基于机器学习的中心体扩增相关基因预测食管鳞状细胞癌的预后

李超群; 郑泓量; 黄平; 杨欢; 柏健鹰

doi:10.16016/j.2097-0927.202502080

您当前的位置：

首页 >

文章列表页 >

基于机器学习的中心体扩增相关基因预测食管鳞状细胞癌的预后

临床医学 | 更新时间：2025-07-14

- 基于机器学习的中心体扩增相关基因预测食管鳞状细胞癌的预后
- Construction of machine learning-based prognostic model of centrosome amplification-related genes for esophageal squamous cell carcinoma
- 陆军军医大学学报 2025年47卷第13期页码：1536-1547
- 作者机构：
  
  陆军军医大学（第三军医大学）第二附属医院消化内科，重庆
- 作者简介：
  
  柏健鹰， E-mail： baijianying_xq@tmmu.edu.cn
- 基金信息：
  
  重庆英才创新领军人才项目(2022CQ010)
- DOI：10.16016/j.2097-0927.202502080
  中图分类号： R394.3;R730.7;R735.1
- 收稿日期：2025-02-26，
  
  修回日期：2025-05-19，
  
  纸质出版日期：2025-07-15
- 稿件说明：
移动端阅览
李超群，郑泓量，黄平，等.基于机器学习的中心体扩增相关基因预测食管鳞状细胞癌的预后［J］.陆军军医大学学报，2025，47（13）：1536-1547.DOI：10.16016/j.2097-0927.202502080.

LI C Q，ZHENG H L，HUANG P，et al.Construction of machine learning-based prognostic model of centrosome amplification-related genes for esophageal squamous cell carcinoma［J］.J Army Med Univ，2025，47（13）：1536-1547.DOI：10.16016/j.2097-0927.202502080.
李超群，郑泓量，黄平，等.基于机器学习的中心体扩增相关基因预测食管鳞状细胞癌的预后［J］.陆军军医大学学报，2025，47（13）：1536-1547.DOI：10.16016/j.2097-0927.202502080. DOI：

LI C Q，ZHENG H L，HUANG P，et al.Construction of machine learning-based prognostic model of centrosome amplification-related genes for esophageal squamous cell carcinoma［J］.J Army Med Univ，2025，47（13）：1536-1547.DOI：10.16016/j.2097-0927.202502080. DOI：

摘要

目的

通过机器学习构建中心体扩增相关基因（centrosome amplification-related genes， CARGs）的预后模型，研究CARGs对食管鳞状细胞癌（esophageal squamous cell carcinoma， ESCC）预后的影响。

方法

从基因本体论（gene ontology， GO）和京都基因与基因组百科全书（Kyoto encyclopedia of genes and genomes， KEGG）数据库中下载CARGs。下载癌症基因组图谱（the Cancer Genome Atlas， TCGA）和基因表达综合数据库（Gene Expression Omnibus， GEO）中的ESCC转录组测序（RNA-sequencing， RNA-seq）数据，作为训练集和验证集。基于单样本基因集富集分析（single-sample gene set enrichment analysis， ssGSEA）和加权基因共表达网络（weighted gene co-expression network analysis， WGCNA）筛选CARGs。使用集成了12种机器学习算法构建CARGs的预后模型，采用单因素和多因素Cox回归分析判断模型是否可以作为独立预后因素。从陆军军医大学第二附属医院消化内科收集15对ESCC和癌旁组织样本，采用RT-qPCR和免疫组化验证基因在组织样本中的表达。

结果

构建了包含9个CARGs的预后模型，其中基因

DENR

、

TRIP13

、

BRCA2

、

TTF2

、

TCFL5

和

NUP188

经实验验证其mRNA表达水平高于正常组织（

0.05），DENR、TRIP13、TTF2和TCFL5的蛋白表达水平高于正常组织。

结论

DENR

、

TRIP13

、

TTF2

和TCFL5在ESCC中表达水平升高，与临床不良预后密切相关，提示这些基因在ESCC发生发展中可能发挥作用

。

Abstract

Objective‍　‍To construct a prognostic model of centrosome amplification-related genes (CARGs) by machine learni

ng and evaluate its prediction performance for the prognosis of esophageal squamous cell carcinoma (ESCC)

Methods‍　‍CARGs were obtained from Gene Ontology (GO) and Kyoto Encyclopedia of Genes and Genomes (KEGG) datasets. The RNA-sequencing (RNA-seq) transcriptome datasets of ESCC were retrieved from The Cancer Genome Atlas (TCGA) and Gene Expression Omnibus (GEO)

and assigned into training and validation sets

respectively. Subsequently

single-sample gene set enrichment analysis (ssGSEA) and weighted gene co-expression network analysis (WGCNA) were employed to screen CARGs. A prognostic model of CARGs was constructed by incorporating 12 machine learning algorithms

and univariate and multivariate Cox regression analyses were applied to evaluate whether the 12 models as an independent prognostic factor or not. Eventually

