓｅｎｅｓｃｅｎｃｅｇｅｎｅｍｏｄｅｌｆｏｒｎｏｎ￣ｄｉｓｔａｎｔｍｅｔａｓｔａｔｉｃｃｏｌｏｒｅｃｔａｌｃａｎｃｅｒ(ＣＲＣ)ꎬ

ｉｄｅｎｔｉｆｙｃｏｒｅｓｅｎｅｓｃｅｎｃｅｇｅｎｅｓꎬａｎｄａｎａｌｙｚｅｔｈｅｉｒｒｏｌｅｉｎｔｈｅｔｕｍｏｒｍｉｃｒｏｅｎｖｉｒｏｎｍｅｎｔＭｅｔｈｏｄｓＮｏｎ￣ｄｉｓｔａｎｔｍｅｔａｓｔａｔｉｃ

ＣＲＣｄａｔａｂａｓｅｓｏｆＴＣＧＡａｎｄＧＥＯｄａｔａｂａｓｅｓｗｅｒｅｄｏｗｎｌｏａｄｅｄꎬｕｎｉｖａｒｉａｔｅＣｏｘａｎａｌｙｓｉｓｗａｓｐｅｒｆｏｒｍｅｄｔｏｉｄｅｎｔｉｆｙｐｒｏｇｎｏｓｔｉｃ￣

ｒｅｌａｔｅｄｓｅｎｅｓｃｅｎｃｅ