結(jié)直腸癌（colorectal cancer，CRC）又稱大腸癌，是結(jié)腸癌（colon cancer）與直腸癌（rectal cancer）的統(tǒng)稱，為全球第三大常見癌癥，也是導致癌癥相關(guān)死亡的第四大原因。根據(jù)2020年全球癌癥統(tǒng)計報告，大約31%的CRC發(fā)生在近端結(jié)腸，25%發(fā)生在遠端結(jié)腸，34%發(fā)生在直腸和直腸乙狀結(jié)腸交界處。原發(fā)性結(jié)腸癌與直腸癌的治療方法與臨床特征差異較大，例如：11.5%的直腸癌患者有肺轉(zhuǎn)移傾向，而在結(jié)腸癌患者中這一比例只有3.5%，然而這一現(xiàn)象背后的分子機制尚不清楚。
允英醫(yī)療與江蘇省腫瘤醫(yī)院合作，在癌癥基因組圖譜（the cancer genome atlas，TCGA）公共數(shù)據(jù)庫中篩選了393例大腸癌患者（結(jié)腸癌298例，直腸癌95例），提取其轉(zhuǎn)錄組測序數(shù)據(jù)并借助隨機森林（random forest，RF）與支持向量機（support vector machines，SVM）等機器學習算法進行分類，尋找結(jié)腸癌與直腸癌的分子特征（圖1）。
圖1 研究思路
在總共20502個基因中，隨機森林算法篩選出96個區(qū)分結(jié)腸癌與直腸癌的特征性分類基因集群，發(fā)現(xiàn)HOXB13、PRAC和BCLAF1是其中三個差異表達最大的基因。進一步，建立包含196個CRC樣本（151結(jié)腸癌，45直腸癌）的訓練集，對該96個基因進行基于SVM方法的模型構(gòu)建，并以剩余197個CRC樣本（147結(jié)腸癌，50直腸癌）作為驗證集，驗證模型的分類性能。最終，該模型在區(qū)分結(jié)腸癌和直腸癌樣本方面的準確度達到82.2%，AUC為0.91（圖2）。
圖2 結(jié)腸癌與直腸癌96個特征性分類基因群
綜上，本研究發(fā)現(xiàn)的96個特征性分類基因群可用作結(jié)腸癌與直腸癌的生物標志物，在此基礎(chǔ)上建立的SVM分類模型，能夠有效區(qū)分結(jié)腸癌與直腸癌樣本。這些生物標志物的發(fā)現(xiàn)和研究，有利于理解不同亞型大腸癌發(fā)病率的分子機制，以及探索結(jié)直腸癌早期篩查和治療中的潛力靶點。
