胃癌肿瘤突变负荷预测标志物的鉴定:基于TCGA数据和机器学习算法

摘要：

目的 筛选和鉴定具有预测胃癌肿瘤突变负荷(TMB)分类的微小 RNA(microRNAs),从而为胃癌患者免疫治疗提供参考依据.方法 从TCGA数据库中下载胃癌肿瘤样本的 mRNA、microRNA 表达谱数据和体细胞突变数据.利用 R语言的"limma"包筛选高-、低-TMB组间差异表达的 miRNAs.使用 DIANA-miRPath v3.0 数据库分析这些差异 miRNAs可能参与的生物学功能.此外,采用随机森林(RF)和支持向量机递归特征消除(SVM-RFE)算法筛选出能预测TMB分类的 miRNAs,然后利用曲线下面积(AUC)来评估其区分能力,并在其他癌种中进一步验证.最后,采用CIBERSORT算法评估不同 TMB 分组中免疫细胞浸润情况.结果 共鉴定出 56 个差异表达 miRNAs(DE-miRNAs).功能富集分析显示,这些DE-miRNAs主要富集在肿瘤发生发展等信号通路(如ErbB信号和MAPK信号通路)和免疫相关生物学过程(如免疫系统过程和Toll 样受体信号通路).RF和 SVM-RFE算法共同鉴定出 10 个诊断特征的 miRNAs,其中只有 hsa-miR-210-3 p被认为是与TMB分类最相关的预测生物标志物,因其具有较高的诊断效能,其AUC值在训练集、测试集和总集中分别为 0.822、0.721 和 0.793,并在多个癌种中得到验证.此外,CIBER-SORT计算分析提示高/低TMB组间存在免疫细胞浸润差异,并且 hsa-miR-210-3 p与免疫检查点相关基因和错配修复相关基因的表达呈显著正相关.结论 本研究成功鉴定出 hsa-miR-210-3 p 为 TMB分类的预测生物标志物,该生物标志物可有效预测胃癌及多种其他癌症患者中的TMB值,并可能为免疫治疗提供一定指导.

关键词：胃癌、肿瘤突变负荷、微小RNA、癌症基因组图谱、免疫治疗

所属期刊栏目：44

分类号：R735(肿瘤学)

在线出版日期：2023-10-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：755-763