别只埋头苦干了！ 你的科研装备库该更新了！
✅ 单细胞+转录组：给你的课题装上“显微镜”，看得更细。
✅ 孟德尔随机化：给你的结论穿上“防弹衣”，因果更稳。
✅ 机器学习：给你的数据配上“最强AI大脑”，预测更准。
担心学不会？不存在的！ 我们奉行 “一对一，教到会” 的保姆级服务，从设计到分析，手把手带你通关。
🎁 限时福利社 🎁
拼团价更香：三人成行，直接省下288元！
转发有礼：分享海报到朋友圈，精美礼品等你拿！
课程总价：6980元，掌握三项硬技能，这投资值！
👇 戳下方二维码，直接对话课程顾问，抢占优惠席位！👇
大家对10种机器学习算法的各类组合应该都不陌生了，七七之前分享的多篇文章里都有它们的身影。今天这篇中山一院团队的研究，直接把组合数拉到了117种，但核心目标始终没变——构建高效的预测模型。 预测模型常搭配热点基因集，这篇文章就选中了近两年在肿瘤领域热度极高的衰老相关基因。不过这类基因在前列腺癌（PCa）中的研究，尤其是生信方向的选题，其实并不算多，所以文章的创新性直接拉满！ 预测模型类文章的核心思路大家都熟悉：先筛选候选基因，再用机器学习建模并验证，最后结合临床数据展开延伸分析。而延伸分析的方法，正是文章的重要加分项，目前单细胞数据分析（偶尔搭配空间转录组）是成熟又好用的提分技巧。 这篇文章在建模后，不仅用6个公开队列做了验证，还加入了自建内部队列，内外结合让验证结果更有说服力。更亮眼的是，作者最终筛选出一个关键基因，围绕它做了深入分析和体内外功能验证，让文章思路再升一级。
有了这个经过验证的关键基因，后续开展相关研究就能直接沿用，这篇文章也能作为扎实的研究基础~不管你是想复现分析、借鉴思路做国自然预实验，还是想在此基础上拓展自己的研究，这个 “低成本高产出” 的思路都适配度拉满！心动不如行动，看好就赶紧滴滴小编，把这套 “宝藏思路” 直接变成你的科研成果！
中文标题：衰老相关基因特征预测前列腺癌进展，并通过多组学机器学习集成确定PCNA为治疗靶点
影响因子：6.8/Q1
衰老在前列腺癌中起着关键作用，影响疾病的发生和进展。然而，衰老相关基因在前列腺癌进展过程中的变化及其在预测疾病进展中的潜在价值，仍有待进一步阐明。
基因筛选：从 AgingAtlas、KEGG 等 5 个公共数据库中收集衰老相关基因，结合 TCGA-PRAD 队列的共表达网络分析，筛选出与临床特征（T 分期、Gleason 评分、BCR 等）强相关的 38 个关键基因。模型构建：整合 10 类机器学习算法（包括 LASSO、随机生存森林、支持向量机等），构建 117 种预测模型，通过留一交叉验证（LOOCV）和一致性分析，最终筛选出由 9 个基因组成的最优 SRGS 模型。多维度验证：在 6 个独立公共队列（TCGA-PRAD、Stockholm 等）和自建的 90 例 SYSU-PRAD 队列中，从 BCR-free 生存、总生存、临床相关性等方面验证模型效能。机制与功能验证：通过 bulk RNA-seq 假时间分析、单细胞转录组测序解析 SRGS 的生物学功能，结合体内外实验验证 PCNA 的治疗潜力。
研究先从5个公开数据库收集衰老相关基因，再通过共表达网络分析（最优β值为7，R²=0.84）识别出29个不同基因模块，其中红色模块与T阶段、格里森评分、年龄、BCR等临床特征相关性最强；筛选出模块成员关系（MM）>0.5且基因显著性（GS）>0.2的枢纽预后相关基因，最终将WGCNA红色模块的316个基因与衰老相关基因交叉，得到38个关键候选基因。
