多组学机器学习联合临床验证探索前列腺癌外周血mRNA诊断标志物：AOX1与B3GNT8的转化医学突破

本研究针对前列腺癌（PCa）早期诊断中前列腺特异性抗原（PSA）特异性不足的临床难题，通过整合12种机器学习算法筛选TCGA和GEO数据库中1071个差异表达基因，构建出9基因诊断模型（AUC=0.91）。团队进一步在细胞系和临床血浆样本中验证AOX1与B3GNT8的PCa特异性低表达特征，其联合检测AUC达0.91，显著优于PSA（AUC=0.66），尤其在ISUP≤2分级和PSA灰区（4-10 ng/mL）患者中展现卓越诊断价值，为PCa无创精准诊断提供新策略。

　　

前列腺癌（PCa）作为男性第二大高发恶性肿瘤，其早期诊断一直面临严峻挑战。尽管PSA检测已成为临床筛查主力军，但"滥杀无辜"的特性令人诟病——约75%的PSA阳性患者经穿刺活检证实为假阳性，而约15%的PCa患者PSA水平却处于"安全范围"。这种"漏网之鱼"与"过度医疗"并存的困境，催生了对新型生物标志物的迫切需求。液体活检技术的崛起为破局带来曙光，但现有RNA标志物多局限于单一分子，犹如"盲人摸象"难以全面捕捉肿瘤特征。

华中科技大学同济医院泌尿外科研究所团队在《Cancer Cell International》发表的研究，开创性地将机器学习与多中心临床验证相结合，构建了具有转化医学价值的PCa诊断体系。研究人员首先通过DESeq2、edgeR和limma三重算法筛选TCGA-PRAD和4个GEO数据集中的1071个差异表达基因，随后运用12种机器学习算法构建113种组合模型，最终锁定由Stepglm[both]+Enet[alpha=0.4]算法优化的9基因诊断面板（JPH4/RASL12/AOX1/SLC18A2/PDZRN4/P2RY2/B3GNT8/KCNQ5/APOBEC3C）。该模型在5个独立队列中平均AUC达0.913，展现出"以一敌百"的泛化能力。

关键技术方法包括：1）整合TCGA和4个GEO数据集（n=1096）进行机器学习建模；2）采用RWPE-1正常前列腺上皮细胞系与5种PCa细胞系（22RV1/C4-2/DU145/LNCaP/PC-3）验证基因表达；3）收集武汉同济医院72例血浆样本（42例PCa/30例BPH）进行qRT-PCR临床验证。

筛选前列腺癌差异表达基因
研究团队通过"三重过滤"策略（|logFC|>1.5且p<0.01）从59,428个基因中精确定位1071个PCa相关差异基因，其中AOX1和B3GNT8在肿瘤组织中呈现"断崖式"下调，暗示其可能作为"分子刹车"抑制PCa进展。

整合构建前列腺癌诊断面板
在113种算法组合中，9基因模型犹如"精准导航仪"，其诊断效能显著超越单基因标志物。特别值得注意的是，所有入选基因均呈现PCa特异性低表达，这种"负向标记"模式为肿瘤诊断提供了新视角。

细胞系验证基因特征
在6种细胞系的"擂台赛"中，AOX1和B3GNT8表现出"稳如泰山"的特性——在全部5种PCa细胞系中一致性低表达，而其他基因则出现"左右摇摆"的异质性，彰显前两者作为核心标志物的可靠性。

RNA标志物的液体活检与临床意义
临床验证阶段，AOX1和B3GNT8在PCa患者血浆中分别实现0.88和0.79的AUC，双剑合璧后AUC跃升至0.91。在PSA灰区（4-10 ng/mL）这一"诊断盲区"，两者联合检测AUC达0.89，较PSA（AUC=0.57）实现"质的飞跃"。更令人振奋的是，AOX1表达与ISUP分级呈显著负相关（p<0.01），暗示其可作为"分子标尺"评估肿瘤恶性程度。

这项研究开创了PCa诊断新范式：通过机器学习"大海捞针"锁定关键标志物，再经"细胞-组织-液体活检"三级验证体系确认临床价值。AOX1和B3GNT8的发现犹如为PCa诊断安装了"双保险"，其机制研究揭示：AOX1通过调控色氨酸代谢和氧化应激平衡发挥抑癌作用，而B3GNT8可能通过异常糖基化修饰改变肿瘤微环境。这种"算法驱动+实验验证"的研究范式，为其他肿瘤标志物开发提供了可复制的技术路线。未来研究需扩大样本量并探索甲基化等表观遗传调控机制，以加速其向临床转化应用。