本文题为《Metabolomic machine learning predictor for diagnosis and prognosis of gastric cancer》作者为Yangzi Chen,Bohong Wang,Yizi Zhao,Xinxin Shao,Mingshuo Wang等。胃癌（GC）是全球癌症相关死亡的重要原因，因此迫切需要开发早期检测策略和精准的术后干预措施。本研究揭示了胃癌的代谢图谱，并确定了两组独特的生物标志物，分别用于早期检测和预后预测，从而推动了胃癌精准医疗的发展。
01 摘要
胃癌是全球高致死性恶性肿瘤，临床缺乏高灵敏度的无创早期诊断手段，且现有预后评估方式精准度不足，难以实现患者精准分层与个体化干预。本研究纳入多中心702例受试者血浆样本，通过液相色谱-质谱联用（LC-MS）靶向代谢组学解析胃癌代谢重编程特征，结合机器学习算法构建两类胃癌预测模型。研究构建的10代谢物诊断模型（10-DM）在外部验证集中灵敏度达0.905，远优于CA19-9、CA72-4、CEA等传统肿瘤蛋白标志物（灵敏度＜0.40），可精准识别早期胃癌患者。同时构建的28代谢物预后模型（28-PM），一致性指数（C-index）显著高于传统临床参数模型，可有效将胃癌患者划分为高低风险预后人群。该研究明确了胃癌血浆代谢景观，建立了两套可用于胃癌早期诊断和预后预测的代谢标志物体系，为胃癌精准医疗提供了全新的无创技术方案。
02 研究背景
1.临床痛点
目前胃癌临床诊疗存在两大核心难题：一是胃癌金标准诊断方式为内镜检查，具有侵入性、高成本特点，无法用于大规模人群筛查，而传统血清蛋白标志物灵敏度极低，难以实现早期胃癌检出；二是胃癌预后评估依赖肿瘤位置、TNM分期、组织病理等临床指标，依靠医生经验判断，精准度有限，无法有效指导个体化精准干预与风险分层管理。
2.研究现状与不足
代谢组学可反映基因与环境互作的最终表型，已被广泛用于肿瘤标志物挖掘与机制研究，既往已有多项研究探索代谢标志物在胃癌诊断、预后评估中的价值。但现有研究普遍存在队列样本量小、缺乏独立外部验证、检测方法重复性差、灵敏度低等缺陷，难以转化为临床可用的检测体系。同时，代谢组学数据维度高、复杂度高，传统统计方法难以挖掘潜在的核心代谢特征，而机器学习在组学数据挖掘、模型构建、患者分层中具备独特优势，但在胃癌代谢组学数据分析中的应用尚未充分开展，存在较大研究潜力。
3.研究目的
基于多中心大样本血浆代谢组学数据，结合机器学习算法解析胃癌特异性代谢重编程特征，构建高灵敏度、可重复的无创胃癌早期诊断模型和精准预后预测模型，对比传统临床检测与评估方案的优势，为胃癌精准筛查与个体化治疗提供新的临床转化工具。
03 模型设计
本研究基于代谢组学数据，结合两种机器学习算法，分别设计诊断模型（10-DM）与预后模型（28-PM），全程采用特征筛选-模型训练-内部验证-外部验证的标准化流程，规避过拟合问题，保障模型鲁棒性。
1.胃癌诊断模型（10-DM）
采用LASSO回归+随机森林组合算法构建模型：首先通过LASSO回归对147个检测代谢物进行特征筛选，剔除冗余、无意义变量，筛选出10个核心差异代谢物，分别为琥珀酸、尿苷、乳酸、SAM、焦谷氨酸、2-氨基辛酸、新蝶呤、N-乙酰-D-氨基葡萄糖6-磷酸、血清素、烟酰胺单核苷酸；随后基于10个核心代谢物，采用随机森林算法构建诊断模型，以基尼不纯度为分割准则，构建100棵决策树完成集成学习，通过投票机制输出胃癌预测概率，以0.5为临界值区分胃癌患者与健康对照。
2.胃癌预后模型（28-PM）
采用随机生存森林（RSF）算法构建预后模型：基于181例胃癌患者的代谢组学与随访生存数据，先通过1000棵决策树的随机生存森林模型，依据置换特征重要性筛选预后相关核心代谢特征，最终确定28个关键代谢物；通过对数秩检验分割节点，结合Kaplan–Meier、Nelson–Aalen估计器评估患者生存风险，以2.1为风险评分临界值，将患者分为高风险、低风险预后人群，实现预后分层。
3.模型对比设计
为验证模型优越性，设置多组对照：诊断模型对比传统3项临床肿瘤标志物（CA19-9、CA72-4、CEA）及SVM、逻辑回归、PLS-DA等机器学习模型；预后模型对比TNM分期、大体形态、血管肿瘤栓子等传统临床预后指标，同时验证临床指标联合代谢模型的增益效果。
图1 研究示意图
04 实验设置
1.研究队列与样本
