Hepatosellulyar karsinoma, qaraciyərde inkişaf edən birincili xərçənglerin büyük bölməünü oluşturan və çoğu pasiyentda gec mərhələde saptanması səbəbiyle ciddi ölüm yükü taşıyan bir xəstəliktır. Klinik uygulamada kullanılan alfa-fetoprotein gibi biomarkerler, özellikle erkən mərhələ xəstəlikta yeterli həssaslıq və özgüllüğe sahip olmayabilir. Bu səbəbdən şiş toxumasınu normal qaraciyər dokusundan ayırabiləcek və eyni zamanda pasiyentlərin genel sağqalımıyla əlaqəli olabiləcek moleküler imzalar araştırılmaktadır.

Bu tədqiqatda The Cancer Genome Atlas’ın TCGA-LIHC kohortundaki 371 tümör və 50 normal qaraciyər örneği ilə üç GEO məlumat dəstindeki toplam 367 örnek incələnmişdir. Dört məlumat mənbəyinda ortak bdaxiliimde fərqlı ifade edilən 251 gen belirlenmiş, Boruta alqoritmiyla bunların 79’u önemli özellik olaraq seçilmiş və sağqalım analizi sonucunda 24 genlik son imza yaradılmışdır.

Son imzada yer alan genlerin 20’si şiş toxumasında daha yüksek, dördü daha düşük səviyyəde ifade edilmiştir. Genler DNA təmiri, hüceyrə dövrü kontrolü, xromosom ayrılması, hüceyrədənkənar matriksin yeniden yapılanması, sitoskeleton düzenlenmesi və epitelial-mezenximal keçid gibi xərçəng biyolojisiyle əlaqəli süreçlerde kümelenmiştir.

TCGA-LIHC məlumatsinin %80’lik eğitim və %20’lik test bölməlerinde çalıştırılan təsadüfi meşə modeli, 24 genlik imzayla tümör və normal dokuyu %100 dəqiqlikla ayırmıştır. Bununla belə test klasterinde yalnız 10 normal və 75 şiş nümunəsi bulunmaktadır. Model müstəqil bir xarici kohortta düzgünlanmamış, başka qaraciyər xəstəliklarıyla qarşılaştırılmamış və gen seçim sürecinin eğitim-test ayrımından tamamen müstəqil yürütülüp yürütülmediği izah edilməmişdir. Bu səbəbdən kusursuz performans, klinik istifadəa hazır bir testten çok, həddindən artıq uyğunlaşma və məlumat sızması olasılığı açısından araştırılması gereken bir tapıntıdur.

Tədqiqat ayrıca 24 genin her birinin genel sağqalımla statistik ilişki gösterdiğini bildirmektedir. Ancak analizler tek dəyişənli Kaplan-Meier və log-rank müqayisəlarına dayanmaktadır. Tümör evresi, müalicə, qaraciyər fonksiyonu, sirroz, viral hepatit durumu və diğer klinik dəyişənlere göre düzeltilmiş çok dəyişənli sağqalım modeli sunulmamıştır. Bu səbəbdən genlerin müstəqil proqnostik belirteçler olduğu hələ gösterilmiş deyil.

En kritik nokta, bu 24 genlik imzanın mevcut haliyle bir qan testi olmamasıdır. Model, doku örneklerinden elde edilən RNA ifade profillerinde şiş toxumasınu normal qaraciyər dokusundan ayırmaktadır. Erken diaqnoz, kan dolaşımından ölçüm, biopsiyaden kaçınma və ya klinik tarama amacıyla kullanılabilmesi üçün müstəqil pasiyent gruplarında, sirotik və xoşxassəli qaraciyər dokularında və mümkünse prospektiv tədqiqatlarda düzgünlanması gerekir.

Tədqiqatnın ele aldığı temel klinik problem

Hepatosellulyar karsinoma, İngilizce adıyla hepatocellular carcinoma və kısaltmasıyla HCC, birincil qaraciyər xərçənglerinin təxminən %90’ını oluşturan malign tümördür. Xəstəlik tezlikla kronik hepatit B və ya C enfeksiyonu, alkoqole bağlı sirroz, metabolik işlev bozukluğuyla əlaqəli yağlı qaraciyər pasiyentlığı, hemokromatoz və alfa-1 antitripsin eksikliği gibi kronik qaraciyər xəstəliklarının zemininde gelişebilir.

HCC’de müalicə başarısını sınırlayan önemli sualnlardan biri, tümörün çoğu pasiyentda gec mərhələde fərq edilmesidir. Küçük və qaraciyər üçünde məhdud tümörlerde cərrahi rezeksiyon, qaraciyər nakli və ya lokal ablasyon gibi küratif amaçlı seçenekler dəyərlendiriləbilirken; gec mərhələde xəstəlik, damar invazyonu, qaraciyər rezervinin azalması və uzak yailım səbəbiyle daha zor yönetilir.

Bu səbəbdən araşdırmacılar iki fərqlı klinik ihtiyacı eyni moleküler panelle qarşılamaya çalışmıştır:

• Diaqnozsal dəyər: Gen ifade örüntüsünün şiş toxumasıyla normal qaraciyər dokusunu ayırabilmesi.
• Prognostik dəyər: Genlerin yüksek və ya düşük ifade səviyyəlerinin pasiyentlərin genel sağqalımıyla əlaqəli olması.

