基于防数据泄露机器学习框架的三阴性乳腺癌早期远处复发转录组预测签名开发与外部验证
《Scientific Reports》:An interpretable machine-learning signature predicts early triple-negative breast cancer recurrence but adds no prognostic value beyond clinicopathological factors in external validation
【字体:
大
中
小
】
时间:2026年10月13日
来源:Scientific Reports 4.9
编辑推荐:
三阴性乳腺癌(TNBC)是一种侵袭性亚型,缺乏靶向治疗手段,且早期远处转移风险高,但用于预测早期复发的可解释工具仍然稀缺。我们开发了一个端到端、防数据泄露的机器学习框架,利用GSE58812中101例TNBC患者的基因表达谱预测3年远处复发,并在一个独立的、具有临床注释的队列
三阴性乳腺癌(TNBC)是一种侵袭性亚型,缺乏靶向治疗手段,且早期远处转移风险高,但用于预测早期复发的可解释工具仍然稀缺。我们开发了一个端到端、防数据泄露的机器学习框架,利用GSE58812中101例TNBC患者的基因表达谱预测3年远处复发,并在一个独立的、具有临床注释的队列中进行了评估——即METABRIC的三阴性子集(n=320)。监督式特征选择嵌入在每次重复分层交叉验证的每一个折中,使得七个分类器在诚实的折外预测上进行比较;基于五十基因面板的??正则化逻辑回归达到了平均每折交叉验证ROC-AUC 0.689(标准差0.137)和重复平均折外ROC-AUC 0.738(95% CI 0.626–0.837),校准良好(Brier评分0.171)。两者不可互换:0.689估计的是单个拟合模型的区分度,是主要且更为保守的数值,而0.738描述的是重复平均集成,校准、决策曲线和内部生存分析对应的正是该值。两者均保留了在同一重采样中从七个模型中挑选出报告模型作为最佳模型所带来的乐观偏差;嵌套式学习器选择给出的结果为0.648。面板大小事先固定;嵌套式调参未能改善诚实的区分度(0.648),且30–100基因的面板性能差异不大。系数与SHAP归因几乎完全一致,对于标准化线性模型这在构建上成立,作为内部一致性检查报告;一种模型无关的解释器应用于三个非线性学习器时给出的跨模型一致性要弱得多(Spearman ρ 0.54–0.94,中位数0.62)。功能注释显示,早期复发肿瘤中自然杀伤细胞介导的细胞毒性和抗原呈递通路显著,细胞增殖上调(E2F靶点,NES +2.23),干扰素-γ反应下调(NES ?2.77)。由于GSE58812除年龄外未记录任何临床病理变量,因此利用METABRIC检验该签名与决定治疗决策的常规因素之间的关系及其叠加效果。临床病理Cox模型对无复发生存期区分良好(一致性指数0.673),主要由淋巴结负荷驱动,而五十个基因中仅二十个可在Illumina芯片上定量,因此可外部评分的是跨平台可迁移的部分。该部分仅携带微弱的单变量信号(每个标准差的风险比1.23;3年AUC 0.55),且未改善临床病理因素之上的区分度(合并一致性指数0.652;似然比检验 p=0.13)。在两平台共同基因宇宙内重新推导面板可得到一个可完全评分的签名,该签名在外部区分了无复发生存期(每个标准差的风险比1.30,p=0.004),但仍未提供额外增益(p=0.09)。ComBat使外部AUC变化小于0.01,而在METABRIC内部重新拟合仅达到0.56–0.57。终点不匹配并不能解释这一点:该签名在面对以转移为主的原因特异性终点时表现并未更好,即使十个首次复发中有三个为局部复发,校正后的一致性指数也仅升至0.58。因此,转录组签名可以被可靠地开发和解释,但临床病理变量仍然是复发风险的决定性因素。该签名最好被视为一种用于产生假设的分子辅助工具,而非临床就绪的工具。
生物通微信公众号
生物通新浪微博
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