基于血清胆汁酸代谢组学与机器学习模型的胃癌无创诊断研究

《Cancer Medicine》:Serum Bile Acid Metabolomics-Based Machine Learning Model for Non-Invasive Diagnosis of Gastric Cancer

【字体: 大 中 小 】 时间:2026年10月10日 来源:Cancer Medicine 3.5

编辑推荐:

  摘要专业翻译 背景:胃癌(Gastric Cancer, GC)已对人类健康构成严重威胁。代谢组学分析已应用于多种疾病的研究,为非侵入性检测方法的开发提供了新视角。 目的:研究人员旨在基于血清胆汁酸(Bile Acid, BA)panel开发一种用于GC的诊断

  
摘要专业翻译 背景:胃癌(Gastric Cancer, GC)已对人类健康构成严重威胁。代谢组学分析已应用于多种疾病的研究,为非侵入性检测方法的开发提供了新视角。 目的:研究人员旨在基于血清胆汁酸(Bile Acid, BA)panel开发一种用于GC的诊断模型。 方法:共招募632名受试者采集血清样本,并记录其临床特征。采用超高效液相色谱-质谱联用(Ultra-Performance Liquid Chromatography–Mass Spectrometry, UPLC–MS)技术进行靶向BA谱分析。来自西安的受试者按7:3比例随机分配至训练队列和内部调参队列。通过两步筛选法鉴定关键BAs,并构建、优化了九种机器学习(Machine Learning, ML)模型。使用来自兰州的独立验证队列对最优模型进行外部评估。 结果:确认了由10种血清BAs组成的panel用于构建诊断模型。XGBoost模型在调参队列中表现最佳,受试者工作特征曲线下面积(Area Under the Receiver Operating Characteristic Curve, AUROC)为0.858。该模型在外部验证队列中也表现出稳健性能(AUROC = 0.816),显著优于肿瘤标志物(最高AUROC为CA72-4 = 0.68)。所开发的模型对可切除分期GC(I–II期)患者也展现出令人满意的预测性能(平均精度 [Average Precision, AP] = 0.75)。 结论:GC患者存在BA代谢紊乱。基于10-BA panel的XGBoost模型在GC检测中表现出优越效能,显示出其在临床应用中的巨大潜力。

