Gepatotsellyulyar karsinoma jigarda rivojlanadigan birlamchi saratonlarning katta qismini tashkil etadi va ko‘plab bemorlarda kech bosqichda aniqlanishi sababli jiddiy o‘lim yukini keltirib chiqaradi. Klinik amaliyotda qo‘llanadigan alfa-fetoprotein kabi biomarkerlar, ayniqsa erta bosqichdagi kasallikda, yetarli sezgirlik va o‘ziga xoslikka ega bo‘lmasligi mumkin. Shu sababli o‘sma to‘qimasini normal jigar to‘qimasidan ajrata oladigan va ayni paytda bemorlarning umumiy omon qolishi bilan bog‘liq bo‘lishi mumkin bo‘lgan molekulyar imzolar o‘rganilmoqda.

Ushbu tadqiqotda The Cancer Genome Atlas’ning TCGA-LIHC kohortidagi 371 ta o‘sma va 50 ta normal jigar namunasi hamda uchta GEO ma’lumotlar to‘plamidagi jami 367 ta namuna tekshirildi. To‘rtta ma’lumot manbasida umumiy tarzda differensial ifodalangan 251 ta gen aniqlandi, Boruta algoritmi yordamida ulardan 79 tasi muhim xususiyat sifatida tanlandi va omon qolish tahlili natijasida 24 genli yakuniy imzo shakllantirildi.

Yakuniy imzaga kirgan genlarning 20 tasi o‘sma to‘qimasida yuqoriroq, to‘rttasi esa pastroq darajada ifodalangan. Genlar DNKni ta’mirlash, hujayra siklini nazorat qilish, xromosomalarni ajratish, hujayradan tashqari matriksni qayta tashkil etish, sitoskeletni tartibga solish va epitelial-mezenximal o‘tish kabi saraton biologiyasi bilan bog‘liq jarayonlarda guruhlangan.

TCGA-LIHC ma’lumotlarining %80 o‘quv va %20 test qismlarida ishlatilgan tasodifiy o‘rmon modeli 24 genli imzo yordamida o‘sma va normal to‘qimani %100 aniqlik bilan ajratdi. Biroq test to‘plamida atigi 10 ta normal va 75 ta o‘sma namunasi mavjud. Model mustaqil tashqi kohortda tasdiqlanmagan, boshqa jigar kasalliklari bilan taqqoslanmagan va genlarni tanlash jarayoni o‘quv-test ajratilishidan butunlay mustaqil olib borilgan-borilmagani tushuntirilmagan. Shu sababli mukammal ko‘rsatkich klinik qo‘llashga tayyor testdan ko‘ra, ortiqcha moslashish va ma’lumotlar sizib chiqishi ehtimoli nuqtai nazaridan o‘rganilishi kerak bo‘lgan topilmadir.

Tadqiqot, shuningdek, 24 genning har biri umumiy omon qolish bilan statistik bog‘liqlik ko‘rsatganini xabar qiladi. Biroq tahlillar bir o‘zgaruvchili Kaplan-Meier va log-rank taqqoslashlariga asoslangan. O‘sma bosqichi, davolash, jigar funksiyasi, sirroz, virusli gepatit holati va boshqa klinik o‘zgaruvchilarga moslashtirilgan ko‘p o‘zgaruvchili omon qolish modeli taqdim etilmagan. Shu sababli genlarning mustaqil prognostik biomarker ekanligi hali ko‘rsatilmagan.

Eng muhim nuqta shuki, bu 24 genli imzo hozirgi holatida qon testi emas. Model to‘qima namunalaridan olingan RNK ifoda profillarida o‘sma to‘qimasini normal jigar to‘qimasidan ajratadi. Uni erta tashxis, qon aylanishidan o‘lchash, biopsiyadan qochish yoki klinik skrining uchun qo‘llash mumkin bo‘lishi uchun mustaqil bemor guruhlarida, sirrotik va benign jigar to‘qimalarida va imkon qadar prospektiv tadqiqotlarda tasdiqlash zarur.