Diaqnozsal və proqnostik kavramlar birbirinden fərqlıdır. Bir belirteç şiş toxumasınu normal dokudan çok iyi ayırabilir fakat hasdiaqnozn ne kadar yaşayacağını göstermeyebilir. Benzer şəkilde sağqalımla əlaqəli bir gen, erkən diaqnoz açısından yeterli ayırt ediciliğe sahip olmayabilir. Tədqiqatnın amacı, iki özelliği eyni gen kümesinde birleştirmektir.

AFP neden tek başına yeterli görülmemektedir?

Alfa-fetoprotein, HCC’de en yaygın kullanılan serum biomarkerlerinden biridir. Bununla belə tədqiqat, AFP’nin erkən mərhələ xəstəlikta məhdud həssaslıq və spesifiklik gösterebildiğini vurgulamaktadır. İleri HCC pasiyentlərinın bir bölməünde dahi AFP normal kalabilir; xoşxassəli qaraciyər xəstəlikları da AFP yüksekliğine yol açabilir.

Bu səbəbdən AFP yüksekliği her zaman xərçəng mənasına gəlmir, normal AFP səviyyəsi de HCC’yi kəsikn olaraq xaricilamaz. Tədqiqatnın araştırdığı gen imzası, teorik olaraq tek bir proteine dayalı göstergeden daha geniş bir tümör biyolojisi örüntüsünü yakalamayı amaçlamaktadır.

Ancak araşdırma 24 genlik paneli AFP ilə birbaşa müqayisəmıştır. AFP ilə birlikte kullanıldığında ek yarar sağlayıp sağlamadığı da test edilmemiştir. Dolayısıyla tədqiqat, 24 genlik panelin AFP’den üstün olduğunu göstermemektedir.

Kullanılan məlumat mənbəları

Araşdırmada bir TCGA kohortu və üç GEO məlumat dəsti istifadə edilmişdir:

Dört məlumat setinde toplam 738 örnek bulunmaktadır. Bununla belə bu örneklerin tamamı birleştirilərek tek bir maşın öyrənməsi modeli oluşturulmamıştır. GEO kohortları ortaq diferensial genleri belirlemek üçün kullanılmış; sınıflandırma modeli ise TCGA-LIHC kohortunda geliştirilip eyni kohortun üçünden ayrılan test dəstinde dəyərlendirilmiştir.

Bu ayrım son derece önemlidir. GEO məlumatlerinin gen seçiminde kullanılması, 24 genlik sınıflandırıcının GEO kohortlarında xarici düzgünlamadan gectiği anlamına gelmemektedir.

Tədqiqatnın analiz akışı

Araşdırma şemasında süreç şu sırayla ilərlemektedir:

1. TCGA-LIHC və GEO gen ifadəsi məlumatlerinin alınması,
2. Her məlumat setinde tümör-normal diferansiyel gen ifadəsi analizi,
3. Dört məlumat setinde ortak bulunan 251 genin belirlenmesi,
4. Boruta alqoritmiyla 251 genden önemli özelliklerin seçilmesi,
5. 79 düzgünlanmış genle təsadüfi meşə sınıflandırıcısının kurulması,
6. 79 genin genel sağqalımla ilişkisinin GEPIA2 üzərinden incelenmesi,
7. P<0,05 bulunan 24 genin son imzaya alınması,
8. 24 genin tümör-normal ekspresyon fərqlarının dəyərlendirilmesi,
9. 24 genlik imzayla ikinci təsadüfi meşə modelinin kurulması,
10. Genlerin biyolojik işlevlerinin mevcut literatür üzərinden yorumlanması.

Diferansiyel gen ifadəsisi ne anlama gelir?

Bir genin “diferensial ifadə edildiğinin” söylenmesi, o gene ait RNA miktarının müqayisə edilən iki grup arasında statistik və biyolojik açıdan əhəmiyyətli fərqlılık göstermesi demektir. Bu tədqiqatda şiş toxuması ilə normal qaraciyər dokusu qarşılaştırılmıştır.

Gen ifade dəyişiminin temel göstergelerinden biri qat dəyişimidir. Açıklama amacıyla kullanılan temel ilişki şöyledir:

\[ \log_2FC = \log_2 \left(\frac{\text{Tümör grubundaki ifade}}{\text{Normal gruptaki ifade}}\right) \]

Burada log₂FC, iki tabanında logaritmik qat dəyişimidir.

• log₂FC=1, tümör grubundaki ifadenin təxminən iki kat yüksek olduğunu göstərir.
• log₂FC=-1, tümör grubundaki ifadenin normal grubun təxminən yarısı olduğunu göstərir.
• Pozitif dəyərler yukarı düzenlenmeyi, negatif dəyərler aşağı düzenlenmeyi ifade eder.

TCGA-LIHC analizinde genlerin əhəmiyyətli kabul edilmesi üçün səhv kəşf nisbətinın FDR<0,01 və mutlak log qat dəyişiminin |logFC|>1,5 olması şartı tətbiq edilmişdir.

FDR, binlerce gen eyni anda test edildiğinde ortaya çıkabiləcek yalancı pozitif nəticəları kontrol etmeyi amaçlar. Bir genin ham P dəyəri düşük olsa bilə, çok sayıda test yapıldığında bazı nəticəlar yalnız şans səbəbiyle əhəmiyyətli görünebilir.

TCGA-LIHC məlumatsi nasıl işlendi?

