通过多组学和机器学习技术，发现了一种基于巨噬细胞相关吞噬作用的急性髓系白血病双基因预后模型

《Annals of Hematology》：A macrophage-related efferocytosis-based two-gene prognostic model for acute myeloid leukemia identified by multi-omics and machine learning

　　

摘要

背景 急性髓系白血病（AML）仍是一种致命的血液系统恶性肿瘤，具有高度异质性。肿瘤微环境中巨噬细胞介导的吞噬作用与免疫抑制和疾病进展有关。方法 我们整合了来自公共队列的单细胞和批量转录组数据，以识别与AML中的巨噬细胞和吞噬作用相关的基因。使用单变量Cox回归对候选基因进行预后筛查。采用了一个综合的机器学习框架，评估了117种算法组合，以构建一个稳健的预后模型。最优的LASSO和随机生存森林方法确定CD52和S100A4为核心预后基因。该双基因模型通过Kaplan-Meier分析、时间依赖的ROC曲线以及多个独立队列的校准图进行了严格验证。进一步分析了风险评分与免疫微环境和药物敏感性的关联。应用SHapley加性解释（SHAP）分析来解释模型的决策过程。结果 该双基因特征在训练集和外部验证集中均表现出稳定且强大的整体生存预测性能。风险评分是一个独立的预后因素，并与免疫细胞浸润模式和对化疗药物的响应显著相关。SHAP分析证实了CD52和S100A4的贡献是一致且生物学上合理的。单细胞分辨率分析显示它们在特定的AML相关巨噬细胞亚群中富集。结论 我们利用多组学和机器学习方法开发了一种基于巨噬细胞吞噬作用的新型预后模型。该模型为AML的免疫微环境提供了宝贵的见解，并为风险分层和治疗指导提供了潜在工具。