Tadqiqot ko‘rib chiqqan asosiy klinik muammo

Gepatotsellyulyar karsinoma, inglizcha nomi bilan hepatocellular carcinoma va qisqartmasi HCC, birlamchi jigar saratonlarining taxminan %90’ini tashkil etadigan malign o‘smadir. Kasallik ko‘pincha surunkali gepatit B yoki C infeksiyasi, alkogol bilan bog‘liq sirroz, metabolik disfunksiya bilan bog‘liq yog‘li jigar kasalligi, gemoxromatoz va alfa-1 antitripsin yetishmovchiligi kabi surunkali jigar kasalliklari fonida rivojlanishi mumkin.

HCCda davolash muvaffaqiyatini cheklaydigan muhim muammolardan biri o‘smaning ko‘pchilik bemorlarda kech bosqichda aniqlanishidir. Kichik va jigar ichida cheklangan o‘smalarda jarrohlik rezeksiya, jigar transplantatsiyasi yoki mahalliy ablatsiya kabi kurativ maqsadli variantlar ko‘rib chiqilishi mumkin, kech bosqichda esa kasallik tomir invaziyasi, jigar rezervining kamayishi va uzoq tarqalish sababli boshqarilishi qiyinlashadi.

Shu sababli tadqiqotchilar ikki xil klinik ehtiyojni bitta molekulyar panel bilan qondirishga harakat qildilar:

• Diagnostik qiymat: Gen ifodasi naqshining o‘sma to‘qimasi bilan normal jigar to‘qimasini ajrata olishi.
• Prognostik qiymat: Genlarning yuqori yoki past ifoda darajalari bemorlarning umumiy omon qolishi bilan bog‘liq bo‘lishi.

Diagnostik va prognostik tushunchalar bir-biridan farq qiladi. Bir biomarker o‘sma to‘qimasini normal to‘qimadan juda yaxshi ajratishi mumkin, ammo bemorning qancha yashashini ko‘rsatmasligi mumkin. Xuddi shuningdek, omon qolish bilan bog‘liq gen erta tashxis uchun yetarli farqlovchi qobiliyatga ega bo‘lmasligi mumkin. Tadqiqotning maqsadi bu ikki xususiyatni bir xil genlar to‘plamida birlashtirishdir.

Nega AFPning o‘zi yetarli deb hisoblanmaydi?

Alfa-fetoprotein HCCda eng ko‘p ishlatiladigan zardob biomarkerlaridan biridir. Biroq tadqiqot AFP erta bosqichdagi kasallikda cheklangan sezgirlik va o‘ziga xoslik ko‘rsatishi mumkinligini ta’kidlaydi. Hatto rivojlangan HCC bilan og‘rigan bemorlarning bir qismida ham AFP normal bo‘lib qolishi mumkin; benign jigar kasalliklari ham AFPning ko‘tarilishiga olib kelishi mumkin.

Shu sababli AFPning yuqori bo‘lishi har doim saraton degani emas, normal AFP darajasi ham HCCni qat’iy istisno qilmaydi. Tadqiqotda o‘rganilgan gen imzosi nazariy jihatdan bitta oqsilga asoslangan ko‘rsatkichdan ko‘ra o‘sma biologiyasining kengroq naqshini qamrab olishni maqsad qiladi.

Biroq tadqiqot 24 genli panelni AFP bilan bevosita taqqoslamagan. AFP bilan birga ishlatilganda qo‘shimcha foyda berish-bermasligi ham sinovdan o‘tkazilmagan. Demak, tadqiqot 24 genli panel AFPdan ustun ekanligini ko‘rsatmaydi.

Foydalanilgan ma’lumot manbalari

Tadqiqotda bitta TCGA kohorti va uchta GEO ma’lumotlar to‘plami ishlatilgan:

To‘rtta ma’lumotlar to‘plamida jami 738 ta namuna mavjud. Biroq bu namunalarning barchasi birlashtirilib bitta mashinaviy o‘rganish modeli tuzilmagan. GEO kohortlari umumiy differensial genlarni aniqlash uchun ishlatilgan; tasniflash modeli esa TCGA-LIHC kohortida ishlab chiqilib, ayni kohort ichidan ajratilgan test to‘plamida baholangan.

Bu farq juda muhim. GEO ma’lumotlaridan gen tanlashda foydalanilgani 24 genli tasniflagich GEO kohortlarida tashqi validatsiyadan o‘tganini anglatmaydi.