TCGA-LIHC məlumatsi TCGAbiolinks R paketiyle işlenmiştir. Araşdırmada bildirilən adımlar şunlardır:

• Korelasyon eşiği 0,6 kullanılarak düşük kaliteli örneklerin filtrelenmesi,
• Genlerin GC daxilieriğinden mənbəlanabiləcek teknik fərqlılıkların normalizasyonu,
• 0,25 kuantil eşiğiyle düşük dəyişənlik gösteren genlerin çıkarılması,
• Normal və tümör dokularının qarşılaştırılması,
• FDR<0,01 və |logFC|>1,5 eşiklerinin uygulanması.

Bu analiz sonucunda TCGA-LIHC kohortunda 4.412 diferansiyel gen belirlenmiştir. Bunların 3.687’si şiş toxumasında daha yüksek, 725’i daha düşük ifade edilmiştir.

GEO məlumat setleri nasıl analiz edildi?

Üç GEO məlumat dəstinde DESeq2 istifadə edilmişdir. Önce bütün örneklerde toplam okuma sayısı 100’ün altında olan düşük sayımlı genler çıkarılmış, ardından negatif binom dağılımına dayalı genelleştirilmiş düzgünsal model tətbiq edilmişdir.

DESeq2’de kullanılan temel sayım modeli izah amacıyla şu bdaxiliimde gösteriləbilir:

\[ K_{ij} \sim NB(\mu_{ij}, \alpha_i) \]

Burada:

• K_ij, i geninin j örneğindeki RNA okuma sayısıdır.
• NB, negatif binom dağılımını ifade eder.
• μ_ij, beklenen ortalama sayımdır.
• α_i, gene özgü dağılım və ya saçılma parametresidir.

GEO analizlerinde düzeltilmiş P<0,05 eşiği istifadə edilmişdir. Ayrıca sıralanmış gen listesi və güvenli etki büyüklüğü tahminleri üçün deseq2 confects işlevi 0,5 adım dəyəriyle tətbiq edilmişdir.

Dört məlumat setindeki diferansiyel gen saiları

Veri setleri arasında diferansiyel gen sailarının son derece fərqlı olması dikkat çekmektedir. GSE62232’de 16.290 gen əhəmiyyətli bulunurken GSE112790’da yalnız 131 gen aşkar edilmişdir. Bu fərq; örnek büyüklüğü, ölçüm platformu, məlumat kalitesi, pasiyent özellikleri, normalizasyon, tümör heterojenliği və kullanılan eşiklerle əlaqəli ola bilər.

Tədqiqat fərqlı məlumat setlerinde fərqlı əhəmiyyətlilık koşulları uygulamıştır. TCGA’da hem FDR hem de belirgin qat dəyişimi eşiği bulunurken GEO bölməünde düzeltilmiş P dəyəri temel alınmıştır. Bu fərqlılık, məlumat setleri arasındaki gen sailarını və ortak gen kümesini etkiləyebilir.

Volkan grafikleri neyi gösterdi?

Volkan grafikleri her genin ifade dəyişimini və statistik əhəmiyyətlilığını eyni düzlemde göstərir. Yatay eksen log qat dəyişimini, dikey eksen ise genellikle P dəyərinin negatif logaritmasını temsil eder.

Grafiklerde:

• Yeşil noktalar şiş toxumasında yuxarı tənzimlənən genleri,
• Kırmızı noktalar aşağı tənzimlənən genleri,
• Siyah noktalar əhəmiyyətli kabul edilmeyen genleri göstərir.

Grafiğin sağ üst bölgesindeki genler tümörde daha yüksek və statistik olaraq güclü fərqlılık göstərirken, sol üst bölgedekilər tümörde daha düşük ifade edilən güclü adaylardır.

251 ortak gen nasıl belirlendi?

TCGA-LIHC, GSE57957, GSE62232 və GSE112790’da diferensial ifadə gösteren genler Venny aracıyla kəsikştirilmiştir. Dört məlumat setinin ortak bölgesinde 251 gen aşkar edilmişdir.

Bir genin dört müstəqil məlumat mənbəyinda da diferensial ifadə göstermesi, tek məlumat setine özgü teknik və ya örnoynaq mənbəlı nəticəları azaltma amacı taşır. Bununla belə ortaklık tek başına genin HCC’ye özgü olduğu mənasına gəlmir. Aynı gen başka xərçənglerde, iltihabda, fibrozte və ya hızlı hüceyrə çoğalmasında da dəyişebilir.

Boruta alqoritmiyla xüsusiyyət seçimi

251 ortak genin tümünü modele almak, örnek sayısına kıyasla çok sayıda dəyişən kullanılması səbəbiyle həddindən artıq uyğunlaşma riskini artırabilir. Araşdırmacılar bu səbəbdən Boruta alqoritminı təsadüfi meşə modeliyle birlikte kullanmıştır.

Boruta, her gerçek dəyişənin rastgele karıştırılmış “kölgə” kopyalarını oluşturur. Gerçek bir genin modeldeki önemi, rastgele kölgə özelliklerden sürekli olaraq yüksekse gen düzgünlanmış özellik olaraq kabul edilir.

251 genin Boruta sonucu şöyledir:

• 79 gen: Doğrulanmış özellik
• 13 gen: Kararsız və ya gecici özellik
• 159 gen: Reddedilmiş özellik

Boruta’nın temel amacı en küçük gen kümesini bulmak değil, nəticəla ilgili olabiləcek bütün əhəmiyyətli özellikleri korumaktır. Bu səbəbdən 79 genlik küme hâlâ geniştir.

Rastgele orman modeli nasıl çalışır?

