全球有数百万膀胱癌 (BC) 病例，需要一种工具来确保及时诊断这种疾病，这是一个令人担忧的问题。科学家最近利用已知参与疾病进展的线粒体相关基因（MRG），利用机器学习（ML）建立了一种新型诊断模型。
结果发表在《科学报告》上，表明该模型的潜力有待进一步验证。
膀胱癌
膀胱癌在男性中的发病率是女性的三到四倍，使其成为男性第六大癌症原因。它主要是由吸烟和接触某些工业化学品引起的，通常影响中年和老年男性。
尽管膀胱癌在发达人群中更为普遍，但尽管医学取得了进步，但其预后仍然相对较差。这推动了更好的诊断工具、预后模型和治疗方法的开发。
线粒体是负责能量产生、控制细胞代谢并调节关键细胞过程（如程序性细胞死亡、信号传导和钙离子水平）的亚细胞细胞器。
肿瘤细胞需要大量能量，主要使用糖酵解（一种效率较低的无氧途径），而正常细胞则依赖氧化磷酸化，这是一种更有效的有氧途径，可产生高达 15 倍的能量。
这种能量产生的差异是“瓦伯格效应”的一部分，即线粒体功能异常导致肿瘤细胞代谢改变。例如，线粒体功能障碍可能会阻止癌细胞经历程序性死亡，从而使它们能够生存和扩散。
此外，线粒体异常还会对 DNA 和蛋白质等细胞成分造成氧化应激，增加癌症风险、对癌症治疗产生耐药性并促进肿瘤生长。
“鉴于 MRG 在 BC 进展中的重要作用，基于 MRG 为 BC 患者筛选新型生物标志物非常重要。”
机器学习是人工智能 (AI) 武器库的一部分，它可以从原始数据中识别模式和知识，而无需输入详细指令。
这使得系统能够预测、分类和识别可能包括肿瘤相关转录模式的趋势。在当前的研究中，研究人员试图利用 ML 对转录组的强大功能，构建基于 MRG 的新的 BC 诊断模型。
研究表明了什么？
研究人员分析了 165 个膀胱癌 (BC) 样本和 67 个对照样本，以研究线粒体相关基因 (MRG) 的差异表达。他们鉴定了 752 个差异表达的 MRG，其中 440 个显示表达增加，其余的表达下调。
这些基因显着参与与胚胎器官形成、细胞命运、转录调控、神经退行性疾病和肌肉组织疾病相关的细胞途径。
该分析确定了近 50 个 BC 相关特征，并缩小到 13 个关键基因。其中，TRAF3 相互作用蛋白 3 (TRAF3IP3)、氧化应激诱导生长抑制剂线粒体 (OXSM)、N-肉豆蔻酰转移酶 1 (NMT1) 和谷氧还蛋白 2 (GLRX2) 被发现是关键靶标。 GLRX2 对于维持线粒体内的氧化还原平衡尤其重要，这有助于正常的细胞过程在没有氧化损伤的情况下继续进行。
GLRX2、NMT1、OXSM 和 TRAF3IP3 的表达模式在 BC 样本和对照之间显示出明显差异，分化效率达到 90%。 GLRX2、NMT1 和 OXSM 在 BC 中高度上调，而 TRAF3IP3 显着降低。
这些发现在另外两个数据集中是一致的，表明该模型比单基因生物标志物更有效地将 BC 与对照样本区分开来。
此外，该研究探索了这些基因主要表达的位置，发现肿瘤微环境中的不同途径和免疫细胞对基因调控的变化有不同的反应。例如，较高水平的活化自然杀伤细胞 (NK) 和浆细胞与 GLRX2 表达增加相关。
NMT1 表达在几种 BC 细胞系中显着升高，编码一种对蛋白质修饰和信号转导至关重要的蛋白质，可能增强肿瘤细胞与细胞外基质的相互作用，这是癌症扩散的关键过程。值得注意的是，抑制 NMT1 会导致 BC 细胞生长受到抑制，表明其在促进 BC 发展中的作用。
结论
转录组学和机器学习在肿瘤诊断模型中的出现推动了对 BC 的准确和早期诊断的探索，而无需进行侵入性和痛苦的活检。这种机器学习方法可以帮助根据生物标志物选择制定个性化的诊断和治疗计划。
它还可以加快决策速度并提高效率。最后，它可以通过提供对肿瘤基础生物学的见解来帮助理解肿瘤发展的过程。
目前的研究确定了用于 BC 诊断的四个基因（GLRX2、NMT1、OXSM 和 TRAF3IP3）。这些被纳入诊断模型中。还发现它们在 BC 进展中发挥重要作用。进一步的研究对于在更多样化的样本中证实这些发现至关重要。
“我们的研究结果可能会提高 BC 诊断的准确性和可靠性，从而有助于未来为患者提供更加个性化和有效的医疗干预措施。”