15 paired ESCC and adjacent non-tumor tissue samples were collected from the Department of Gastroenterology of the Second Affiliated Hospital of Army Medical University

and real-time quantitative PCR (RT-qPCR) and immunohistochemistry staining were performed to detect the expression of these genes ESCC samples. Results‍　‍Our 9-CARGs prediction model for ESCC prognosis was constructed. RT-qPCR confirmed that the mRNA expression levels of

DENR

TRIP13

BRCA2

TTF2

TCFL5

and

NUP188

were significantly higher in ESCC tissues than normal tissues (

0.05)

and the protein levels of DENR

TRIP13

TTF2 and TCFL5 were also elevated when compared to normal tissues. Conclusion‍　‍

DENR

TRIP13

TTF2

and

TCFL5

are highly expressed and closely associated with poor prognosis of ESCC

suggesting their potential roles in the pathogenesis and progression of this malignancy.

关键词

Keywords

references

MORGAN E ， SOERJOMATARAM I ， RUMGAY H ， et al . The global landscape of esophageal squamous cell carcinoma and esophageal adenocarcinoma incidence and mortality in 2020 and projections to 2040： new estimates from GLOBOCAN 2020 ［J］. Gastroenterology ， 2022 ， 163 （ 3 ）： 649 - 658.e2 . DOI： 10.1053/j.gastro.2022.05.054 http://dx.doi.org/10.1053/j.gastro.2022.05.054 .

LIU C Q ， MA Y L ， QIN Q ， et al . Epidemiology of esophageal cancer in 2020 and projections to 2030 and 2040 ［J］. Thorac Cancer ， 2023 ， 14 （ 1 ）： 3 - 11 . DOI： 10.1111/1759-7714. 14745 http://dx.doi.org/10.1111/1759-7714.14745 .

MILLER K D ， NOGUEIRA L ， DEVASIA T ， et al . Cancer treatment and survivorship statistics， 2022 ［J］. CA Cancer J Clin ， 2022 ， 72 （ 5 ）： 409 - 436 . DOI： 10.3322/caac.21731 http://dx.doi.org/10.3322/caac.21731 .

COLLABORATORS G 2 O C. The global， regional， and national burden of oesophageal cancer and its attributable risk factors in 195 countries and territories， 1990-2017： a systematic analysis for the Global Burden of Disease Study 2017 ［J］. Lancet Gastroenterol Hepatol ， 2020， 5 （ 6 ）： 582 - 597 . DOI： 10.1016/S2468-1253（20）30007-8 http://dx.doi.org/10.1016/S2468-1253（20）30007-8 .

ANDERHUB S J ， KRÄMER A ， MAIER B . Centrosome amplification in tumorigenesis ［J］. Cancer Lett ， 2012 ， 322 （ 1 ）： 8 - 17 . DOI： 10.1016/j.canlet.2012.02.006 http://dx.doi.org/10.1016/j.canlet.2012.02.006 .

KIERMAIER E ， STÖTZEL I ， SCHAPFL M A ， et al . Amplified centrosomes-more than just a threat ［J］. EMBO Rep ， 2024 ， 25 （ 10 ）： 4153 - 4167 . DOI： 10.1038/s44319-024-00260-0 http://dx.doi.org/10.1038/s44319-024-00260-0 .

BAKHOUM S F ， NGO B ， LAUGHNEY A M ， et al . Chromosomal instability drives metastasis through a cytosolic DNA response ［J］. Nature ， 2018 ， 553 （ 7689 ）： 467 - 472 . DOI： 10.1038/nature25432 http://dx.doi.org/10.1038/nature25432 .

BAKHOUM S F ， LANDAU D A . Chromosomal instability as a driver of tumor heterogeneity and evolution ［J］. Cold Spring Harb Perspect Med ， 2017 ， 7 （ 6 ）： a029611 . DOI： 10.1101/cshperspect.a029611 http://dx.doi.org/10.1101/cshperspect.a029611 .

MONTEIRO P ， YEON B ， WALLIS S S ， et al . Centrosome amplification fine tunes tubulin acetylation to differentially control intracellular organization ［J］. EMBO J ， 2023 ， 42 （ 16 ）： e112812 . DOI： 10.15252/embj.2022112812 http://dx.doi.org/10.15252/embj.2022112812 .

