隐藏在基因中的食管癌密码：社区检测算法如何破解？

食管鳞状细胞癌（ESCC）是全球癌症相关死亡的第六大原因，尤其在中国和印度较为常见。由于早期诊断成功率低，ESCC常在非特异性、隐匿性状态下发展，导致生存率显著降低。因此，开发个性化药物治疗，尤其是识别ESCC的潜在生物标志物基因，对于提高患者生存率至关重要。

近期，《International Journal of Data Mining and Bioinformatics》刊登了一项研究成果。来自印度多所高校的科研团队采用创新方法，借助六种社区检测算法（CDAs）对四个RNAseq食管鳞状细胞癌（ESCC）数据集展开分析，成功找出了10个潜在的生物标志物基因。这一发现为食管鳞癌的早期诊断以及个性化治疗指明了新的方向。

研究内容

图 1 研究方法流程图

如图1，展示了从数据收集到生物标志物识别的完整技术路线，包括数据集预处理、差异表达分析、社区检测算法应用及生物学验证等关键步骤。

图 2 数据集预处理流程

研究人员从NCBI获取了四个RNAseq数据集，涵盖了不同数量的对照样本和疾病样本。利用Galaxy服务器上的一系列工具，如Hisat2、htseq-count等，对原始数据进行处理，得到基因计数数据。

紧接着，运用DESeq2、EdgeR和Limma-voom三种算法对基因表达数据进行分析，筛选出差异表达基因（DEGs）。通过共识函数确定最终的DEG集合，四个数据集分别得到了2720、3605、4601和2801个DEGs。

图 3 社区检测算法应用示意图

将DEG数据集分为对照样本和疾病样本两部分，分别应用六种社区检测算法（包括Fast Greedy、Infomap等）进行分析，提取出包含已知精英基因（已被证实与ESCC相关的基因）的社区。通过计算基因的度数、进行Pearson相关性分析以及二进制矩阵转换等操作，筛选出与精英基因具有相似调控特征的候选基因。

图 4 基因调控模式统计（a：上调；b：下调；c：同时存在上调和下调）

对筛选出的候选基因进行基因本体论（GO）富集分析和KEGG通路分析，验证它们在生物学过程、细胞组成和分子功能方面与ESCC的相关性。最终确定了10个基因，这些基因参与了与ESCC相关的多种通路，如轴突导向、鞘脂代谢等。

研究最终确定的10个潜在的生物标志物基因，分别是EPHB2、ABLIM3、ACER1、ABCD4、ARF6、ADRA1D、ATP6V1D、CLTB、ATP6V0A4和AP1M1。其中，EPHB2、ARF6、ADRA1D和ATP6V0A4这四个基因已被其他研究证实与ESCC相关，进一步验证了该研究结果的可靠性。

该研究首次将多种社区检测算法联合应用于食管鳞癌的生物标志物研究，有效克服了单一算法的局限性，提高了研究结果的准确性和可靠性。并且使用了四个不同的RNAseq数据集，涵盖了不同数量的样本和基因，增强了研究结果的普适性和代表性。研究确定的潜在10个生物标志物基因有望成为食管鳞癌早期诊断的分子指标，为个性化治疗提供靶点，提高患者的生存率和生活质量。

这项研究为食管鳞癌的精准医疗奠定了坚实的基础，相信在不久的将来，这些生物标志物将为食管鳞癌患者带来新的希望。

原文链接：DOI: 10.1504/IJDMB.2025.10061876