基于机器学习算法的卵巢癌诊断模型建立及关键生物标志物SOX17的功能分析

背景：卵巢癌（OC）在妇科恶性肿瘤中预后最差，五年生存率低于45%，主要由于诊断时多为晚期。为解决这一挑战，我们基于十一种机器学习算法系统鉴定了OC特异性差异表达基因（DEGs），以建立稳健的诊断模型。此外，我们探讨了关键DEG在OC中的潜在机制。方法：我们从基因表达综合（GEO）数据库中获取了426个组织（352个OC肿瘤和74个癌旁非肿瘤）的RNA测序数据。经过严格的批次效应校正和标准化程序后，筛选出肿瘤和非肿瘤标本之间的DEGs。进一步对所得DEGs进行全面的功能表征，包括基因本体（GO）富集、京都基因与基因组百科全书（KEGG）通路、蛋白质-蛋白质相互作用（PPI）网络和免疫微环境分析。为优化诊断特征选择，我们实施了结合F检验、LASSO回归和Pearson相关的分层分析方法。将筛选出的基因子集作为开发机器学习分类器的输入，并将队列分为分层训练集（70%）和验证集（30%）。通过迭代10折交叉验证评估了十一种不同算法，模型性能通过受试者工作特征（ROC）分析、精确率-召回率（PR）指标、校准曲线拟合、学习曲线分析和决策曲线分析（DCA）评估进行量化。最后，我们通过体外实验研究了关键基因SRY盒相关基因（SOX17）在OC细胞系中的生物学功能。结果：我们描绘了27个在OC中表达模式不同的DEGs，其中16个上调，11个下调。GO富集分析表明DEGs显著富集于叶酸反应、血液微粒和醇脱氢酶[NAD(P)+]活性。KEGG通路分析表明这些DEGs主要涉及酪氨酸代谢、脂肪酸降解、ABC转运蛋白和丙酮酸代谢。免疫微环境分析显示肿瘤组织中M2巨噬细胞极化和细胞毒性T细胞耗竭显著。基于五个关键基因（CD24、CLEC4M、SOX17、ADH1C和CHRDL1）建立了最佳诊断模型，逻辑回归算法为最佳算法。模型的受试者工作特征曲线下面积（AUC）和准确率分别为0.93和0.875。SOX17在OC肿瘤组织中上调，敲低SOX17明显抑制肿瘤细胞增殖和迁移。结论：我们基于五个基因通过逻辑回归优化的多变量诊断模型显示出对OC的稳健区分能力。SOX17作为抑制因子和OC的潜在治疗靶点。