ZHAO J Z ， YE Q ， WANG L ， et al . Centrosome amplification in cancer and cancer-associated human diseases ［J］. Biochim Biophys Acta Rev Cancer ， 2021 ， 1876 （ 1 ）： 188566 . DOI： 10.1016/j.bbcan.2021.188566 http://dx.doi.org/10.1016/j.bbcan.2021.188566 .

LIU Y L ， HE M ， KE X R ， et al . Centrosome amplification-related signature correlated with immune microenvironment and treatment response predicts prognosis and improves diagnosis of hepatocellular carcinoma by integrating machine learning and single-cell analyses ［J］. Hepatol Int ， 2024 ， 18 （ 1 ）： 108 - 130 . DOI： 10.1007/s12072-023-10538-5 http://dx.doi.org/10.1007/s12072-023-10538-5 .

MATTHEWS H K ， BERTOLI C ， DE BRUIN R A M . Cell cycle control in cancer ［J］. Nat Rev Mol Cell Biol ， 2022 ， 23 （ 1 ）： 74 - 88 . DOI： 10.1038/s41580-021-00404-3 http://dx.doi.org/10.1038/s41580-021-00404-3 .

SHAH P ， KENDALL F ， KHOZIN S ， et al . Artificial intelligence and machine learning in clinical development： a translational perspective ［J］. NPJ Digit Med ， 2019 ， 2 ： 69 . DOI： 10.1038/s41746-019-0148-3 http://dx.doi.org/10.1038/s41746-019-0148-3 .

孟祥勇，秦嘉怡，陈文生 . 基于机器学习的早期胃癌淋巴结转移预测模型构建与验证［J］. 陆军军医大学学报， 2024 ， 46 （ 21 ）： 2432 - 2442 . DOI： 10.16016/j.2097-0927.202403126 http://dx.doi.org/10.16016/j.2097-0927.202403126 .

MENG X Y ， QIN J Y ， CHEN W S . Construction and validation of a prediction model for lymph node metastasis in early gastric cancer based on machine learning ［J］. J Army Med Univ ， 2024 ， 46 （ 21 ）： 2432 - 2442 . DOI： 10.16016/j.2097-0927.202403126 http://dx.doi.org/10.16016/j.2097-0927.202403126 .

陈金城，张小勤，刘杰，等 . 基于机器学习算法构建胸段食管鳞癌患者化疗联合免疫治疗反应预测模型的研究［J］. 陆军军医大学学报， 2025 ， 47 （ 6 ）： 591 - 601 . DOI： 10.16016/j.2097-0927.202412113 http://dx.doi.org/10.16016/j.2097-0927.202412113 .

CHEN J C ， ZHANG X Q ， LIU J ， et al . Development of a prediction model for chemotherapy and immunotherapy response in esophageal squamous cell carcinoma patients using machine learning algorithms ［J］. J Army Med Univ ， 2025 ， 47 （ 6 ）： 591 - 601 . DOI： 10.16016/j.2097-0927.202412113 http://dx.doi.org/10.16016/j.2097-0927.202412113 .

CONSORTIUM G O . Gene ontology consortium： going forward ［J］. Nucleic Acids Res ， 2015 ， 43 （ Database issue ）： D1049 - D1056 . DOI： 10.1093/nar/gku1179 http://dx.doi.org/10.1093/nar/gku1179 .

LIN A T ， SONG L R ， WANG Y ， et al . Future prospects of deep learning in esophageal cancer diagnosis and clinical decision support （Review）［J］. Oncol Lett ， 2025 ， 29 （ 6 ）： 293 . DOI： 10.3892/ol.2025.15039 http://dx.doi.org/10.3892/ol.2025.15039 .

HÄNZELMANN S ， CASTELO R ， GUINNEY J . GSVA gene set variation analysis for microarray and RNA-seq data ［J］. BMC Bioinformatics ， 2013 ， 14 ： 7 . DOI： 10.1186/1471-2105-14-7 http://dx.doi.org/10.1186/1471-2105-14-7 .

YU G C ， WANG L G ， HAN Y Y ， et al . clusterProfiler： an R package for comparing biological themes among gene clusters ［J］. OMICS ， 2012 ， 16 （ 5 ）： 284 - 287 . DOI： 10.1089/omi.2011.0118 http://dx.doi.org/10.1089/omi.2011.0118 .

YANG H ， WANG F ， HALLEMEIER C L ， et al . Oesophageal cancer ［J］. Lancet ， 2024 ， 404 （ 10466 ）： 1991 - 2005 . DOI： 10.1016/s0140-6736（24）02226-8 http://dx.doi.org/10.1016/s0140-6736（24）02226-8 .

