整合影像组学和基因组学构建肾透明细胞癌肿瘤分级预测模型.pdf

海南医学2023年8月第34卷第15期Hainan Med J,Aug.2023,Vol.34,No.15整合影像组学和基因组学构建肾透明细胞癌肿瘤分级预测模型田占雨，李霞，李永生，陈家齐海南医学院生物医学信息与工程学院，海南海口571199【摘要】目的基于影像基因组学特征构建预测肾透明细胞癌(CCRCC)的肿瘤分级的机器学习模型，并挖掘CCRCC分级相关基因及其功能，为个体化精准医疗提供线索和潜在靶点。方法以CCRCC为研究对象，共涉及197例样本，通过整合其影像组学及基因组学大数据，提取关键特征，构建机器学习模型预测CCRCC肿瘤分级。针对与CCRCC分级相关的关键特征基因进行功能富集分析，解析影响CCRCC进展的生物学功能。结果通过影像组学特征与基因组学信息构建的机器学习模型均能有效地预测CCRCC分级。基于影像组学建立的模型其曲线下面积(AUC)为0.715(95%CI：55.1%87.8%)；基于差异表达的特征基因构建的预测模型AUC为0.856(95%CI：73.2%98%)；基于显著突变的特征基因构建的预测模型AUC为0.652(95%CI：47.8%82.5%)。相较于单一组学的模型，整合多组学构建的模型能更好地预测肿瘤分级(AUC=0.929，95%CI：84.1%100%)。基因功能富集分析揭示WNT4可能通过调控信号通路、细胞分化通路参与CCRCC的发生发展。结论基于影像基因组学的联合特征能够有效地预测CCRCC分级，通过解析CCRCC的基因功能，为临床诊疗提供新视角和潜在的生物标志物。【关键词】肾透明细胞癌；机器学习；基因功能富集分析；影像组学；基因组学【中图分类号】R737.11【文献标识码】A【文章编号】10036350（2023）15220607Integrating radiomics and genomics to construct a tumor grade prediction model in clear cell renal cell carcinoma.TIAN Zhan-yu,LI Xia,LI Yong-sheng,CHEN Jia-qi.College of Biomedical Information and Engineering,Hainan MedicalUniversity,Haikou 571199,Hainan,CHINA【Abstract】ObjectiveTo construct a machine learning model for predicting the tumor grade of clear cell renalcell carcinoma(CCRCC)based on the characteristics of imaging genomics,and to mine CCRCC grading related genesand their functions,so as to provide clues and potential targets for individualized precision medicine.MethodsTakingCCRCC as the research object,a total of 197 samples were involved.By integrating its big data of radiomics and genom-ics,the key features were extracted,and a machine learning model was constructed to predict the tumor grade of CCRCC.Functional enrichment analysis was carried out on the key characteristic genes related to CCRCC grading,and the biologi-cal functions affecting the progress of CCRCC were analyzed.ResultsThe machine learning model constructed by ra-diomics features and genomic information can effectively predict CCRCC grading.The area under the curve(AUC)of themodel based on radiomics was 0.715(95%CI:55.1%-87.8%).The AUC of predictive model constructed based on differ-entially expressed characteristic genes was 0.856(95%CI:73.2%-98%).The AUC of the predictive model constructedbased on the characteristic genes with significant mutations was 0.652(95%CI:47.8%-82.5%).Models constructed withthe integration of multi-omics provided a better prediction of tumor grade than models with single omics(AUC=0.929,95%CI:84.1%to 100%).Gene functional enrichment analysis revealed that WNT4 might participate in the occurrenceand development of CCRCC by regulating signaling pathways and cell differentiation pathways.ConclusionThe com-bined features based on radiogenomics can effectively predict the CCRCC classification,which provides a new perspec-tive and potential biomarkers for clinical diagnosis and treatment by analyzing the gene function of CCRCC.