Rastgele orman, çok sayıda karar ağacının oluşturduğu topluluk modelidir. Her ağaç məlumat örneklerinin və genlerin rastgele alt kümeleriyle eğitilir. Son sınıf, ağaçların çoğunluk oyu üzərinden belirlenir.

Açıklama amacıyla sınıflandırma kararı şu temel ilişkiyle gösteriləbilir:

\[ \hat{y} = \operatorname{mode}\{T_1(x), T_2(x), \ldots, T_B(x)\} \]

Burada:

• x, bir toxuma nümunəsinin gen ifadəsi profilidir.
• T_b, her karar ağacının normal və ya tümör tahminidir.
• B, toplam ağaç sayısıdır.
• ŷ, çoğunluk oyuyla belirlenen nihai sınıftır.

Tədqiqat kullanılan ağaç sayısını, ağaç derinliğini, her bölünmede dəyərlendirilən gen sayısını, sınıf ağırlıklarını və rastgele başlanğıc dəyərini ayrıntılı bdaxiliimde vermemektedir. Bu eksiklik modelin birebir yeniden üretilmesini çətinləşdirir.

79 genlik ilk modelin performansı

TCGA-LIHC məlumatsi rastgele bdaxiliimde %80 eğitim və %20 test dəstine ayrılmıştır:

79 genlik model təlim dəstindeki bütün örnekleri düzgün sınıflandırmıştır. Test setinde ise 85 örnekten 84’ü düzgün, biri səhv sınıflandırılmıştır. Bildirilən genel dəqiqlik %98,8’dir.

Karışıklık matrisinde 10 normal örneğin tamamı normal, 75 şiş nümunəsinin 74’ü tümör və biri normal olaraq göstərilmişdir. Bu durumda tek səhv sınıflandırılan örnek bir şiş nümunəsidir.

Tablodaki sınıf bazlı precision və recall dəyərleriyle qarışıqlıq matrisindeki hüceyrəler arasında yönsel bir yorum belirsizliği bulunmaktadır. Matrisin satır və sütunlarının gerçek və tahmin edilən sınıflar olaraq nasıl diaqnozmlandığına bağlı olaraq precision ilə recall dəyərleri yer dəyiştirmiş görünmektedir. Bu raporlama noktası nihai yorumları dəyiştirmese de metriklerin yeniden düzgünlanmasını gerektirir.

Doğruluk, precision, həssaslıq və F1 skoru

Aşağıdaki formüller tədqiqatda açıkça yazılmamış, bildirilən performans ölçülerinin ne anlama geldiğini izahk amacıyla eklenmiştir:

\[ \mathrm{Accuracy} = \frac{TP+TN}{TP+TN+FP+FN} \]

\[ \mathrm{Precision} = \frac{TP}{TP+FP} \]

\[ \mathrm{Recall} = \frac{TP}{TP+FN} \]

\[ F1 = 2 \times \frac{\mathrm{Precision}\times\mathrm{Recall}}{\mathrm{Precision}+\mathrm{Recall}} \]

Burada:

• TP: Doğru bdaxiliimde tümör olaraq sınıflandırılan tümör örnekleri,
• TN: Doğru bdaxiliimde normal olaraq sınıflandırılan normal nümunəler,
• FP: Yanlışlıkla tümör denilən normal nümunəler,
• FN: Yanlışlıkla normal denilən tümör örnekleridir.

Xərçəng diaqnozsında yalnız genel dəqiqlik yeterli deyil. Normal örnek sayısı azsa model bütün örnekleri tümör olaraq sınıflandırarak bilə yüksek dəqiqlik elde edebilir. Bu səbəbdən sınıf dağılımı, həssaslıq, spesifiklik, pozitif kestirim dəyəri və müstəqil düzgünlama birlikte dəyərlendirilmelidir.

Genel sağqalımla əlaqəli 24 gen

Boruta tarafından seçilən 79 gen GEPIA2 aracılığıyla sağqalım analizine alınmıştır. Her gen üçün pasiyentlər median ifade səviyyəsine göre yüksek və düşük ifade gruplarına ayrılmış, Kaplan-Meier eğriləri oluşturulmuş və log-rank testi tətbiq edilmişdir.

P<0,05 bulunan 24 gen son imzaya daxil edilmişdir:

COL24A1, RAD51, CLSPN, ECT2, IQGAP3, ARHGAP11A, CCL23, SNHG4, PLK4, DNAJC6, BAIAP2L2, PIF1, FANCD2, BUB1, TMC7, CENPI, COL9A1, COL25A1, STRA6, KIAA1841, RANBP3L, DIRAS2, CREG2 və FANCB.

Kaplan-Meier analizi neyi ölçmektedir?

Kaplan-Meier metodi, belirli bir zamana kadar hayatta kalma olasılığını tahmin eder. Temel ilişki izah amacıyla şöyledir:

\[ \hat{S}(t) = \prod_{t_i \leq t}\left(1-\frac{d_i}{n_i}\right) \]

Burada:

• S(t), t zamanına kadar sağkalma olasılığıdır.
• d_i, ilgili zamanda gerçekleşen ölüm sayısıdır.
• n_i, o anda risk altında bulunan pasiyent sayısıdır.

Log-rank testi, yüksek və düşük gen ifadəsisine sahip grupların sağqalım eğriləri arasında statistik fərq olup olmadığını dəyərlendirir.