论文解读

一、研究背景与意义

胃癌(Gastric Cancer, GC)是全球发病率与死亡率均位列第五的常见恶性肿瘤。GC确诊时的分期与患者预后密切相关。由于GC早期症状缺乏特异性,早期检测主要依赖内镜检查。然而,内镜筛查的侵入性和高成本在临床实践中构成挑战。此外,传统肿瘤标志物对GC的诊断准确性有限。因此,开发新的诊断方法对于提高GC检出率具有重要意义。
近年来,基于代谢组学的策略越来越多地被应用于疾病诊断和预后评估。胆汁酸(Bile Acid, BA)作为胆固醇的代谢产物,是生物学上重要的代谢物亚群。在肝脏中,胆固醇通过经典途径和替代途径代谢为初级胆汁酸,包括鹅去氧胆酸(Chenodeoxycholic Acid, CDCA)和胆酸(Cholic Acid, CA)。这些BAs与甘氨酸或牛磺酸结合后分泌至胆汁中储存于胆囊,最终排泄至肠道,在促进脂质消化吸收中发挥生理作用。在肠道微生物代谢作用下,初级BAs转化为次级BAs,包括脱氧胆酸(Deoxycholic Acid, DCA)和石胆酸(Lithocholic Acid, LCA)。约95%的BAs随后通过顶膜钠依赖性胆汁酸转运蛋白(Apical Sodium-Dependent Bile Acid Transporter, ASBT)在回肠末端被重吸收,经门静脉回到肝脏,完成肠肝循环。BAs还作为关键信号分子,通过激活法尼醇X受体(Farnesoid X Receptor, FXR)等核受体和G蛋白偶联胆汁酸受体(TGR5)等膜受体调节下游信号通路,参与调节脂质和葡萄糖代谢途径,维持全身稳态。
大量研究表明,BAs作为致癌因子参与多种癌症的发生发展,如卵巢癌、胰腺癌和肝细胞癌。由于消化道在BA代谢中的关键作用,BAs与胃肠道疾病密切相关。研究显示,肠道黏膜长期暴露于BAs是肠癌发生的重要因素。研究人员前期工作证实,BAs可通过触发miR-92a-1-5p/FOXD1/NF-κB/CDX2调控轴上调胃黏膜细胞中肠黏膜标志物尾型同源盒转录因子2(Caudal-Type Homeobox Transcription Factor 2, CDX2)的表达,这与胃黏膜肠上皮化生(Gastric Mucosal Intestinal Metaplasia, GIM)相关。此外,研究人员还证实了miR-1调控的HDAC6/HNF4α环路在BA诱导的GIM中的关键作用。临床研究中发现,血清总BAs水平与胃肠道癌症显著相关。
计算机科学的进步使人工智能(Artificial Intelligence, AI)能够从大规模医学数据中提取复杂模式。机器学习(Machine Learning, ML)作为AI的关键分支,从数据中构建预测模型。临床上,AI已成功应用于内镜成像、放射学和病理学诊断以及预后预测。
本研究是一项2期病例对照研究,基于BA靶向代谢组学开展大样本、多中心回顾性分析,以识别GC患者与非GC(Non-GC, NC)人群之间血清BA谱的差异,随后使用多种ML算法开发诊断模型,旨在探索GC检测的无创策略。

二、研究设计与方法概述

本研究遵循《赫尔辛基宣言》和诊断准确性研究报告标准。这项2期病例对照生物标志物发现研究共招募632名受试者,包括322名GC患者和310名NC参与者。其中438名患者来自空军军医大学第一附属医院,按7:3比例随机分为训练队列和内部队列;194名患者来自兰州大学第一医院,构成外部验证队列。
GC血清样本来自癌症生物学国家重点实验室生物样本库和兰州大学第一医院。GC患者纳入标准包括:病理检查确诊为GC、年龄18至75岁、临床资料完整。NC组参与者来自健康体检中心和消化内科门诊,纳入标准为接受上消化道内镜检查,对可见可疑病变进行活检以确认无恶性肿瘤。排除标准包括:患有影响胆汁酸代谢疾病者、服用可能影响胆汁酸代谢药物者、接受过放化疗或恶性肿瘤手术治疗者、孕妇、其他系统原发肿瘤者、生理状态不佳者及精神疾病患者。
研究采用的主要关键技术方法包括:靶向BA代谢组学分析(采用超高效液相色谱-质谱联用技术UPLC–MS/MS定量检测38种BAs)、两步特征选择框架(Boruta算法结合弹性网络Elastic Net方法)、九种机器学习模型构建与优化(包括逻辑回归Logistic Regression, LR、最小绝对收缩和选择算子Least Absolute Shrinkage and Selection Operator, LASSO、决策树Decision Tree, DT、随机森林Random Forest, RF、梯度提升决策树Gradient Boosting Decision Tree, GBDT、XGBoost、支持向量机Support Vector Machine, SVM、多层感知机Multilayer Perceptron, MLP和K近邻K-Nearest Neighbor, KNN)、SHAP(SHapley Additive exPlanations)可解释性分析。