肿瘤免疫微环境（TME）对癌症发展至关重要。研究发现，高神经信号亚型患者免疫细胞（CD4⁺T、CD8⁺T、DC细胞）及促炎M1巨噬细胞丰度更低，抗炎M2巨噬细胞更多，呈免疫抑制表型；低神经信号亚型免疫检查点基因（CTLA4、PDCD1等）高表达，更易从ICI治疗获益。此外，高神经信号亚型中癌症相关成纤维细胞（CAF，尤其iCAF、mCAF）丰度更高，与神经信号正相关，二者通过POSTN等基因互作形成网络，可能促进肿瘤血管生成、形成屏障阻止免疫浸润，协同推动癌症进展与免疫逃逸。
基于38个候选基因，通过机器学习集成构建共识SRGS：以TCGA-PRAD队列为基础，117个预测模型经LOOCV框架训练后，筛选出结合LASSO回归与SuperPC的最优模型（确定LASSO回归最佳λ值），最终形成九基因特征的SRGS；依据BCR风险事件确定最佳截止值，将患者分为高、低风险组，结果显示TCGA-PRAD训练集及六个独立验证队列中，高风险组BCR结局均显著差于低风险组（均P<0.05）。
在含90名PCa患者的SYSU-PRAD队列中，SRGS模型的临床适用性得到验证：高SRGS评分患者BCR结局显著更差（P<0.0001），其预测1、2、3年BCR的AUC值分别为0.6969、0.7559、0.7869，且对BCR具有独立预测作用，预测表现优于其他临床特征。通过ssGSEA分析发现，SRGS与凋亡、DNA损伤相关通路正相关，且与队列中TMB、SCNA呈正相关（P<0.05）；TCGA-PRAD队列中高SRGS组TP53突变率和整体TMB更高，提示高SRGS评分肿瘤的遗传变异更广泛，可能推动肿瘤进展。分析显示，SRGS随PCa进展（正常上皮→原发癌→CRPC等）显著上调，与肿瘤伪时间正相关，可预测CRPC患者总生存。单细胞RNA测序识别出8个细胞亚群，肿瘤上皮细胞占比最高且异质性显著，其2、4簇SRGS高表达、在CRPC中富集，拷贝数变异更高，且SRGS中的PCNA基因在这两簇高度表达，提示PCNA可能促进PCa进展。分析TCGA、GTX及SYSU-PRAD队列数据发现，PCNA在PCa组织中表达显著高于正常组织，且Gleason评分>7分患者的PCNA蛋白表达更高，高PCNA表达与较差的BCR结局相关；PCNA随PCa进展显著上调，与肿瘤进展伪时间正相关（P<0.0001）。单细胞分析显示，肿瘤上皮细胞向CRPC发展的路径中，PCNA表达逐渐增加，其他SRGS基因贡献较低，表明PCNA可促进PCa进展，是潜在治疗靶点。
用PCNA抑制剂AOH1996处理PC3和DU145细胞（Western印迹法和qPCR确认两细胞中PCNA表达），CCK-8和菌落形成实验显示AOH1996显著抑制细胞增殖；凋亡检测表明PCNA抑制可增加细胞凋亡比例，而Z-VAD-FMK能逆转该效应。
体内实验验证：裸鼠皮下肿瘤模型中，PCNA抑制剂AOH1996显著减慢肿瘤生长，降低肿瘤体积和重量；C57BL/6小鼠原位肿瘤模型中，AOH1996可抑制肿瘤生长，与恩杂鲁胺联用效果更优。IHC染色和TUNEL检测显示，治疗后肿瘤细胞凋亡增加、增殖减少，证实PCNA抑制剂能降低ADT耐药性，增强恩杂鲁胺疗效。
研究通过多组学整合和机器学习技术，成功构建了稳健的前列腺癌衰老相关基因签名 SRGS，为疾病预后预测和风险分层提供了新工具。同时，证实 PCNA 是驱动前列腺癌进展的关键靶点，其抑制剂 AOH1996 具有良好的治疗潜力，为高危和 CRPC 患者带来了新的治疗希望。这项研究为前列腺癌的精准诊疗提供了重要的理论依据和转化基础，有望推动相关领域的临床变革。