DIONNE L K ， SHIM K ， HOSHI M ， et al . Centrosome amplification disrupts renal development and causes cystogenesis ［J］. J Cell Biol ， 2018 ， 217 （ 7 ）： 2485 - 2501 . DOI： 10.1083/jcb.201710019 http://dx.doi.org/10.1083/jcb.201710019 .

BASTO R ， BRUNK K ， VINADOGROVA T ， et al . Centrosome amplification can initiate tumorigenesis in flies ［J］. Cell ， 2008 ， 133 （ 6 ）： 1032 - 1042 . DOI： 10.1016/j.cell. 2008.05.039 http://dx.doi.org/10.1016/j.cell.2008.05.039 .

GISSELSSON D ， JONSON T ， YU C ， et al . Centrosomal abnormalities， multipolar mitoses， and chromosomal instability in head and neck tumours with dysfunctional telomeres ［J］. Br J Cancer ， 2002 ， 87 （ 2 ）： 202 - 207 . DOI： 10.1038/sj.bjc.6600438 http://dx.doi.org/10.1038/sj.bjc.6600438 .

YU C T ， BIAN Y ， GAO Y ， et al . Machine learning-based lactate-related genes signature predicts clinical outcomes and unveils novel therapeutic targets in esophageal squamous cell carcinoma ［J］. Cancer Lett ， 2025 ， 613 ： 217458 . DOI： 10.1016/j.canlet.2025.217458 http://dx.doi.org/10.1016/j.canlet.2025.217458 .

CHEN B W ， HU J J ， HU X T ， et al . DENR controls JAK2 translation to induce PD-L1 expression for tumor immune evasion ［J］. Nat Commun ， 2022 ， 13 （ 1 ）： 2059 . DOI： 10.1038/s41467-022-29754-y http://dx.doi.org/10.1038/s41467-022-29754-y .

DI S Y ， LI M Y ， MA Z Q ， et al . TRIP13 upregulation is correlated with poor prognosis and tumor progression in esophageal squamous cell carcinoma ［J］. Pathol Res Pract ， 2019 ， 215 （ 6 ）： 152415 . DOI： 10.1016/j.prp.2019.04.007 http://dx.doi.org/10.1016/j.prp.2019.04.007 .

YAO W J ， LIU J ， HOU Z Y ， et al . Recombinant human protein TCFL5-activated NRSN2-AS1 promotes esophageal cancer progression via the microRNA-874-5p/RELT regulatory axis ［J］. Int J Biol Macromol ， 2024 ， 277 （ Pt 1 ）： 133814 . DOI： 10.1016/j.ijbiomac.2024.133814 http://dx.doi.org/10.1016/j.ijbiomac.2024.133814 .

DAI W X ， MENG X K ， MO S B ， et al . FOXE1 represses cell proliferation and Warburg effect by inhibiting HK2 in colorectal cancer ［J］. Cell Commun Signal ， 2020 ， 18 （ 1 ）： 7 . DOI： 10.1186/s12964-019-0502-8 http://dx.doi.org/10.1186/s12964-019-0502-8 .

EL-SHERBINI A H ， CORONEOS S ， ZIDAN A L ， et al . Machine learning as a diagnostic and prognostic tool for predicting thrombosis in cancer patients： a systematic review ［J］. Semin Thromb Hemost ， 2024 ， 50 （ 6 ）： 809 - 816 . DOI： 10.1055/s-0044-1785482 http://dx.doi.org/10.1055/s-0044-1785482 .

KOLASSERI A E ， B V . Comparative study of machine learning and statistical survival models for enhancing cervical cancer prognosis and risk factor assessment using SEER data ［J］. Sci Rep ， 2024 ， 14 （ 1 ）： 22203 . DOI： 10.1038/s41598-024-72790-5 http://dx.doi.org/10.1038/s41598-024-72790-5 .

YANG Z ， GONG J ， LI J ， et al . The gap before real clinical application of imaging-based machine-learning and radiomic models for chemoradiation outcome prediction in esophageal cancer： a systematic review and meta-analysis ［J］. Int J Surg ， 2023 ， 109 （ 8 ）： 2451 - 2466 . DOI： 10.1097/JS9. 0000000000000441 http://dx.doi.org/10.1097/JS9.0000000000000441 .

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

锌-α2-糖蛋白在食管鳞癌组织中的表达及预后意义

磷酸化FGFR1Y654在食管鳞状细胞癌中的表达及临床意义

DCE-MRI参数评估喉癌术后放疗短期预后的研究

基于增强静脉期CT放射组学的甲状腺乳头状癌中央区淋巴结转移预测模型构建与验证

基于5种机器学习算法构建的怀孕概率预测模型及其性能比较