人工智能驱动的内皮细胞力学信号时序解析及其在泛癌预后评估中的医工融合应用
牛牛1
吴斌2
刘虎3
王宁4
张可4
黄嗣昭4
1.国家癌症中心 国家肿瘤临床医学研究中心 中国医学科学院肿瘤医院深圳医院肿瘤内科,深圳 5181162.深圳大学附属华南医院呼吸与危重症医学科,深圳 5181103.南方科技大学第二附属医院(深圳市第三人民医院)肿瘤内科,深圳 5181124.成都天玑算科技有限公司,成都 610041
摘要：目的 为解析不同血流剪切应力模式诱导的内皮细胞力学信号时序转录特征,构建低流体剪切应力(LFSS)分子特征,并评估其在泛癌预后中的临床价值,同时探索人工智能模型在力学信号动态预测中的应用潜力.方法 整合基因表达综合数据库(GEO)中三个独立的人源内皮细胞剪切应力转录组数据集,采用Stouffer加权Z法进行跨队列荟萃分析,筛选稳健差异表达基因(DEGs).结合Theil-Sen回归与k-means聚类解析静止剪切(ST)、振荡剪切(OS)和脉冲剪切(PS)条件下基因表达的时间动态模式.基于LFSS特异性上调基因构建LFSS评分,并在癌症基因组图谱(TCGA)泛癌队列(n=11 160)中通过Kaplan-Meier法和多因素Cox比例风险回归模型评估其与总体生存的关联.进一步构建长短期记忆网络(LSTM)模型,对剪切应力诱导的基因时序变化进行预测,并与随机森林(RF)和支持向量回归(SVR)模型进行性能比较.结果 荟萃分析共鉴定出811 个DEGs.时序分析显示,OS通过持续激活YAP/TAZ信号轴诱导细胞周期及DNA复制异常,而PS主要通过KLF2/KLF4 通路触发生理性保护反应.LFSS评分在13 种癌症中与总体生存显著相关[假发现率(FDR)＜0.05],并与肿瘤微环境中的缺氧及异常血管生成通路呈正相关.LSTM模型在基因表达时间序列预测中的表现优于RF和SVR模型,其决定系数R2 为0.842,平均绝对误差(MAE)为0.068,具有更好的泛化能力.结论 LFSS可诱导特异性的内皮细胞转录重塑,并在多种癌症中具有重要的预后指示意义.基于LSTM的人工智能模型能够高效捕捉剪切应力相关的时序动态特征,为肿瘤血管力学异常的分子解析及精准治疗评估提供了新的医工融合研究范式.
关键词：人工智能流体剪切应力内皮细胞长短期记忆网络泛癌预后医工融合
分类号：R73(肿瘤学)TP18(自动化基础理论)
资助基金：深圳市科技计划项目(JCYJ20220530153612028)中国医学科学院肿瘤医院深圳医院科研课题(E010222007)
论文发表日期：2026-01-30
在线出版日期：2026-03-13（本平台首次上网日期，不代表文献的发表时间）
页数：11( 18-28 )
英文信息