【Key words】Clear cell renal cell carcinoma;Machine learning;Gene function enrichment analysis;Radiomocs;Genomics 论著 doi:10.3969/j.issn.1003-6350.2023.15.018基金项目：海南省2021年研究生创新型课题(编号：Qhys2021-351)。第一作者：田占雨(1994)，男，硕士，初级医师，主要研究方向：影像基因组学。通讯作者：李霞(1957)，女，博士，教授，主要研究方向：生物信息融合分析技术，E-mail：。肾透明细胞癌(clear cell renal carcinoma，CCRCC)占肾细胞癌的75%80%，是恶性程度高，预后差，死亡率最高的亚型1。世界卫生组织/国际泌尿病理学会(World Health Organization/International Society ofUrological Pathology，WHO/ISUP)根据核仁突出情况对CCRCC进行了分级(级、级、级、级)，随后根据预后结局进一步将患者分为低级别组(级、级)和高级别组(级、级)2-3。现阶段对肿瘤分级主要依靠经皮穿刺活检，需要面临出血、气胸以及针道转移等并发症的风险。因此，需要一种非侵入性的方法协助判断CCRCC的肿瘤分级。随着医学影像成像技术的发展以及高通量基因组学技术的进步，影像基因组学应运而生。影像基因组学是一个多学科交叉的新兴领域，是影像组学和基因组学的有机结合。在之前的研究中，Celli等4结合了影像组学与基因组学，利用多元逻辑回归算法构建机器学习模型，该模型在鉴别诊断低风险子宫内膜癌方面有着出色的分类能力。马佳琪等5通过结合影像基因组学信息，在诊断2206Hainan Med J,Aug.2023,Vol.34,No.15海南医学2023年8月第34卷第15期结直肠癌肝转移、预测患者预后和治疗敏感性等方面显示出独特的优势。将预测模型用于临床实践为个性化治疗带来显著优势，可以减少患者后续治疗的时间成本，并为制定临床治疗方案和改善患者总体生存率提供了指导和新的见解。然而，针对恶性程度较高的CCRCC的肿瘤分级仍然具有挑战性。本研究以影像基因组学为切入点，通过结合医学影像和多组学数据识别不同水平的特征，基于机器学习算法构建多种预测模型，并结合各类算法优势，筛选最优特征组合以达到准确预测CCRCC肿瘤分级的目的。相较于之前的研究，本研究构建的复合型模型取得了更优的分类效能。此外，进一步探讨了多组学水平特征基因的功能，挖掘基因在CCRCC中的潜在临床价值。1资料与方法1.1一般资料CCRCC患者的医学影像数据来源于 TCIA 数据库(The Cancer Imaging Archive，ver-sion 3:Updated 2020/05/29)，按照入组标准进行筛选。入组标准：(1)经病理诊断确诊为CCRCC；(2)CT增强扫描皮质期与髓质期期相准确且完整；(3)图像中未出现各类伪影；(4)具备合适的信噪比。符合入组标准的样本共197例。CCRCC患者的多组学数据来源于TCGA数据库(The Cancer Genome Atlas Program-NCI，2017年)。数据集包含了530例患者的基因组和转录组信息，基因表达水平为每千个碱基的转录每百万映射读取的片段数(fragment per kilobase method，FPKM)。通过比对注释文件，获得了16 769个编码基因的表达谱数据和12 903个基因的遗传变异数据。最后从数据集中筛选出同时具有医学影像数据和多组学数据的样本，包含了197例患者。随后本研究按照2016年WHO/ISUP简化分级将I期、II期定义为“低级别组(stage 0)”，III期、IV期定义为“高级别组(stage 1)”。1.2影像组学数据提取及预测模型构建基于医学影像数据利用ITK-SNAP软件半自动形式确定原发灶边界，其中窗宽窗位预设为腹部窗(level：40 HU；window：600 HU)。随后应用Python软件(version 3.8)中“Pyradiomics”库提取影像组学特征6，参数设定如下：箱宽(bin-width)为25；重采样像素间距(Pixel Spac-ing)为3 mm3 mm3 mm；内插程序选择最近邻。提取出的影像特征主要包含 7 个类别维度，形状特征(shape-based)、一阶特征(first-order)、灰度共生矩阵(Gray-Level Co-occurrence Matrix，GLCM)、灰度区域大小矩阵(Gray Level Size Zone Matrix，GLSZM)、灰度行程矩阵(Gray Level Run-Length Matrix，GLRLM)、邻域灰度差矩阵特征(Neighbouring Gray Tone Differ-ence Matrix，NGTDM)和灰度依赖矩阵(Gray Level De-pendence Matrix，GLDM)。