Tadqiqotning tahlil jarayoni

Tadqiqot sxemasida jarayon quyidagi tartibda davom etadi:

1. TCGA-LIHC va GEO gen ifodasi ma’lumotlarini olish,
2. Har bir ma’lumotlar to‘plamida o‘sma-normal differensial gen ifodasi tahlili,
3. To‘rtta ma’lumotlar to‘plamida umumiy bo‘lgan 251 genni aniqlash,
4. Boruta algoritmi yordamida 251 gendan muhim xususiyatlarni tanlash,
5. 79 tasdiqlangan gen bilan tasodifiy o‘rmon tasniflagichini qurish,
6. 79 genning umumiy omon qolish bilan bog‘liqligini GEPIA2 orqali tekshirish,
7. P<0,05 bo‘lgan 24 genni yakuniy imzoga kiritish,
8. 24 genning o‘sma-normal ekspressiya farqlarini baholash,
9. 24 genli imzo bilan ikkinchi tasodifiy o‘rmon modelini qurish,
10. Genlarning biologik funksiyalarini mavjud adabiyotlar asosida talqin qilish.

Differensial gen ifodasi nimani anglatadi?

Genning “differensial ifodalangan” deb aytilishi, o‘sha genga tegishli RNK miqdori taqqoslanayotgan ikki guruh o‘rtasida statistik va biologik jihatdan mazmunli farq ko‘rsatishini anglatadi. Ushbu tadqiqotda o‘sma to‘qimasi normal jigar to‘qimasi bilan taqqoslangan.

Gen ifodasi o‘zgarishining asosiy ko‘rsatkichlaridan biri fold change, ya’ni martalik o‘zgarishdir. Tushuntirish maqsadida ishlatiladigan asosiy munosabat quyidagicha:

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

Bu yerda log₂FC ikki asosli logarifmik martalik o‘zgarishdir.

• log₂FC=1, o‘sma guruhidagi ifoda taxminan ikki baravar yuqori ekanini ko‘rsatadi.
• log₂FC=-1, o‘sma guruhidagi ifoda normal guruhdagi ifodaning taxminan yarmiga teng ekanini ko‘rsatadi.
• Ijobiy qiymatlar yuqoriga regulyatsiyani, salbiy qiymatlar pastga regulyatsiyani bildiradi.

TCGA-LIHC tahlilida genlarni ahamiyatli deb hisoblash uchun yolg‘on kashfiyot darajasi FDR<0,01 va mutlaq log fold change |logFC|>1,5 bo‘lishi sharti qo‘llangan.

FDR minglab gen bir vaqtda tekshirilganda yuzaga kelishi mumkin bo‘lgan yolg‘on musbat natijalarni nazorat qilishni maqsad qiladi. Genning xom P qiymati past bo‘lsa ham, testlar soni ko‘p bo‘lganda ayrim natijalar faqat tasodif sababli ahamiyatli ko‘rinishi mumkin.

TCGA-LIHC ma’lumotlari qanday qayta ishlangan?

TCGA-LIHC ma’lumotlari TCGAbiolinks R paketi yordamida qayta ishlangan. Tadqiqotda bildirilgan bosqichlar quyidagilar:

• Korrelyatsiya chegarasi 0,6 dan foydalanib past sifatli namunalarni filtrlash,
• Genlarning GC tarkibidan kelib chiqishi mumkin bo‘lgan texnik farqlarni normallashtirish,
• 0,25 kvantil chegarasi bilan past o‘zgaruvchanlik ko‘rsatgan genlarni chiqarib tashlash,
• Normal va o‘sma to‘qimalarini taqqoslash,
• FDR<0,01 va |logFC|>1,5 chegaralarini qo‘llash.

Ushbu tahlil natijasida TCGA-LIHC kohortida 4.412 ta differensial gen aniqlandi. Ulardan 3.687 tasi o‘sma to‘qimasida yuqoriroq, 725 tasi esa pastroq ifodalangan.

GEO ma’lumotlar to‘plamlari qanday tahlil qilingan?

Uchta GEO ma’lumotlar to‘plamida DESeq2 ishlatilgan. Avval barcha namunalarda umumiy o‘qish soni 100 dan kam bo‘lgan past hisobli genlar chiqarib tashlangan, so‘ng manfiy binomial taqsimotga asoslangan umumlashtirilgan chiziqli model qo‘llangan.