三、研究结果

3.1 参与者基线信息
根据纳入和排除标准,最终纳入632名个体(322名GC患者和310名NC参与者)。在所有数据集中,GC患者与NC参与者在年龄、性别、BMI、吸烟史和饮酒史方面均无显著差异。所有GC患者中,大多数无GC家族史(93.79%)。解剖学上,肿瘤主要局限于胃窦/胃角切迹。术前多数患者表现为局部晚期浸润(T分期>T2)或淋巴结转移,TNM分期为II–IV期。
3.2 血清胆汁酸谱差异分析与潜在生物标志物筛选
共检测到38种血清BAs,包括8种初级BAs和30种次级BAs。与NC组相比,GC组次级BAs的相对丰度显著降低(p<0.05)。主成分分析(Principal Component Analysis, PCA)显示两组间血清BA谱在主成分1(PC1)和主成分2(PC2)上呈现明显聚类模式,提示BA代谢发生变化。
单变量分析(包括t检验和Mann–Whitney U检验)确认两组间有25种血清BAs存在差异丰度(p<0.05,|log?FC|≥0)。与NC组相比,GC组中13种血清BAs水平显著升高,包括NorCA、LCA-3S、TLCA、DCA-3S、GCDCA、GDCA、GLCA、TCDCA、NorDCA、TCA、TDCA、GUDCA和GCA;12种BAs水平显著降低,包括bDCA、UDCA、CDCA、7-KetoLCA、bUDCA、HCA、12-DHCA、7-DHCA、6-KetoLCA、bCA、CA和GCDCA-3Glu。其中bDCA、NorCA、UDCA、CDCA和LCA-3S位列差异最显著的前五种BAs。
鉴于过多生物标志物会损害成本效益并阻碍即时检测应用,研究人员通过两步特征选择框架优先实现简约模型构建。首先采用Boruta算法对25种具有生物标志物潜力的BA分子进行初步筛选,最终鉴定出17种关键BAs。在此基础上,使用弹性网络算法(α=0.5,λ=0.1,通过嵌套10折交叉验证最大化AUC确定)筛选出10种BAs用于模型开发。这10种GC相关BA panel(GCBAs)包括NorCA、DCA-3S、GLCA、bDCA、GCDCA、GUDCA、TLCA、12-DHCA、UDCA和TCDCA。
3.3 胃癌诊断模型的机器学习
基于训练队列数据构建了九种经典ML模型,通过网格搜索和5折交叉验证优化超参数,以AUROC最大化为目标函数。在内部调参队列中,XGBoost表现最佳,AUROC为0.858(95% CI: 0.791–0.913),优于KNN(AUC=0.842)和RF(AUC=0.847)。PR曲线显示XGBoost(AP=0.87)以及KNN、LASSO和RF模型在预测GC发生方面表现良好。校准曲线和Brier评分显示XGBoost、RF、KNN、LASSO和DT模型具有较低Brier评分。虽然Delong检验显示XGBoost与RF的AUROC值相当(p=0.8),但XGBoost在特异性方面优于RF(85.9% vs. 81.3%)。考虑到癌症诊断需要最大限度减少假阳性,最终确认XGBoost模型为最佳预测模型。
3.4 模型验证与进一步评估
为评估泛化能力,XGBoost模型在来自兰州大学第一医院的外部队列中进行了独立验证。结果显示XGBoost模型保持了稳健的诊断准确性(AUROC=0.816,95% CI: 0.753–0.871),精确率-召回率一致性良好(AP=0.81)。校准曲线和Brier评分(0.196)显示临床级可靠性保持稳定。决策曲线分析显示,XGBoost模型在临床可操作的40%–60%风险概率范围内产生高净收益。
在早期肿瘤诊断方面,模型对T1期GC检测的AUROC值为0.82;对TNM I–II期患者,模型产生稳定的ROC曲线(AUROC=0.82)和更好的AP值(0.75),表明该模型在区分可切除(TNM I–II期)GC与NC对照方面具有潜在价值。
在临床效用的基准分析中,将基于BA的XGBoost模型与传统肿瘤标志物(CEA、AFP、CA-724和CA19-9)在外部队列中进行比较。这些标志物在GC与NC组间表达无显著升高。CA-724驱动模型的判别能力有限(AUROC=0.68),而基于BA的XGBoost模型表现出优越的诊断准确性。
3.5 诊断模型的解释
通过SHAP可解释性分析,在10-BA panel中,NorCA发挥最重要的作用,其值显著高于其他BAs。蜂群图显示NorCA的SHAP值分布较广且主要为正值,表明其对模型输出具有显著正向影响。具体而言,血清NorCA水平升高与GC风险增加相关。相比之下,bDCA的SHAP值分布较窄且主要为负向影响,表明血清bDCA水平升高可能与GC风险降低相关。偏依赖分析显示,当血清NorCA浓度>10 nmol/L时,其强烈影响预测结果。其次贡献较大的为bDCA和DCA-3S,UDCA的贡献最小。

