整合机器学习与多组学分析揭示膀胱癌中mitotic catastrophe异质性的预后价值及核心靶点ANLN的调控机制

本研究针对膀胱癌(BLCA)中mitotic catastrophe(MC)异质性的预后意义不明问题，通过整合TCGA/GEO数据库和10种机器学习算法，构建了包含16个基因的预后模型(C-index>0.95)，发现ANLN通过调控细胞分裂、免疫浸润和甲基化促进BLCA进展，并筛选出Phytoestrogens等潜在靶向药物，为BLCA精准治疗提供新策略。

　　

膀胱癌是全球泌尿系统最常见的恶性肿瘤之一，每年新增病例约38万例，其中肌层浸润型患者五年生存率骤降至6%。尽管已有研究探索了多种BLCA驱动因素，但基于有丝分裂灾难(mitotic catastrophe, MC)的预后模型仍属空白。MC作为细胞周期调控失败引发的内源性肿瘤抑制途径，在结肠癌、前列腺癌中显示出显著的预后价值，但其在BLCA中的异质性影响尚未阐明。

南京医科大学附属医院的研究团队通过整合多组学分析和机器学习算法，首次构建了BLCA的MC相关预后模型，揭示了ANLN的核心作用机制，相关成果发表于《Biology Direct》。研究采用TCGA-BLCA和GEO数据集(GSE13507/GSE32894/GSE32684)进行差异表达分析和WGCNA网络构建，结合10种机器学习算法筛选特征基因，通过单细胞测序(GSE135337/GSE130001)、孟德尔随机化(Mendelian randomization)和分子对接等技术验证靶点功能。

Identification of prognosis-associated MCRGs
通过TCGA-BLCA队列分析发现27.3%的MC相关基因在BLCA中失调，其中83.7%与肿瘤表型显著相关。WGCNA筛选出206个关键基因，包括与预后强相关的ANLN等16个特征基因。

Construction of machine learning prognostic models
CoxBoost联合随机生存森林(RSF)算法构建的16基因模型在训练集(AUC>0.95)和验证集(GSE32894 AUC>0.75)均表现优异，能显著分层OS/DFS/PFS(p<0.05)。高风险组表现出更强的细胞外基质重塑和鳞状分化特征。

Immune microenvironment profiling
低风险组富集CD8⁺ T细胞和滤泡辅助T细胞，而高风险组M2型巨噬细胞浸润与风险评分呈正相关(r>0.3)。免疫检查点分析显示HLA-E/F/G在高风险组上调，Imvigor210队列证实低风险组对PD-L1抑制剂响应更佳。

Characterization of the core model gene
多因素Cox和SurvSHAP(t)模型锁定ANLN为核心基因。单细胞分析显示ANLN特异性高表达于上皮细胞增殖亚群(cluster 5)，其调控的G2M检查点和P53通路显著激活。孟德尔随机化证实ANLN是BLCA的因果风险因素(IVW p<0.05)。

ceRNA regulatory system
发现MIR4435-2HG/hsa-miR-15a-5p/ANLN调控轴，其中MIR4435-2HG与EMT评分呈强正相关(r=0.663)，可能通过抑制E-cadherin促进肿瘤转移。

Drug prediction and molecular docking
从DSigDB筛选的植物雌激素(Phytoestrogens)与ANLN结合能达-9.7 kcal/mol，为靶向治疗提供新选择。

该研究首次系统解析了MC异质性在BLCA中的预后价值，建立的16基因模型具有临床转化潜力。核心基因ANLN被证实通过调控细胞分裂、免疫微环境和表观遗传修饰驱动BLCA进展，其特异性表达模式为液体活检标志物开发提供线索。发现的ceRNA网络和靶向药物为联合治疗策略设计奠定基础，特别是对基底样型BLCA患者具有重要指导意义。研究创新性整合单细胞测序和生存解释模型SurvSHAP(t)，为肿瘤异质性研究提供方法学参考。