研究共纳入702例多中心受试者，包括389例胃癌患者、313例非胃癌对照，分为3个独立队列，所有受试者采样前未接受抗肿瘤治疗，研究经多家医院伦理审批并获取知情同意：
队列1（建模队列，n=426）：145例胃癌患者、281例对照，用于代谢差异分析、诊断模型训练与内部验证；
队列2（外部验证队列，n=95）：63例胃癌患者、32例对照，用于诊断模型外部有效性验证；
队列3（预后队列，n=181）：胃癌患者，中位随访40个月，用于预后模型构建与验证。
2.实验检测方法
采集受试者空腹外周静脉血浆样本，采用LC-MS靶向代谢组学技术检测样本代谢物，通过甲醇沉淀法提取代谢物，基于MRM模式检测258种内源性水溶性代谢物，最终筛选出147个稳定检出的代谢物用于后续分析。实验设置QC样本监控仪器稳定性，通过批次归一化、数据缩放消除系统误差，严格控制检测质量。
3.数据分析工具与流程
差异代谢分析：采用Wilcoxon秩和检验筛选差异代谢物（FDR＜0.05、FC＞1.25或FC＜0.8），通过R语言Mfuzz包进行代谢轨迹聚类，clusterProfiler包结合KEGG API完成KEGG通路富集分析；
模型构建：基于Python scikit-learn、scikit-survival包完成LASSO回归、随机森林、随机生存森林建模；
统计验证：采用ROC曲线、C-index、Kaplan–Meier生存分析、Cox回归等方法评估模型性能，BH法校正多重检验。
05 结果与分析
1.胃癌血浆代谢重编程特征
PCA分析显示胃癌患者与非胃癌对照血浆代谢谱存在显著差异，证实胃癌存在明显代谢重编程。研究共筛选出45个显著差异代谢物，可分为3类疾病进展轨迹：新蝶呤等代谢物随病情进展持续上调，谷胱甘肽二硫化物、尿苷、乳酸等持续下调。KEGG通路富集显示，谷胱甘肽代谢、半胱氨酸和甲硫氨酸代谢为胃癌最紊乱的代谢通路，氧化应激失衡、甲基供体代谢紊乱是胃癌核心代谢特征，为标志物筛选提供了生物学依据。
2.诊断模型（10-DM）性能结果
10-DM模型在内部测试集AUROC达0.967（灵敏度0.854、特异度0.926），外部验证集AUROC为0.920（灵敏度0.905、特异度0.75）。模型对早期胃癌识别能力优异，IA期胃癌识别准确率79.1%，IB期准确率达92.7%，可有效实现胃癌早期筛查。
性能对比结果：传统单一标志物CA19-9、CA72-4、CEA灵敏度仅0.217、0.317、0.165，三项标志物联合检测灵敏度仅0.428，远低于10-DM模型的0.925；同时10-DM模型性能优于SVM、逻辑回归等其他机器学习模型，且与传统标志物联合可进一步提升灵敏度至0.957，具备临床兼容优势。
3.预后模型（28-PM）性能结果
28-PM模型训练集C-index为0.90，测试集AUROC为0.832、C-index为0.83，预测性能显著优于TNM分期、血管肿瘤栓子等传统临床指标。仅28个代谢物中的11个可独立区分患者生存预后，其余17个代谢物通过复杂协同作用提升模型预测能力，体现了机器学习挖掘隐性代谢关联的优势。
风险分层结果：以2.1为临界值可精准划分高低风险患者，高风险患者总生存期、无病生存期显著更差，死亡、复发转移比例显著更高。多变量Cox回归证实，28-PM模型是胃癌患者预后的独立危险因素。此外，临床指标联合代谢模型仅小幅提升性能（增益1%），证明代谢特征是预后预测的核心主导因素。
图2 对照组血浆代谢状况
06 结论
07 论文评价
✅方法创新亮点
1.临床价值突出：构建了无创、高灵敏度的胃癌早期诊断与预后预测双模型，彻底解决了传统标志物灵敏度低、传统预后评估精准度不足的临床痛点，尤其突破了早期胃癌无创筛查的难题。
2.实验设计严谨：基于多中心大样本队列，设置独立内外验证集，模型鲁棒性与重复性强；严格的样本质控、数据归一化处理，有效规避了批次误差与检测偏差。
3.方法学创新：将机器学习与靶向代谢组学深度结合，通过LASSO+随机森林、随机生存森林算法，挖掘出传统统计方法无法识别的代谢特征关联，高效筛选出核心标志物组合。
⚠方法不足
1.随访时长不足：预后队列中位随访时间仅40个月，未达到5年标准，部分患者存在截尾数据，可能影响预后模型的长期预测准确性。
2.临床落地条件受限：模型基于相对定量代谢数据构建，临床应用需配套质控样本，尚未建立代谢物正常参考阈值，无法直接用于临床常规检测。
08 参考资料
Article:
编辑：杨梦洁
审核：吴朝
