基于机器学习算法筛选膀胱肿瘤预后相关基因并分析其与免疫浸润细胞的关系

目的 筛选膀胱肿瘤预后相关的基因,并分析其与免疫浸润细胞的关系.方法 从高通量基因表达数据库(GEO)获得的芯片数据(GSE13507、GSE40355)作为训练组,用于筛选出差异表达基因(DEGs).利用套索算法(LASSO)与支持向量机的递归特征消除算法(SVM-RFE)从DEGs中筛选出膀胱肿瘤的关键基因.以癌症基因图谱计划数据库(TCGA)下载的膀胱肿瘤RNA-seq FPKM数据为验证组,验证关键基因的敏感性与特异性.下载TCGA临床数据用于对关键基因的生存分析,并用GEPIA数据库进行验证.利用CIBERSORT网站对验证组数据进行免疫浸润细胞分析,并探索预后相关的基因与免疫浸润细胞的关系.结果 训练组中得到了 176 个差异基因,其中上调基因21 个、下调基因 155 个.LASSO回归和SVM-RFE算法分别获得 13、34 个特征基因,取交集后共得到5 个膀胱肿瘤关键基因(CYTL1、SRPX、ADH1 B、PMP2、IQGAP3).关键基因在验证组中均表现出了较高的敏感性与特异性.生存分析发现不同表达量的PMP2(P=0.002)、CYTL1(P=0.032)患者生存率有显著差异.在肿瘤组织中M0、M1 巨噬细胞表现为高水平,未活化的肥大细胞表现为低水平,PMP2、CYTL1 表达量与滤泡辅助性T细胞,CD8 T细胞负相关,而与未活化记忆CD4 T细胞、初始B细胞正相关.肿瘤微环境中具有高丰度活化的 CD4 记忆 T 细胞(P=0.017)、CD8 T 细胞(P=0.049)患者预后更好.结论 CYTL1、PMP2 基因与患者预后相关,可作为今后治疗的潜在靶点.肿瘤免疫微环境中PMP2、CYTL1 基因表达量与滤泡辅助性T细胞、CD8 T细胞负相关,而与未活化的CD4 记忆T细胞、初始B细胞正相关.活化的CD4 记忆T细胞、CD8 T细胞可能是膀胱肿瘤患者的保护因素.