结合机器学习与回顾性队列研究，探讨自动体外除颤器对LGG预后的影响，并识别相关的分子靶点

《BMC Pharmacology and Toxicology》：Integrating machine learning and retrospective cohort to explore the effects of AEDs on the prognosis of LGG and identify related molecular targets

　　

摘要

抗癫痫药物常被用于胶质瘤患者的治疗，尤其是低级别胶质瘤患者，这类患者中约有70–90%会出现癫痫症状。有研究指出，某些抗癫痫药物能够提高胶质瘤患者的生存率。然而，这些药物通过何种分子机制影响低级别胶质瘤的预后目前仍不清楚。因此，本研究结合了10种抗癫痫药物的105个作用靶点，运用机器学习、分子对接、回顾性临床队列分析以及体外实验，旨在阐明抗癫痫药物影响低级别胶质瘤预后的生物学机制。本研究建立了一个可靠的由13个基因构成的与抗癫痫药物相关的低级别胶质瘤预后预测模型。卡马西平、奥卡西平和拉科酰胺可通过抑制危险因子SCN9A来改善患者的总生存期；而苯巴比妥则通过抑制保护因子GRIN2C和GRIN3A而缩短患者的总生存期。分子对接实验显示，上述药物与相应靶点之间存在较强的亲和力。回顾性临床队列分析进一步验证了这些药物对低级别胶质瘤预后的影响。体外实验表明，抑制大多数抗癫痫药物的共同作用靶点SCN9A可以抑制胶质瘤细胞的恶性行为，而抑制GRIN2C和GRIN3A则会增强其恶性行为。这项研究为低级别胶质瘤患者的个体化抗癫痫药物选择提供了指导，同时也为了解抗癫痫药物影响低级别胶质瘤的潜在生物功能及分子机制带来了新的见解。