1.3识别与CCRCC 相关的转录组和基因组特征在转录组数据集中，由于FPKM值包含不同数量级，为避免表达值相差过大而对模型产生不良影响，本研究进行了数据的归一化，使基因表达谱数据局限在相同数量级范围内。由于转录组水平和基因组水平的数据形式不同，本研究分别进行了差异分析，以筛选在不同CCRCC肿瘤分级之间显著差异表达或突变的特征基因。1.4基因功能富集分析为发掘在CCRCC肿瘤分级中显著差异表达的特征基因的潜在信息，探索基因的生物学功能以及肿瘤的生物学行为，本研究使用R编程软件中“clusterProfiler”包中的“enrichGO”功能进行功能富集分析。对于富集分析得到的生物学功能，进一步筛选出至少包含3个重合基因的显著富集的功能(count3，P-value0.05)。随后使用R“simplify-Enrichment”包中的“GO_similarity”功能进行语义相似性计算，将相似的GO术语进行聚类。最后使用“simpli-fyGO”功能对功能富集聚类结果进行可视化。1.5构建CCRCC肿瘤分级预测模型本研究基于单一组学特征和联合多组学特征，并结合不同的机器学习算法构建了针对 CCRCC 肿瘤分级的预测模型。主要基于支持向量机算法(Support Vector Ma-chine，SVM)、逻辑回归算法(Logistic Regression，LR)、随机森林算法(Random Forest，RF)以及极端梯度提升算法(Extreme Gradient Boosting，XGB)分别构建机器学习模型，用于预测CCRCC肿瘤分级。各个模型模型参数均采用网格搜索选取最佳输入参数，并且超参数均位于对应值阈内。1.6统计学方法本研究通过Wilcoxon秩和检验筛选在CCRCC高低分级中存在显著差异的影像组学特征和显著差异表达基因(P0.05)。在基因组层面，本研究应用Fisher精确检验筛选存在显著差异的突变基因(P0.8)，见图6。上述结果表明基于影像基因组学联合特征构建的SVM模型在预测CCRCC分级中表现最佳，因此随后使用SVM算法，基于影像组学特征、转录组特征和基因组特征，分别构建机器学习模型，以评估不同组学识别的关键特征在 CCRCC 肿瘤分级方面的预测效能(图7)。其中影像组学预测模型其AUC为0.715图4在CCRCC不同肿瘤分级中存在显著差异的表达基因Figure 4Expressed genes with significant differences in differenttumor grades of renal clear cell carcinoma图5BAP1和SETD2在高级别CCRCC中突变占比较高Figure 5BAP1 and SETD2 have a high mutation ratio inhigh-grade CCRCC2209海南医学2023年8月第34卷第15期Hainan Med J,Aug.2023,Vol.34,No.15(95%CI：55.1%87.8%)，转录组预测模型AUC为0.856(95%CI：73.2%98%)，基因组预测模型AUC为0.652(95%CI：47.8%82.5%)。结果表明，与其他水平的特征相比，基于转录组水平关键特征基因构建的SVM模型在肿瘤分级方面具有更优的预测效能(AUC=0.856，95%CI：73.2%98%)。而结合多组学特征的影像基因组学模型(AUC=0.929，95%CI：84.1%100%)较单一组学(AUC=0.6520.856)模型预测效能更佳。2.4CCRCC相关基因组学的特征功能为了进一步挖掘特征基因在 CCRCC 肿瘤进展中发挥的作用，本研究使用LASSO算法进一步筛选在肿瘤分级中显著差异表达的关键特征基因进行功能富集分析，以探究其参与调控的通路与功能。关键基因被富集在了多条条通路中，并按照P值排序选取了前8条通路进行可视化展示(图8)。本研究发现与肿瘤分级相关的特征基因主要富集在了T细胞分化(T cell differenti-ation)、淋巴细胞分化(Lymphocyte differentiation)、细图6基于四种机器学习模型ROC曲线Figure 6ROC curve based on four machine learning models注：“svc_train”与“svc_test”分别代表基于支持向量机算法构建预测模型的训练集和测试集；“rf_train”与“rf_test”分别代表基于随机森林算法构建预测模型的训练集和测试集；“lr_l1_train”与“lr_l1_test”分别代表基于逻辑回归算法构建预测模型的训练集和测试集；“XGB_train”与“XGB_test”分别代表基于极限梯度提升算法构建预测模型的训练集和测试集。Note:svc_train and svc_test respectively represent the training set andthe test set of the prediction model based on the support vectormachine algorithm;rf_train and rf_test respectively representthe training set and the test set of the prediction model based on therandom forest algorithm;lr_l1_train and lr_l1_test respectivelyrepresent the training set and the test set for constructing theprediction model based on the logistic regression algorithm(L1normal form);XGB_train and XGB_test respectively representthe training set and the test set of the prediction model based on theextreme gradient lifting algorithm.