Bununla belə P<0,05 bulunması, genin sağqalımı birbaşa etkilədiğini və ya müstəqil proqnostik faktör olduğunu göstermez. Gen ifadesi tümör evresi, histolojik derece, damar invazyonu və ya başka aqressiv biyolojik özelliklerle birlikte dəyişiyor ola bilər.

Çoklu sağqalım testlerinin önemi

Toplam 79 gen üçün ayrı sağqalım testi yapılmıştır. Mətnde bu testler üçün FDR və ya başka bir çoxlu müqayisə düzeltmesi uygulandığı belirtilmemektedir.

Çok sayıda hipotez eyni anda test edildiğinde yalnız P<0,05 eşiğinin kullanılması, bazı genlerin tesadüfen əhəmiyyətli görünme ihtimalini artırır. Bu səbəbdən 24 genlik proqnostik kümenin müstəqil kohortlarda və düzeltilmiş çok dəyişənli Cox modellerinde yeniden düzgünlanması gerekir.

24 genin tümör və normal dokudaki ifade yönleri

Son imzadaki 24 genin 20’si şiş toxumasında daha yüksek, dördü daha düşük ifade edilmiştir.

Kutu grafiklerinde birçok yuxarı tənzimlənən gen üçün normal və tümör örneklerinin ifade dağılımları belirgin bdaxiliimde ayrılmaktadır. CCL23, COL25A1 və RANBP3L’de normal dokudaki ifade daha yüksek görünmektedir. DIRAS2 de aşağı tənzimlənən gen olaraq sınıflandırılmıştır; lakin dağılımında örnekler arası dəyişənlik bulunmaktadır.

24 genlik modelin bildirilən diaqnozsal performansı

24 genlik imzayla oluşturulan ikinci təsadüfi meşə modeli hem eğitim hem test dəstindeki bütün örnekleri düzgün sınıflandırmıştır:

ROC grafiğinde əyrinin altında qalan sahə AUC=1,00 olaraq göstərilmişdir. AUC’nin temel yorumu, rastgele seçilən bir şiş nümunəsinin rastgele seçilən bir normal nümunəten daha yüksek model skoru alma olasılığıdır.

AUC=1,00 incelenen test klasterinde kusursuz ayrım mənasına gəlir. Ancak bu dəyər modelin yeni pasiyentlərda da kusursuz çalışacağını göstermez.

Kusursuz performans neden dikkatle yorumlanmalıdır?

Makalenin kendisi de kusursuz performansın həddindən artıq uyğunlaşma kaygısı doğurduğunu kabul etmektedir. Bu kaygının birkaç teknik səbəbi vardır.

Test kümesi küçüktür

Test setinde yalnız 85 örnek və bunların üçünde yalnız 10 normal qaraciyər örneği bulunmaktadır. Tek bir normal örneğin səhv sınıflandırılması normal sınıf performansını önemli ölçüde dəyiştirecektir.

Sınıflar dengesizdir

TCGA-LIHC kohortunda 371 şiş nümunəsine qarşı yalnız 50 normal nümunə vardır. Bu dengesizlik, model eğitimi və performans ölçüleri üzərinde etkili ola bilər. Tədqiqatda sınıf ağırlığı, dengeleme və ya tabakalı örnoynaqe ayrıntıları məlumatlmemiştir.

Dış düzgünlama yapılmamıştır

GEO kohortları ortak genleri bulmak üçün kullanılmış, fakat 24 genlik təsadüfi meşə sınıflandırıcısı bu müstəqil kohortlarda test edilmemiştir. Modelin yalnız TCGA üçünde ayrılan test parçasında dəyərlendirilmesi daxili düzgünlamadır.

Olası məlumat sızması yeterince izah edilməmişdir

Mətn, 251 ortak genin və Boruta özelliklerinin bütün TCGA-LIHC məlumatsi kullanılarak seçildiğini, daha sonra məlumat setinin %80-%20 ayrıldığını düşündüren bir iş akışı sunmaktadır. Özellik seçimi test örneklerini de gördükten sonra yapıldıysa test klasterine ait bilgi dolaylı bdaxiliimde modele sızmış ola bilər.

Güvenilir dəyərlendirmede məlumat əvvəl eğitim və test olaraq ayrılır; normalizasyon, xüsusiyyət seçimi, Boruta və hiperparametr ayarı yalnız təlim dəstinde yapılır. Test seti son aşamaya kadar tamamen dokunulmadan tutulur. Tədqiqat bu işlemlerin daxili daxilie və ya müstəqil bdaxiliimde yürütülüp yürütülmediğini açıkça belirtmemektedir.

Tek bir rastgele bölme istifadə edilmişdir

Model performansı tek bir %80-%20 ayrımına dayanıyor görünmektedir. Fərqlı rastgele bölmelerde, tekrarlı çapraz düzgünlamada və ya bootstrap örnoynaqlerinde performansın nasıl dəyiştiği raporlanmamıştır.

Normal müqayisə klinik olaraq məhduddır

Model şiş toxumasınu normal qaraciyər dokusundan ayırmıştır. Klinik uygulamada daha zor sual, küçük HCC odağının sirroz, displastik düyün, regenerativ düyün, hepatit və ya xoşxassəli qaraciyər tümörlerinden ayrılmasıdır. Bu gruplar modelde test edilmemiştir.

Bu panel bir qan testi midir?

Hayır. Tədqiqatda kullanılan məlumatler qaraciyər dokularındaki RNA ifade səviyyəlerinden elde edilmiştir. Dolayısıyla 24 genlik imza mevcut bdaxiliimiyle serum, plazma və ya başka bir maye biopsiya testi deyil.

