基于机器学习的结直肠癌微卫星不稳定基因挖掘及其应用价值分析

背景与目的 结直肠癌（CRC）是全球第三大最常诊断的恶性肿瘤和第二大癌症死亡原因。最新指南推荐所有的CRC患者需要进行微卫星不稳定（MSI）的检测。MSI患者往往具有错配修复蛋白缺失（dMMR）。MSI/dMMR状态已被用作生物标志物预测对免疫治疗的有利反应和预后。然而MSI特征基因及其与肿瘤浸润的免疫细胞的关系未进行阐述。因此本研究通过使用机器学习的方式发掘CRC中新型的MSI特征基因,并且验证其的诊断价值及其与免疫细胞浸润的关系。方法 按照纳入排除标准,将GEO数据库中GSE39582数据集作为训练集,将TCGA数据库中COAD数据集作为外部验证集。使用机器学习的方法（LASSO回归、SVM-RFE算法）,在GSE39582结直肠癌数据集中筛选MSI特征基因,并在TCGA结直肠癌数据中进行验证。采用受试者工作特征（ROC）曲线和曲线下面积（AUC）评价基因对MSI的诊断效能。CIBERSORT算法评估肿瘤样本浸润的免疫细胞成分,Spearman相关性分析验证MSI特征基因和免疫细胞的关系。
结果 训练集共纳入536例CRC患者,其中高频MSI（MSI-H）77例（14.37%）。在验证集中,共计389例CRC患者,其中MSI-H 67例（17.22%）。基线资料分析显示,MSI-H/dMMR CRC的TNM分期存活率优于低频MSI（MSI-L）或微卫星稳定（MSS）/错配蛋白完整（pMMR）CRC（P<0.05）。在GSE39582数据集中,LASSO回归筛选MSI特征基因21个,SVM-RFE算法筛选基因6个,结合两种算法确定MSI特征基因为EIF5A、CXCL13、HNRNPL、HOXC6、RPL22L1、Y16709。在TCGA数据库中进一步验证MSI特征基因的诊断效能,研究发现EIF5A的诊断效能最高。在训练集和验证集中,EIF5A的AUC值分别为0.922和0.805。同时,Spearman相关性分析发现,EIF5A主要与CD8⁺T细胞,活化的树突状细胞,辅助性T细胞,M1型巨噬细胞,γδT细胞,中性粒细胞成正相关;与CD4⁺记忆性T细胞,M2型巨噬细胞,静止树突状细胞,嗜酸性粒细胞,调节性T细胞呈负相关。结论 CRC的新型MSI特征基因分析结果表明,EIF5A对CRC MSI的诊断具有较好的诊断作用和临床价值,同时提示EIF5A与免疫细胞及免疫微环境相关。因此,EIF5A可能成为免疫检查点治疗的新型标志物。