图7基于支持向量机的单一组学模型评价图Figure 7Model evaluation diagram of support vector machine basedon single omics注：图中“All_train”与“All_test”表示联合数据集的训练集和测试集；“Exp_train”与“Exp_test”表示转录组数据集的训练集和测试；“Img_train”与“Img_test”表示影像数据集的训练集和测试集；“Mut_train”与“Mut_test”表示基因组数据集的训练集和测试集。Note:In the figure,All_train and All_test in the figure represent thetraining set and test set of the joint data set;Exp_train andExp_test represent the training set and test of the expression genedata set;Img_train and Img_test represent the training set andtest set of the image data set;Mut_train and Mut_test representthe training set and test set of mutant gene data set.图8基因功能富集分析Figure 8Gene functional enrichment analysis注：筛选得到的关键以及最后被富集在多条关键通路中，分别为非典型Wnt信号通路(non-canonical Wnt signaling pathway)、胸腺T细胞分化(T cell differentiation in thymus)、细胞基质黏附的调节(regulationof cell-matrix adhesion)、T细胞分化(T cell differentiation)、雌配子代(female gamete generation)、细胞器融合(organelle fusion)、单受精(single fertilization)以及膜融合(membrane fusion)。每条通路与相关基因均具备统计学意义，这里本研究按照P值排序选取了前8条通路进行展示。Note:The screened keys were enriched in different pathways,such asnon-classical Wnt signaling pathway,T cell differentiation inthymus,regulation of cell-matrix adhesion,T cell differentiation,female gamete generation,organelle fusion,single fertilization,andmembrane fusion.Each pathway and related genes had statisticallysignificant differences.The research selected the first 8 pathwaysaccording to the sequence of P values for display.2210Hainan Med J,Aug.2023,Vol.34,No.15海南医学2023年8月第34卷第15期胞基质黏附(regulation of cell-matrix adhesion)和非典型 Wnt 信号通路(Non-canonical Wnt signaling path-way)等生物学过程中。随后对生物学过程进行GO语义相似性聚类，结果表明特征基因主要富集在免疫相关细胞分化、细胞基质调节和细胞周期负调控等相关功能上(图9)。为进一步可视化特征基因与生物学过程之间的关系，本研究绘制了基因-功能网络图，结果显示 WNT4 处于网络图的中心，相比于LBX2和MCM9等基因，WNT4显然参与了更多的生物学过程(图10)，并且在高级别肿瘤中WNT4表达较高(图11)，WNT4可能在CCRCC 进展中发挥更重要的作用。3讨论影像基因组学将患者影像资料和基因组数据相关联，广泛应用在肿瘤诊疗过程中11-13。本研究应用影像基因组学联合特征构建了预测CCRCC肿瘤分级模型，对比四种机器学习算法在预测CCRCC肿瘤分级效能的不同。SVM在预测CCRCC肿瘤分级中表现最佳，AUC为0.929(95%CI：0.8411.018)。RF、LR及XGB 模型同样能较准确预测 CCRCC 肿瘤的分级(AUC=0.8810.894)。国外同样也有研究发现SVM较K近邻模型、RF模型更能反应肺癌患者的预后14。其可能原因为SVM结构简单、适应性好及泛化能力强等优势和二分类问题更契合有关15。因此本研究利用SVM分别构建预测CCRCC肿瘤分级的影像组学、基因组及转录组的单组学模型，并与联合模型进行对比。结果显示影像组学预测模型AUC为0.71(95%CI：0.5510.878)，转录组预测模型AUC为0.856(95%CI：0.7320.98)，基因组预测模型 AUC 为 0.65(95%CI：0.4780.825)。这表明转录组模型在单组学预测模型中表现更优，可能与差异表达的特征基因数量较多有关。同时，联合模型中输入特征数量及特征维度较多，本实验研究结果指出联合组学模型(AUC=0.929)较单一组学(AUC=0.6520.856)模型可更准确预测肿瘤分级。