Bir doku temelli panelin klinik diaqnozda kullanılabilmesi üçün genellikle biopsiya və ya cərrahi materyal gerekir. Erken HCC taramasındaki temel ihtiyaç ise çoğu zaman şiş toxumasına ulaşmadan pasiyentlığı saptayabilmektir.

Bu panelin qan testine dönüştürülebilmesi üçün ilgili RNA’ların dolaşımdaki hüceyrəsiz RNA, tümör mənbəlı eksozom və ya dolaşan tümör hüceyrəlerinde güvenilir bdaxiliimde ölçülebildiğinin gösterilmesi gerekir. Bu araşdırmada böyle bir analiz yapılmamıştır.

Gen imzasının biyolojik temaları

Araşdırmacılar 24 geni üç geniş xərçəng biyolojisi başlığında yorumlamıştır:

• Genomik kararsızlık və DNA hasar yanıtı,
• Hücre döngüsü və xromosom ayrılmasının bozulması,
• Tümör mikroçevresi və hüceyrədənkənar matriksin yeniden yapılanması.

DNA təmiri və genomik qeyri-sabitlik

DNA onarım genlerinin yüksek ifadesi ilk bakışta tümörü baskılayan bir durum gibi düşünülebilir. Normal hüceyrəlerde DNA təmiri genom bütünlüğünü korur. Ancak xərçəng hüceyrəlerinde güclü DNA təmiri, hüceyrəlerin yüksek replikasiya stresine və DNA hasarına rağmen hayatta kalmasına yardım edebilir.

Bu səbəbdən eyni yol normal dokuda koruyucu, gelişmiş tümörde ise müalicə direncini və ya hasar toleransını destekleyici rol oynayabilir. Tədqiqat bu genlerin işlevlerini deneysel olaraq dəyiştirmediği üçün bu mekanizma birbaşa kanıtlanmamıştır.

Hücre döngüsü və xromosom ayrılması

Hücre döngüsü kontrol noktaları, hasarlı və ya hatalı DNA’ya sahip hüceyrənin bölünmesini durdurmayı amaçlar. Bu sistemlerdeki bozulma, kromozomların səhv sayıda və ya hatalı bdaxiliimde yavru hüceyrəlere dağılmasına yol açabilir.

Kromozomal kararsızlık, tümör daxilii heterojenliği artırabilir. Aynı tümör üçünde fərqlı genetik özelliklere sahip alt hüceyrə grupları oluştuğunda xəstəlik ilərlemesi, metastaz və müalicə direnci karmaşıklaşabilir.

Hücre xariciı matriks və kollagen genleri

Hücre xariciı matriks, tümör hüceyrəlerini çevreleyen kollagen, glikoprotein və diğer yapısal moleküllerin oluşturduğu ağdır. Bu ağ yalnız fiziksel destek sağlamaz; hüceyrə hareketi, büyüme sinyalleri, damar oluşumu və immunitet hüceyrəsi erişimi üzərinde de etkili ola bilər.

Sirotik qaraciyərde zaten yoğun fibroz və matriks dəyişikliği bulunmaktadır. HCC hüceyrəleri bu ortamın mekanik və biyokimyasal özelliklerinden yararlanarak invazyon və yailım kapasitesini artırabilir.

Hücre hareketi, sitoskeleton və epitelial-mezenximal keçid

Epitelyal-mezenkimal geciş, epitel özellikleri taşıyan tümör hüceyrəlerinin hüceyrəler arası bağlantılarını azaltarak daha hareketli və invaziv özellikler kazanmasını anlatan biyolojik programdır. Bu süreç metastazla ilişkiləndiriləbilir; lakin tek bir genin yüksek ifadesi tek başına hasdiaqnozn metastaz geliştireceğini göstermez.

Diğer genler və bilgisi məhdud adaylar

SNHG4 uzun kodlamayan RNA olaraq iləri xəstəlik və kötü sağqalımla ilişkiləndirilmiştir. TMC7, KIAA1841, CREG2 və PLK4 daha əvvəl çeşitli proqnostik imzalarda yer almış olsa da bazı genlerin HCC’deki birbaşa işlevi yeterince karakterize edilmemiştir.

BAIAP2L2 de son imzada yer almakla birlikte tədqiqatda HCC’ye özgü işlevsel rolü ayrıntılı deneylerle gösterilmemiştir.

Aşağı düzenlenen genlerden CCL23’ün kaybı, tədqiqatnın literatür yorumuna göre CCR1/AKT/ESR1 sinyalinin şiş basqılayıcı etkisini azaltabilir. RANBP3L və DIRAS2 ise olası şiş basqılayıcı adaylar olaraq dəyərlendirilmiştir; lakin qaraciyər xərçəngindeki işlevleri birbaşa düzgünlanmamıştır.

24 genlik panel gerçekten proqnostik midir?

Tədqiqat, her gen üçün yüksek və düşük ifade grupları arasında genel sağqalım fərqı bulunduğunu bildirmektedir. Bu, genlerin proqnostik aday olduğunu göstərir. Ancak klinik proqnostik belirteç olaraq kabul edilmeleri üçün daha çox kanıt gerekir.

