利用加权基因共表达网络分析和机器学习鉴定子宫内膜癌生物标志物

背景：子宫内膜癌（UCEC）在中国的发病率不断上升，给女性和社会带来了沉重负担。鉴定UCEC的生物标志物对于精准诊断和治疗至关重要。方法：从GEO和TCGA数据库获取UCEC和正常子宫内膜组织的RNA-seq数据。使用Limma包分析来自GEO数据集的差异表达基因（DEGs），并采用加权基因共表达网络分析（WGCNA）鉴定与UCEC相关的基因模块。随后应用机器学习算法（GBM、KNN、LASSO、SVM、NNET、RF、DT、GLM）进行进一步基因筛选。通过使用仙桃学术在线分析平台上的TCGA-UCEC数据分析总生存期（OS）和无进展生存期（PFS）来鉴定关键生物标志物。功能富集分析、临床意义评估、COX回归分析、预后列线图构建、单基因逻辑回归分析、潜在机制探索和免疫特征分析均通过仙桃学术在线分析平台进行。使用CPADS数据库进行药物敏感性分析，随后进行分子对接验证。体外功能实验包括用于评估细胞增殖的EdU实验和用于评估细胞侵袭的Transwell实验。结果：Kaplan–Meier生存分析显示，MAL高表达组的总生存期（OS）和无进展生存期（PFS）均显著短于低表达组，提示MAL高表达与不良预后密切相关。进一步的多变量Cox回归分析（包括临床分期和肿瘤分级）显示，MAL对OS的独立预测价值减弱，表明其预后意义可能部分受传统临床病理因素混杂。MAL可能作为UCEC患者的潜在生物标志物，其高表达促进肿瘤进展，与预后负相关，并调节免疫特征。体外实验表明，MAL表达升高促进ECC-1细胞的增殖和侵袭，而MAL敲低抑制这些表型。结论：本研究发现MAL高表达与子宫内膜癌患者的不良预后显著相关，这与其促进肿瘤细胞增殖和侵袭的功能作用一致。然而，在调整分期和分级等临床因素后，MAL对总生存期的独立预后作用并不显著，表明它可能更多反映肿瘤进展程度和不良临床特征，而非作为预后的唯一决定因素。因此，MAL可被视为与疾病进展和生存结局密切相关的分子标志物，并结合临床参数在风险分层和个体化管理中具有提供辅助价值的潜力。