《Computational Biology and Chemistry》:Machine Learning-Integrated Molecular Subtyping Reveals Two Biologically Distinct Endometriosis Subtypes in the EndometDB Database
编辑推荐:
•通过整合生物信息学鉴定出两种子宫内膜异位症分子亚型。•亚型显示出独立于 rASRM 临床分期的不同通路图谱。•集成机器学习诊断模型通过嵌套交叉验证达到 0.892 的 AUC。•随机生存森林(RSF)预后模型在使用替代终点时显示出 0.751 的袋外一致性指数。•治疗反应模
- •
通过整合生物信息学鉴定出两种子宫内膜异位症分子亚型。
- •
亚型显示出独立于 rASRM 临床分期的不同通路图谱。
- •
集成机器学习诊断模型通过嵌套交叉验证达到 0.892 的 AUC。
- •
随机生存森林(RSF)预后模型在使用替代终点时显示出 0.751 的袋外一致性指数。
- •
治疗反应模型未显示出超出随机机会的判别信号(AUC=0.492)。
引言
子宫内膜异位症是一种慢性炎症性疾病,其特征是子宫腔外异位类子宫内膜组织种植,影响全球约 10% 的育龄女性(Zondervan 等,2020)。临床表现包括痛经、慢性盆腔痛和不孕症,这些显著降低了生活质量(Taylor 等,2021, de Ziegler 等,2010)。子宫内膜异位症管理中的一个关键挑战是从症状出现到确诊存在 7-10 年的诊断延迟(Zondervan 等,2020),在此期间可能发生不可逆的组织损伤和生育能力受损。
修订后的美国生殖医学学会(rASRM)分期系统根据解剖学疾病程度对子宫内膜异位症进行分类,但显示出与症状严重程度、生育结局和治疗反应的相关性较差(Johnson 等,2017)。术后复发率在五年内达到 20-40%(Guo, 2009),当前的管理指南(Becker 等,2022)依赖于经验性激素抑制而没有分子分层。在肿瘤学中,分子分型已经改变了治疗范式;癌症基因组图谱子宫内膜癌分类(Kandoth 等,2013)举例说明了基因组分析如何识别具有临床可操作性的亚型。子宫内膜异位症的分子信息分型框架有可能超越解剖学分期的局限性(Bulun, 2009)。
EndometDB (GSE141549),由 Gabriel 等整理(Gabriel 等,2020),构成了最全面的公开可用的子宫内膜异位症基因表达资源,包含超过 1,800 个来自子宫内膜异位症患者和健康对照的微阵列样本,具有系统的临床注释。最近的单细胞转录组学研究证实了子宫内膜异位症病灶中存在显著的分子异质性(Fonseca 等,2023),这与存在生物学上不同的疾病亚型一致。机器学习方法,包括梯度提升(Chen and Guestrin, 2016)和生存森林算法(Ishwaran 等,2008),已证明在复杂基因组数据上优于传统统计模型,但它们对子宫内膜异位症分型和预后预测的系统应用仍然有限。最近的研究开始将机器学习应用于子宫内膜异位症筛查和诊断(Bendifallah 等,2022, Sivajohan 等,2022),但结合分子分型与严格验证的预测模型的整合框架仍然稀少。
本研究旨在:(1) 通过整合 DEG 分析、WGCNA 和 PPI 网络分析鉴定核心子宫内膜异位症相关基因;(2) 通过共识聚类定义分子亚型并表征其生物学和临床特征;(3) 构建具有临床转化潜力的基于机器学习诊断和预后模型。据我们所知,这是第一项在 EndometDB 资源内整合基于共识聚类的分子分型与嵌套交叉验证的机器学习诊断和预后建模的研究。
部分摘要
数据来源与预处理
基因表达数据从 EndometDB (Gabriel 等,2020) 通过 NCBI 基因表达综合数据库(GEO;登录号 GSE141549)(Barrett 等,2013)检索。该数据集包含 89 名子宫内膜异位症患者(具有腹膜、深部浸润型和卵巢子宫内膜异位症病灶)和 41 名对照受试者。PostgreSQL 数据库通过结构化 JOIN 操作查询以提取归一化微阵列表达值(Illumina HumanWG-6 v2 和 HumanHT-12 v4.0 平台)。原位子宫内膜
差异表达基因的鉴定
比较异位子宫内膜异位症病灶(腹膜、深部浸润型和卵巢)与对照子宫内膜,鉴定出 823 个差异表达基因(496 个上调,327 个下调;|logFC| > 1.0, FDR < 0.05)(图 2A)。最显著上调的基因包括 SFRP2 (logFC = 4.88)(Heinosalo 等,2018)、MYH11 (logFC = 4.17)(Anaf 等,2000)和 PTGIS (logFC = 4.16),与已建立的子宫内膜异位症基质纤维化和平滑肌化生的分子特征一致。GSEA
分子亚型的生物学意义
通过共识聚类鉴定出两种子宫内膜异位症分子亚型,反映了单细胞研究最近记录到的细胞和转录组异质性(Fonseca 等,2023, Marla 等,2023)。S1 和 S2 之间炎症与血管生成 - 激素通路的差异富集可能对应于不同的病灶微环境。亚型 S1 表现出先天免疫激活和干扰素信号传导的富集,这与
局限性与未来方向
有几个局限性值得考虑。首先,EndometDB 的横断面设计排除了对真正纵向结局的分析;所有生存分析都使用了一个替代终点,该终点在构造上是循环的,并且可能无法捕捉复发生物学。其次,鉴定出的分子亚型和所有模型源自单个公共数据集(GSE141549);在独立队列中进行外部验证至关重要,但没有同样注释的子宫内膜异位症转录组资源
结论
在本研究中,对 EndometDB 基因表达数据的整合分析通过收敛的生物信息学证据(DEG 分析、WGCNA 和 PPI 网络)鉴定出 823 个 DEG 和 173 个核心子宫内膜异位症相关基因。共识聚类揭示了两个分子上不同的子宫内膜异位症亚型,具有不同的通路激活图谱,尽管在亚型之间未检测到具有统计学意义的临床差异,突出了分子分类的补充价值
伦理声明
本研究使用了来自 NCBI GEO (GSE141549) 的公开可用去标识化数据。未收集新的患者样本。因此不需要伦理批准。
资金
本工作得到了浙江省卫生健康委员会医药卫生科技项目(项目编号:2023KY1314)和台州市科技计划 A 类项目(项目编号:23ywa10)的支持。
CRediT 作者贡献声明
Yi Xu: 验证,软件,形式分析,数据整理。 Xia Ma: 写作 - 审阅与编辑,指导,项目管理,资金获取,概念化。 Yiqun Wang: 写作 - 原稿,软件,方法学,形式分析,数据整理,概念化。 Xiaozhen Cai: 写作 - 审阅与编辑,验证,资源,调查。
利益冲突声明
作者声明他们没有任何已知的竞争财务利益或个人关系,这些关系可能看似影响了本文中报告的工作。
致谢
作者感谢 EndometDB 联盟使 GSE141549 数据集公开可用。
Yiqun Wang|Xiaozhen Cai|Yi Xu|Xia Ma