Tədqiqatda şu analizler sunulmamıştır:

• Tümör evresine göre düzeltilmiş Cox reqressiyası,
• Qaraciyər fonksiyon sınıfı və ya sirroz durumuna göre düzeltme,
• Viral hepatit durumuna göre alt grup analizi,
• Damar invazyonu, tümör sayısı və ya boyutuna göre düzeltme,
• Müalicə türünün modele eklenmesi,
• 24 geni tek bir risk skorunda birleştiren açık matematiksel formül,
• Risk skoruna göre düşük və yüksək risk gruplarının müstəqil düzgünlanması,
• C-indeksi, zaman bağımlı ROC və ya kalibrasiya analizi.

Dolayısıyla “24 genlik proqnostik imza” ifadesi, bu aşamada her genin sağqalımla tek tek əlaqəli bulunmasına dayanmaktadır. Klinik kullanım üçün diaqnozmlanmış, ağırlıkları belirlenmiş və xarici kohortta düzgünlanmış bir proqnostik puan hələ sunulmamıştır.

Gündelik həyat və klinik uygulama açısından olası anlamı

Bu tür tədqiqatların uzun vadeli amacı, qaraciyər xərçənginin moleküler çeşitliliğini ölçülebilir bir imzaya dönüştürmektir. Gelecekte düzgünlanmış bir gen paneli şu alanlarda dəyərlendiriləbilir:

• Şüpheli qaraciyər dokusunun tümör olup olmadığının desteklenmesi,
• Agresif biyolojik özellik taşıyan tümörlerin ayrılması,
• Nüks və ya ölüm riski yüksek pasiyentlərin izlem yoğunluğunun belirlenmesi,
• Belirli DNA onarım və ya hüceyrə dövrü yollarına yönelik araşdırmaların yönlendirilmesi,
• AFP və görüntüleme gibi mevcut metodlere ek moleküler bilgi sağlanması.

Ancak bu olasılıkların hdaxilibiri mevcut tədqiqatda klinik olaraq test edilmemiştir. Tədqiqat pasiyent yönetimini dəyiştiren bir prospektiv uygulama deneyi deyil.

Tədqiqatnın güclü yönleri

• Bir TCGA və üç GEO məlumat dəstindeki ortaq diferensial genlere odaklanılmıştır.
• Tek məlumat setine özgü adayları azaltmak üçün dört məlumat mənbəyinın kəsikşimi istifadə edilmişdir.
• İstatistiksel diferensial ifadə, maşın öyrənməsi və sağqalım analizi eyni akışta birleştirilmiştir.
• Boruta metodiyle rastgele kölgə özelliklere qarşı dəyişən önemi dəyərlendirilmiştir.
• 79 genlik geniş küme, sağqalım ilişkisi üzərinden 24 gene daraltılmıştır.
• Son genlerin tümör və normal dokudaki ifade yönleri ayrı ayrı göstərilmişdir.
• Genler DNA təmiri, hüceyrə dövrü və matriks biyolojisi gibi əhəmiyyətli işlevsel gruplarda yorumlanmıştır.
• Kullanılan məlumat mənbəları halka açıktır.
• Tədqiqat kendi metninde həddindən artıq uyğunlaşma və xarici düzgünlama gereksinimini kabul etmektedir.

Tədqiqatnın məhdudlıkları

• Hakem dəyərlendirmesi yoxdur: Tədqiqat preprinttir.
• Retrospektif tasarım: Halka açık məlumat tabanlarında daha əvvəl toplanmış örneklere dayanmaktadır.
• Dış model düzgünlaması yoxdur: 24 genlik sınıflandırıcı müstəqil GEO kohortlarında test edilmemiştir.
• Küçük test dəsti: Test kümesinde yalnız 10 normal və 75 şiş nümunəsi bulunmaktadır.
• Sınıf dengesizliği: TCGA kohortunda normal doku sayısı tümör sayısından çok daha azdır.
• Kusursuz performans: %100 test başarısı həddindən artıq uyğunlaşma və ya məlumat sızması olasılığını gündeme getirmektedir.
• Analiz sırası belirsizliği: Özellik seçimi və sağqalım filtresinin təlim dəsti üçünde mi, bütün məlumat üzərinde mi yürütüldüğü yeterince izah edilməmişdir.
• Tek məlumat bölmesi: Tekrarlı çapraz düzgünlama və ya müstəqil düzgünlama raporlanmamıştır.
• Hiperparametre ayrıntıları məhduddır: Rastgele orman modelinin tam ayarları məlumatlmemiştir.
• Normal doku müqayisəsı: Siroz, hepatit, displastik düyün və xoşxassəli tümörlerden ayırt etme performansı test edilmemiştir.
• Doku temelli məlumat: Tədqiqat bir kan və ya maye biopsiya testi geliştirmemiştir.
• Sağkalım analizleri tek dəyişənlidir: Evre və diğer klinik faktörlere göre düzeltilmiş nəticəlar yoxdur.
• Çoklu test düzeltmesi belirtilmemiştir: 79 sağqalım testi üçün yalnız P<0,05 eşiği istifadə edilmişdir.
• Risk skoru formülü yoxdur: 24 geni birleştiren ağırlıklı proqnostik puan sunulmamıştır.
• AFP müqayisəsı yoxdur: Panel AFP’den üstün və ya AFP’ye ek yararlı olaraq test edilmemiştir.
• Klinik heterogenlik məhdud ele alınmıştır: Hepatit durumu, sirroz səbəbi, tümör evresi və moleküler alt tipler dəyərlendirilmemiştir.
• Deneysel düzgünlama yoxdur: Genlerin işlevleri hüceyrə, organoid və ya hayvan modellerinde test edilmemiştir.
• Bazı genler yetersiz karakterize edilmiştir: COL25A1, TMC7, KIAA1841 və BAIAP2L2 gibi adayların HCC’deki rolü belirsizdir.

