中山大學附屬第一醫院：基於非監督聚類分析的前列腺癌分子新亞型

編者按：「AME 作者面對面」 是微信公眾號 「AME科研時間」 的特色專欄。編輯部精心挑選了發表在 AME 旗下雜誌的優秀論著，誠邀作者總結亮點，分享研究成果，旨在進一步推動醫學同行之間的交流和進步。

本次分享的是中山大學附屬第一醫院高少偉醫生團隊刊登在Translational Cancer Research的一項研究（英文原文見文末）。該研究利用前列腺癌標本的RNA-Seq數據，建立了基於非監督聚類分析的分子亞型分類器，可有效將前列腺癌樣本分為不同臨床病理特徵的亞型。此研究仍需進一步實驗論證。

文章亮點

該研究主要利用TCGA資料庫中前列腺癌標本的RNA-Seq數據，對497例患者腫瘤標本進行非監督聚類分析。研究人員隨後將聚類結果作為類別標籤，篩選出各類別具有代表性的標本及預測基因，構建一個由183個基因組成的分類器，最後他們利用該基因分類器將全體標本區分為3個亞型（PCS1-3）。結果顯示，PCS1與PCS2亞型在腫瘤的分期分類以及預後方面有顯著的差異，其中PCS1亞型高表達GSTP1，Gleason評分低(p

通常，機器學習可以分為有監督和非監督學習兩大類。既往很多研究大多以所研究的結果為類別標籤去訓練樣本，並在相同數據集隨機選取驗證集進行驗證。此類研究通常缺少泛化能力。本研究在一定程度上彌補此方面的不足。一方面，此研究主要利用了非監督聚類分析方法，單純從基因表達層面對樣本進行分類，而不是直接利用結局指標，並在此基礎上比較各亞型的臨床病理特徵，揭示腫瘤基因表達和生物學行為之間的關係；另一方面，本研究還設置了三個外部驗證集（均來自GEO資料庫），驗證結果與訓練集相符，提示該方法具有一定的泛化能力。

綜上，本研究利用前列腺癌標本的RNA-Seq數據，建立了基於非監督聚類分析的分子亞型分類器，可有效將前列腺癌樣本分為不同臨床病理特徵的亞型。此研究仍需進一步實驗論證。

通訊作者簡介：周華強

周華強，現為中山大學臨床醫學八年制博士研究生（在讀）。曾獲中山大學優秀學生獎學金、中山大學學術創新獎等稱號。以第一/通訊作者身份在Clin Lung Cancer，Cancer Med，Int J Mol Sci等雜誌發表SCI學術論文9篇。目前的研究方向為腫瘤醫學領域的臨床及轉化研究。

第一作者簡介：高少偉

高少偉，2016年畢業於中山大學臨床醫學八年制專業，獲外科學博士學位，並就職於中山大學附屬第一醫院麻醉科。曾獲中山大學優秀學生獎學金。以第一/通訊作者身份完成論文並發表在Cancer Med，Gene，Clin Res Hepatol Gas等雜誌上，參與發表SCI學術論文10餘篇。目前的研究方向為機器學習在醫學中的應用。

責任編輯：李肖梅AME Publishing Company

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！