DESeq2da ishlatiladigan asosiy hisoblash modeli tushuntirish maqsadida quyidagicha ko‘rsatilishi mumkin:

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

Bu yerda:

• K_ij, i genining j namunasidagi RNK o‘qish sonidir.
• NB, manfiy binomial taqsimotni anglatadi.
• μ_ij, kutilayotgan o‘rtacha hisobdir.
• α_i, genga xos dispersiya yoki tarqalish parametridir.

GEO tahlillarida tuzatilgan P<0,05 chegarasi ishlatilgan. Shuningdek, tartiblangan genlar ro‘yxati va ishonchli ta’sir kattaligi baholari uchun deseq2 confects funksiyasi 0,5 qadam qiymati bilan qo‘llangan.

To‘rtta ma’lumotlar to‘plamidagi differensial genlar soni

Ma’lumotlar to‘plamlari o‘rtasidagi differensial genlar sonining nihoyatda farq qilishi e’tiborga loyiq. GSE62232da 16.290 gen ahamiyatli deb topilgan bo‘lsa, GSE112790da atigi 131 gen topilgan. Bu farq namuna hajmi, o‘lchash platformasi, ma’lumot sifati, bemor xususiyatlari, normallashtirish, o‘sma geterogenligi va qo‘llangan chegaralar bilan bog‘liq bo‘lishi mumkin.

Tadqiqot turli ma’lumotlar to‘plamlarida turli ahamiyatlilik shartlarini qo‘llagan. TCGAda ham FDR, ham sezilarli fold change chegarasi mavjud bo‘lsa, GEO bo‘limida tuzatilgan P qiymati asos qilib olingan. Bu farq ma’lumotlar to‘plamlari orasidagi gen soni va umumiy genlar to‘plamiga ta’sir qilishi mumkin.

Vulkan grafiklari nimani ko‘rsatdi?

Vulkan grafiklari har bir genning ifoda o‘zgarishi va statistik ahamiyatini bir tekislikda ko‘rsatadi. Gorizontal o‘q log fold change’ni, vertikal o‘q esa odatda P qiymatining manfiy logarifmini ifodalaydi.

Grafiklarda:

• Yashil nuqtalar o‘sma to‘qimasida yuqoriga regulyatsiya qilingan genlarni,
• Qizil nuqtalar pastga regulyatsiya qilingan genlarni,
• Qora nuqtalar ahamiyatli deb hisoblanmagan genlarni ko‘rsatadi.

Grafikning yuqori o‘ng qismidagi genlar o‘smada yuqoriroq va statistik jihatdan kuchli farq ko‘rsatsa, yuqori chap qismidagilar o‘smada pastroq ifodalangan kuchli nomzodlardir.

251 ta umumiy gen qanday aniqlandi?

TCGA-LIHC, GSE57957, GSE62232 va GSE112790da differensial ifodalangan genlar Venny vositasi yordamida kesishma qilib olindi. To‘rtta ma’lumotlar to‘plamining umumiy qismida 251 ta gen topildi.

Genning to‘rtta mustaqil ma’lumot manbasida ham differensial ifodalanishi bitta ma’lumotlar to‘plamiga xos texnik yoki namuna bilan bog‘liq natijalarni kamaytirishga qaratilgan. Biroq umumiylikning o‘zi gen HCCga xos ekanini anglatmaydi. Xuddi shu gen boshqa saratonlarda, yallig‘lanishda, fibrozda yoki tez hujayra ko‘payishida ham o‘zgarishi mumkin.

Boruta algoritmi bilan xususiyat tanlash

251 ta umumiy genning barchasini modelga kiritish namuna soniga nisbatan juda ko‘p o‘zgaruvchidan foydalanish sababli ortiqcha moslashish xavfini oshirishi mumkin. Shu sababli tadqiqotchilar Boruta algoritmini tasodifiy o‘rmon modeli bilan birga qo‘lladilar.

Boruta har bir haqiqiy o‘zgaruvchining tasodifiy aralashtirilgan “soya” nusxalarini yaratadi. Haqiqiy genning modeldagi ahamiyati tasodifiy soya xususiyatlaridan doimiy ravishda yuqori bo‘lsa, gen tasdiqlangan xususiyat sifatida qabul qilinadi.

