全世界有数百万膀胱癌(BC)病例，需要工具来确保及时诊断这种情况是一个令人关注的问题。科学家们最近利用线粒体相关基因(MRGs)，利用机器学习(ML)建立了一种新的诊断模型，这种基因已知与疾病的进展有关。
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，使其成为男性癌症的第六大原因。它主要是由吸烟和接触某些工业化学品引起的，通常影响中老年男性。
尽管膀胱癌在发达人群中更为普遍，但尽管医学进步，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发展。
线粒体是负责能量产生的亚细胞细胞器，控制细胞代谢并调节细胞程序性死亡、信号传导和钙离子水平等关键细胞过程。
肿瘤细胞需要大量的能量，主要使用糖酵解——一种效率较低的厌氧途径——不像正常细胞依赖于氧化磷酸化，一种更有效的有氧途径，可以产生高达15倍的能量。
这种能量产生的差异是“Warburg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，功能失调的线粒体可能会阻止癌细胞进行程序性死亡，使它们能够存活和扩散。
此外，线粒体异常可引起细胞成分(如DNA和蛋白质)的氧化应激，增加癌症风险，赋予对癌症治疗的抵抗力，并促进肿瘤生长。
“鉴于MRGs在BC进展中的重要作用，为BC患者筛选基于MRGs的新型生物标志物非常重要。”
ML是人工智能(AI)的一部分，它可以从原始数据中识别模式和知识，而无需提供详细的说明。
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。在目前的研究中，研究人员试图利用ML对转录组的作用，建立一种基于mrg的新的BC诊断模型。
这项研究表明了什么?
研究人员分析了165例膀胱癌(BC)样本和67例对照组，以研究线粒体相关基因(MRGs)的差异表达。他们确定了752个差异表达的MRGs，其中440个表达增加，其余下调。
这些基因在与胚胎器官形成、细胞命运、转录调控、神经退行性疾病和肌肉组织紊乱相关的细胞通路中发挥着重要作用。
分析确定了近50个与公元前相关的特征，并将范围缩小到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 -肉豆醇基转移酶1 (NMT1)和Glutaredoxin 2 (GLRX2)是关键靶点。特别是GLRX2对于维持线粒体内的氧化还原平衡非常重要，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样本和对照组中有明显差异，分化效率达到90%。GLRX2、NMT1和OXSM在BC中高度上调，而TRAF3IP3显著降低。
这些发现在另外两个数据集上是一致的，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表达增加有关。
NMT1的表达在一些BC细胞系中显著升高，编码一种对蛋白质修饰和信号传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导致BC细胞生长受到抑制，表明其在推进BC中的作用。
结论
肿瘤诊断模型中转录组学和ML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ML方法可以帮助构建基于生物标志物选择的个性化诊断和治疗计划。
它还可以加快决策速度，提高效率。最后，它可以通过洞察肿瘤的潜在生物学原理来帮助理解肿瘤的发展过程。
目前的研究确定了四种诊断BC的基因(GLRX2、NMT1、OXSM和TRAF3IP3)。这些数据被纳入诊断模型。它们也被发现在BC的进展中起重要作用。要在更多样化的样本中证实这些发现，还需要进一步的研究。
