通过整合多组学技术和人工智能，揭示高（Gao）在预防和治疗结直肠癌肝转移中的作用机制

《International Journal of Surgery》：Revealing the mechanism of chanling Gao in preventing and treating liver metastasis in colorectal cancer through integrated multi-omics and artificial intelligence

基于AI和网络药理学的高良姜治疗结直肠癌肝转移机制研究。

　　

摘要

背景：

肝转移（LM）是结直肠癌（CRC）的主要死亡原因之一，目前尚无有效的治疗药物。高长春碱（CLG）已被证明对结直肠癌肝转移（CRLM）具有抑制作用，但其确切的作用机制尚不清楚。将人工智能（AI）与精准传统中医相结合，为改善CRLM的治疗策略提供了一种有前景的方法。

目的：

本研究旨在利用AI建立CRC和CRLM的“诊断-预后”模型，并通过生物信息分析和细胞实验探讨CLG治疗CRC和CRLM的潜在机制。

研究设计/方法：

构建了一个“成分-靶点”网络，通过网络药理学阐明CLG在CRLM中的治疗潜力机制。通过将非负矩阵分解（NMF）聚类与十种机器学习（ML）方法相结合，利用从网络中识别的核心靶点开发了CRC的预后模型，并在多个TCGA和GEO队列中进行了验证。通过临床病理因素、生存数据、生物功能富集和免疫景观分析构建了诺模图，并将结果与先前发表的研究进行了比较。通过使用预后模型中的基因，采用十种ML技术组合开发了CRLM的诊断模型，随后在单细胞和空间转录组水平上分析了CRC和CRLM之间的免疫微环境差异。确定了与CRC发生和CRLM进展相关的关键靶点，并通过筛选这些靶点的上游转录因子（TF）建立了一个转录因子调控网络。对十四种表型功能进行了评分，以确定它们与关键靶点的关联。进行了分子对接和动力学模拟，以评估CLG成分与关键靶点（TP53、CDK1和CCNB1）的结合亲和力。体外细胞实验验证了CLG及其成分对结直肠癌的抑制作用及其对关键靶点的调控作用。

结果：

CLG的“活性成分-靶点”网络识别出了248个交叉靶点。NMF聚类发现了两种预后亚型，即C1和C2，其中C1的预后结果优于C2。分析了亚型之间的生存结果和免疫差异，通过交叉表达基因与先前识别的靶点确定了47个核心靶点。使用十种ML组合方法构建了一个基于CLG风险评分的预后ML模型，并在TCGA和GEO队列中验证了其生存预后、临床诊断和治疗效用。免疫景观分析显示，低风险组具有“热肿瘤”表型，对免疫疗法有良好的反应，而高风险组则表现为“冷肿瘤”表型，具有潜在的免疫疗法益处。独立的预后分析证实了CLG衍生的风险评分能够独立预测预后。与十个已发表模型的对比验证表明，所提出的模型具有更高的准确性和有效性。

使用预后模型中的11个基因构建了CRLM诊断模型。接收者操作特征（ROC）曲线、校准图和决策曲线（DCA）分析显示了其准确性和临床效用，表明其具有高预测效率。免疫微环境差异分析表明，CDK1和CCNB1是与CRLM发生和进展相关的潜在生物标志物。CDK1和CCNB1的表达水平与M2巨噬细胞呈正相关，而M2巨噬细胞已知会促进肝转移。转录因子调控网络显示了TP53、CDK1和CCNB1之间的调控关系，基因集变异分析（GSVA）显示了CDK1/CCNB1与细胞周期调控和凋亡的关联。分子对接和动力学模拟显示CLG成分与关键靶点具有强烈的结合亲和力。体外实验证实CLG及其成分能有效抑制结直肠癌并调节关键基因的表达。

结论：

本研究利用网络药理学建立了CLG的“活性成分-靶点”网络，并基于药物靶点开发了一个动态的“诊断-预后”模型。该模型在CRC和CRLM患者中的临床价值得到了验证，并利用深度学习（DL）阐明了药物-靶点的结合机制。研究发现，CLG可能通过靶向TP53/CCNB1/CDK1信号通路来抑制CRC肝转移。这些发现突显了CLG和动态模型在CRC和CRLM的预防、诊断和治疗管理中的临床效用，为生物信息学、药理学以及中医CRLM治疗的潜在靶点提供了坚实的基础，具有广泛的临床意义。