之前的研究也证实了联合模型的效能更佳14，16。本研究为CCRCC肿瘤分级诊断构建的影像基因组学预测模型具有临床实用性，其中基于SVM算法的多组学预测模型表现最佳，为个体化无创性肿瘤分级提供了支持工具，辅助临床术前决策。本实验应用 TCGA 数据库中多组学数据，通过Wilcoxon秩和检验及Fisher精确检验筛选出CCRCC肿瘤不同分级间存在显著差异表达和差异突变的基因。通过功能富集分析发现，WNT4表达基因在功能网络中处在“枢纽”的位置(图 10)，能够调节非典型WNT信号通路、T细胞分化及胸腺T细胞分化17、雌配图9功能相似性聚类Figure 9Functional similarity clustering注：图中红色表示富集分析中各个通路相似性强，白色反之。Note:Red color indicates strong similarity of each pathway in theenrichment analysis,and white vice versa.图10基因功能网络图Figure 10Gene function network diagram图11WNT4在不同肿瘤分级中的表达Figure 11WNT4 expression in different tumor grades注：图中“stage 0”表示低级别肿瘤；“stage 1”表示高级别肿瘤。Note:stage 0 indicates a low-grade tumor.stage 1 indicates ahigh-grade tumor.2211海南医学2023年8月第34卷第15期Hainan Med J,Aug.2023,Vol.34,No.15子传代和细胞基质的黏附。根据大多数临床研究发现CCRCC男性发病率高于女性，结合本研究结果表明可能与WNT4 参与调控雌配子传代相关18-19。同时，WNT4参与调控细胞分化会引起CCRCC的不良预后20，与本研究结果中WNT4在高级组中表达较高相符21。本研究探索了与CCRCC相关的关键基因，揭示了关键基因参与调控的通路及功能，为CCRCC的精准治疗提供了潜在生物学标志以及新的治疗可能。本研究同样存在局限性。为了拓展特征维度采用多组学联合数据，符合纳入标准的样本量仅为197例，在未来的研究中可扩增数据容量，避免选择性偏差。本研究联合影像组学数据与基因组学数据构建预测模型，增加了特征维度，并且研究结果较目前国内外大多数研究具有更优的预测效能。同时，结合机器学习算法及功能富富集分析为CCRCC患者提供了无创的分级诊断方式，并为靶向治疗提供了潜在的生物学标志。参考文献1 Ward EM,Sherman RL,Henley SJ,et al.Annual report to the nationon the status of cancer,featuring cancer in men and women age20-49 years J.J Natl Cancer Inst,2019,111(12):1279-1297.2Liu Z,Yang F,Zhang B,et al.Clinical value of unenhanced CT ra-diomic model in predicting WHO/ISUP grade of clear cell renal cellcarcinoma J.Modern Medicine Journal of China,2022,24(7):57-61.刘增建,杨帆,张滨,等.CT平扫影像组学模型在术前预测肾透明细胞癌WHO/ISUP分级的临床价值J.中国现代医药杂志,2022,24(7):57-61.3Shu J,Wen D,Xi Y,et al.Clear cell renal cell carcinoma:Machinelearning-based computed tomography radiomics analysis for the pre-diction of WHO/ISUP grade J.Eur J Radiol,2019,121:108738.4Celli V,Guerreri M,Pernazza A,et al.MRI-and histologic-molecu-lar-based radio-genomics nomogram for preoperative assessment ofrisk classes in endometrial cancer J.Cancers,2022,14(23):5881.5Ma JQ,Xiao LQ,Li XF.Application progress of radiogenomics inthe prediction of liver metastasis gene mutations in colorectal cancerJ.Chinese Journal of Magnetic Resonance Imaging,2022,13(9):160-162,170.马佳琪,肖玲清,李晓夫.影像基因组学在预测结直肠癌肝转移基因突变中的应用进展J.磁共振成像,2022,13(9):160-162,170.6 Van Griethuysen JJM,Fedorov A,Parmar C,et al.Computational ra-diomics system to decode the radiographic phenotype J.CancerRes,2017,77(21):e104-e107.7Gillies RJ,Kinahan PE,Hricak H.Radiomics:Images are more thanpictures,they are data J.Radiology,2016,278(2):563-577.8Wu XS,Deng Y,Weng MH,et al.Correlation of WHO/ISUP gradewith clinicopathologic features and prognosis of 798 cases of clearcell renal cell carcinoma J.Chinese Journal of Clinical and Experi-mental Pathology,2022,38(10):1159-1163.