四、讨论与结论

GC患者表现出BA代谢网络系统性失调。BA相关代谢紊乱主要表现为初级与次级BAs之间的平衡被打破。GC患者血清中TCA和GCDCA等初级BAs积累,而UDCA等次级BAs丰度降低。既往研究证实,TCA等初级BAs在GC患者胃中显著升高,可通过MAPK信号通路上调GC细胞中Egr-1和癌基因的表达,驱动癌变。UDCA在临床广泛用于治疗胆汁淤积性肝病,已被证明具有显著抗肿瘤效应,可通过多种途径诱导GC细胞凋亡,并通过诱导自噬性细胞死亡克服化疗耐药。本研究与这些发现一致,GC患者血清UDCA水平降低,凸显其肿瘤抑制作用。
GC相关BA代谢紊乱的另一显著特征是结合型BAs水平的变化。甘氨酸结合型BAs(如GDCA和GLCA)以及牛磺酸结合型BAs(如TDCA和TLCA)在患者血清中显著升高。甘氨酸在嘌呤和嘧啶核苷酸合成中发挥关键作用,对DNA复制和修复至关重要。甘氨酸结合反应是BA的重要解毒途径。同时,硫酸化BAs(包括DCA-3S和LCA-3S)在GC患者中也升高。硫酸化修饰也是BA解毒和肠道排泄的重要反应。
NorCA是本研究中鉴定出的重要BA家族成员,在GC患者与NC患者之间表现出显著差异丰度。模型解释显示NorCA具有最高的特征重要性,其血清水平与GC呈正相关。肝细胞癌(Hepatocellular Carcinoma, HCC)研究表明,NorCA通过FXR-SHP-PD-L1信号轴调节免疫抑制微环境,加剧肿瘤进展,提示NorCA的潜在致癌作用。
早期检测的挑战导致GC患者预后不良,凸显了无创生物标志物补充内镜诊断的迫切需求。AI驱动的ML技术是前景广阔的突破方向。本研究中,非参数模型(如KNN)和传统线性模型(如LR)表现有限,这可能归因于代谢组学数据的高维性,其中可能包含更适合集成学习模型捕捉的复杂交互作用。基于BA的XGBoost模型在该队列中表现出优于传统肿瘤标志物的敏感性和准确性,凸显其作为无创诊断方法的前景。无创诊断方法不仅能提高患者依从性,还能在早期GC检测中实现高性能,有望补充内镜检查,通过及时干预改善患者预后。
本研究存在一定局限性。首先,作为回顾性横断面研究,无法进行因果推断,BA改变与GC之间的关联需要前瞻性验证。其次,与许多回顾性分析一致,潜在混杂因素的数据并非统一可用,可能存在残余混杂。第三,由于外部队列富集了GC病例,所报告的预测值和决策曲线估计可能无法反映GC低患病率的真实世界筛查人群中的表现。此外,早期GC病例有限,需要扩大队列以完善模型在早期癌症检测中的诊断效用。
研究结论:研究人员鉴定出10-BA panel作为GC的潜在诊断特征,并开发了XGBoost模型,该模型在外部验证队列中表现出优异性能。这种无创方法有望成为GC的诊断工具,为促进及时诊断和改善患者管理提供了潜在途径。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号