基于机器学习的2型糖尿病前列腺癌衰老相关基因多组学研究

Artificial cells, nanomedicine, and biotechnology · 2026-10-28 · 期刊论文

• 一句话结论：结论：生物信息学分析提示SOX4、PRNP与FOXO4可能是连接前列腺癌、2型糖尿病与衰老的关键基因，据此构建的诊断模型在多个队列中表现出较高区分度（AUC 0.726–0.905），但证据档位为C，尚不足以支持临床诊断应用。
• 研究设计与做法：设计：基于GEO数据库的前列腺癌与2型糖尿病转录组数据开展生物信息学分析，流程包括差异表达分析、WGCNA与功能富集；采用8种机器学习算法筛选核心衰老相关基因，并以SHAP解释特征重要性；构建列线图模型并在多队列中验证，另用免疫浸润、药敏、单细胞与空间转录组做机制探索。样本量材料未报告。
• 主要结果：结果：最终锁定3个核心衰老相关基因SOX4、PRNP、FOXO4并构建诊断模型，报告AUC范围为0.726–0.905；药敏分析提示阿比特龙与多西他赛分别可能对应高风险与低风险患者；单细胞与空间分析显示细胞类型特异性表达及成纤维细胞—上皮细胞经MIF、LRP1、FZD1的通讯。各指标置信区间与p值材料未报告。
• 机制或解释：机制：作者解释SOX4促进免疫逃逸，PRNP呈依赖情境的双重作用，FOXO4发挥抑癌功能；空间与单细胞结果提示肿瘤微环境中成纤维细胞与上皮细胞通过MIF、LRP1、FZD1通路交流，可能参与微环境驱动的发病机制。上述均为计算与转录组层面的推断。
• 局限与边界：局限：研究为纯生物信息学分析，结论依赖公共数据库转录组数据，缺乏实验验证与前瞻性临床队列；人群构成、样本量、随访时长与利益冲突材料未报告；AUC区间跨度较大，模型稳健性有待外部验证。
• 可否落地：落地：对科研而言，提示SOX4、PRNP、FOXO4可作为前列腺癌合并2型糖尿病方向后续验证的候选靶点，属“提示”档位；对临床而言，诊断模型与药敏推断仅为计算预测，尚“不足以下结论”，不能用于风险分层或用药选择，需实验与前瞻队列验证。

🔗 打开原文

Zhang W, Zhang X, Zhang C 等

本文摘自《每日前沿研究简报 · 2026-10-31》「AI 医学影像与临床决策」。本内容仅用于研究信息整理与科普交流，不构成医疗建议。