吴雪松,邓玉,翁梦涵,等.798例透明细胞肾细胞癌WHO/ISUP分级与临床病理特征及预后的关系J.临床与实验病理学杂志,2022,38(10):1159-1163.9Hwang J,Kim H,Han J,et al.Identification of survival-specificgenes in clear cell renal cell carcinoma using a customized next-gen-eration sequencing gene panel J.J Pers Med,2022,12(1):113.10 Hakimi AA,Ostrovnaya I,Reva B,et al.Adverse outcomes in clearcell renal cell carcinoma with mutations of 3p21 epigenetic regula-tors BAP1 and SETD2:a report by MSKCC and the KIRC TCGA re-search network J.Clin Cancer Res.2013,19(12):3259-3267.11 Silva P,Pereira T,Teixeira M,et al.On the way for the best imagingfeatures from CT images to predict EGFR Mutation Status in LungCancer J.Annu Int Conf IEEE Eng Med Biol Soc,2022,2022:2659-2662.12 Choi SW,Cho HH,Koo H,et al.Multi-habitat radiomics unravelsdistinct phenotypic subtypes of glioblastoma with clinical and genom-ic significance J.Cancers,2020,12(7):1707.13 Akai H,Yasaka K,Kunimatsu A,et al.Predicting prognosis of resect-ed hepatocellular carcinoma by radiomics analysis with random sur-vival forest J.Diagn Interv Imaging,2018,99(10):643-651.14 Asada K,Kobayashi K,Joutard S,et al.Uncovering prognosis-relat-ed genes and pathways by multi-omics analysis in lung cancer J.Biomolecules,2020,10(4):524.15 Huang S,Cai N,Pacheco PP,et al.Applications of support vector ma-chine(SVM)learning in cancer genomics J.Cancer Genomics Pro-teomics,2018,15(1):41-51.16 Zheng YL,Liu H,Wen M.Radiomics analysis based on multi-phaseCT and combined model differentiated pleomorphic adenoma frombasal cell adenoma J.Chinese Journal of Medical Imaging,2022,30(3):220-227.郑韵琳,刘欢,文明.基于多期CT影像组学模型及联合模型鉴别腮腺多形性腺瘤与基底细胞瘤J.中国医学影像学杂志,2022,30(3):220-227.17 Zhang Q,Pan Y,Ji J,et al.Roles and action mechanisms of WNT4 incell differentiation and human diseases:A review J.Cell Death Dis-cov,2021,7(1):287.18 Frana MM,Mendonca BB.Genetics of ovarian insufficiency and de-fects of folliculogenesis J.Best Pract Res Clin Endocrinol Metab,2022,36(1):101594.19 Pitzer LM,Moroney MR,Nokoff NJ,et al.WNT4 balances develop-ment vs disease in gynecologic tissues and women s health J.Endo-crinology,2021,162(7):bqab093.20 Yang Q,Zhang P,Li Y,et al.Expression and potential molecularmechanisms of Wnt in solid tumor based on bioinformatics J.Chi-nese Journal of Gastroenterology and Hepatology,2021,30(8):928-934,