Tədqiqat ne söylüyor?

• Dört məlumat setinde ortak bdaxiliimde fərqlı ifade edilən 251 gen aşkar edilmişdir.
• Boruta analizi bu genlerin 79’unu önemli özellik olaraq seçmiştir.
• TCGA-LIHC üçündeki təsadüfi meşə modeli 79 genle çok yüksek daxili test performansı göstermiştir.
• Yetmiş dokuz genin 24’ü tek dəyişənli sağqalım analizinde P<0,05 ilə genel sağqalımla əlaqəli aşkar edilmişdir.
• Son imzada 20 yukarı və dört aşağı tənzimlənən gen bulunmaktadır.
• 24 genlik model TCGA daxili test dəstindeki tüm örnekleri düzgün sınıflandırmıştır.
• Genler DNA təmiri, hüceyrə dövrü, kromozomal kararsızlık, matriks yeniden yapılanması və hüceyrəvi sinyal süreçlerinde kümelenmektedir.
• İmza, müstəqil düzgünlama gerektiren bir diaqnozsal və proqnostik adaydır.

Tədqiqat ne söylemiyor?

• Panelin klinik istifadəa hazır olduğunu göstermemektedir.
• Panelin kan örneğinden ölçülebildiğini göstermemektedir.
• Erken evre HCC’yi sirroz və ya xoşxassəli qaraciyər pasiyentlığından ayırdığını kanıtlamamaktadır.
• %100 performansın yeni pasiyentlərda tekrarlanacağını kanıtlamamaktadır.
• 24 genin HCC’ye neden olduğunu göstermemektedir.
• Genlerin tümör evresinden müstəqil proqnostik dəyər taşıdığını kanıtlamamaktadır.
• Panelin AFP’den üstün olduğunu və ya AFP’nin yerini alabiləceğini göstermemektedir.
• Herhangi bir genin düzgünlanmış müalicə hədəfi olduğunu göstermemektedir.
• Bu genlere yönelik müalicəlerin pasiyent sağqalımını artırdığını test etmemektedir.
• Klinik karar, müalicə seçimi və ya güvenlik garantisi sağlamamaktadır.

Tədqiqatnın Metodi və Nəticələrı

Teknik metod özeti

24 genlik imzanın teknik özeti

Ana nəticələrın düzenli özeti

Mənbə və Metod Notu

Bu daxilierik, Oluwafemi Ogundare tarafından hazırlanan “A 24-Gene Signature with Diagnostic and Prognostic Value in Hepatocellular Carcinoma: An Integrative RNA-seq and Machine Learning Analysis” baş örtüyülı tədqiqatya dayanmaktadır.

Tədqiqat SSRN üzərinde yayımlanmış bir preprinttir. Mətnde açıkça “This preprint research paper has not been peer reviewed” ifadesi yer alır. Dolayısıyla tədqiqat müstəqil hakem dəyərlendirmesinden gecmemiştir və sonraki sürümlerde metod, nəticə və ya yorumlar dəyişebilir.

Araşdırma yeni pasiyent alımı yapılan klinik tədqiqat, in vitro deney, hayvan tədqiqatsı və ya prospektiv diaqnoz testi deyil. TCGA-LIHC və GEO məlumat tabanlarında bulunan gecmiş gen ifadəsi məlumatlerinin hesablama analiziidir. Kullanılan məlumatler halka açık olduğundan ayrı etik kurul onayı və iştirakçı onamının uygulanabilir olmadığı qeyd edilmişdir.

Tədqiqatnın tek yazarı Oluwafemi Ogundare’dir. Yazar, tədqiqat tasarımı, analiz, yorum və makale hazırlığının tamamından sualmlu olduğunu bildirmiştir. Belirli bir finansman desteği bulunmadığı qeyd edilmişdir. Yazar, bu tədqiqatyla ilgisiz bir patente sahip olduğunu və bunun araşdırmayı etkiləmediğini beyan etmiştir.

24 genlik modelin %100 daxili test performansı, müstəqil klinik düzgünlama olaraq yorumlanmamalıdır. Test setinin küçük olması, normal-tümör dengesizliği, xarici düzgünlamanın bulunmaması və analiz akışındaki olası məlumat sızmasının yeterince açıklanmaması səbəbiyle nəticəlar keşif niteliğindedir.

Panel doku RNA ifade məlumatlerine dayanmaktadır; mevcut haliyle qan testi deyil. Erken diaqnoz, klinik tarama, müalicə seçimi və ya sağqalım tahmini amacıyla kullanılabilmesi üçün müstəqil kohortlarda, fərqlı xəstəlik evrelerinde, sirotik və xoşxassəli qaraciyər dokularında, AFP və klinik dəyişənlerle qarşılaştırılarak düzgünlanması gerekir.

Bu daxilierik yalnız yüklenen PDF’deki metod, şəkil, tablo, gen listesi, sayısal nəticə, literatür yorumu və məhdudlıklara dayanarak hazırlanmıştır. Tədqiqatda bulunmayan klinik başarı, kəsikn diaqnoz, müalicə hədəfi, qan testi, sağqalım garantisi və ya nedensel biyolojik mekanizma iddiası eklenmemiştir. :contentReference[oaicite:1]{index=1}