251 genning Boruta natijasi quyidagicha:

• 79 gen: Tasdiqlangan xususiyat
• 13 gen: Noaniq yoki vaqtinchalik xususiyat
• 159 gen: Rad etilgan xususiyat

Borutaning asosiy maqsadi eng kichik genlar to‘plamini topish emas, balki natija bilan bog‘liq bo‘lishi mumkin bo‘lgan barcha ahamiyatli xususiyatlarni saqlashdir. Shu sababli 79 genli to‘plam hali ham keng.

Tasodifiy o‘rmon modeli qanday ishlaydi?

Tasodifiy o‘rmon ko‘plab qaror daraxtlaridan tashkil topgan ansambl modelidir. Har bir daraxt ma’lumot namunalarining va genlarning tasodifiy kichik to‘plamlari bilan o‘qitiladi. Yakuniy sinf daraxtlarning ko‘pchilik ovozi orqali belgilanadi.

Tushuntirish maqsadida tasniflash qarori quyidagi asosiy munosabat bilan ko‘rsatilishi mumkin:

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

Bu yerda:

• x, to‘qima namunasining gen ifodasi profilidir.
• T_b, har bir qaror daraxtining normal yoki o‘sma prognozidir.
• B, daraxtlarning umumiy sonidir.
• ŷ, ko‘pchilik ovozi bilan aniqlangan yakuniy sinfdir.

Tadqiqot ishlatilgan daraxtlar soni, daraxt chuqurligi, har bir bo‘linishda baholangan genlar soni, sinf vaznlari va tasodifiy boshlang‘ich qiymatni batafsil bermaydi. Bu kamchilik modelni aynan qayta yaratishni qiyinlashtiradi.

79 genli birinchi modelning ishlashi

TCGA-LIHC ma’lumotlari tasodifiy ravishda %80 o‘quv va %20 test to‘plamiga ajratildi:

79 genli model o‘quv to‘plamidagi barcha namunalarni to‘g‘ri tasnifladi. Test to‘plamida esa 85 namunadan 84 tasi to‘g‘ri, bittasi noto‘g‘ri tasniflangan. Xabar qilingan umumiy aniqlik %98,8.

Chalkashlik matritsasida 10 ta normal namunaning barchasi normal, 75 ta o‘sma namunasining 74 tasi o‘sma va bittasi normal deb ko‘rsatilgan. Demak, noto‘g‘ri tasniflangan yagona namuna o‘sma namunasidir.

Jadvaldagi sinf bo‘yicha precision va recall qiymatlari bilan chalkashlik matritsasidagi kataklar o‘rtasida yo‘nalishli talqin noaniqligi mavjud. Matritsaning qator va ustunlari haqiqiy va bashorat qilingan sinflar sifatida qanday belgilanganiga qarab precision bilan recall qiymatlari o‘rin almashgandek ko‘rinadi. Bu hisobot masalasi yakuniy talqinlarni o‘zgartirmasa-da, metrikalarni qayta tekshirishni talab qiladi.

Aniqlik, precision, sezgirlik va F1 ko‘rsatkichi

Quyidagi formulalar tadqiqotda ochiq yozilmagan, ular xabar qilingan samaradorlik ko‘rsatkichlari nimani anglatishini tushuntirish maqsadida qo‘shilgan:

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

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

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

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

Bu yerda:

• TP: To‘g‘ri ravishda o‘sma deb tasniflangan o‘sma namunalari,
• TN: To‘g‘ri ravishda normal deb tasniflangan normal namunalar,
• FP: Noto‘g‘ri ravishda o‘sma deb aytilgan normal namunalar,
• FN: Noto‘g‘ri ravishda normal deb aytilgan o‘sma namunalaridir.

Saraton tashxisida faqat umumiy aniqlik yetarli emas. Agar normal namunalar soni kam bo‘lsa, model barcha namunalarni o‘sma deb tasniflash orqali ham yuqori aniqlikka erishishi mumkin. Shu sababli sinf taqsimoti, sezgirlik, o‘ziga xoslik, musbat bashorat qiymati va mustaqil validatsiya birgalikda baholanishi kerak.

Umumiy omon qolish bilan bog‘liq 24 gen

Boruta tanlagan 79 gen GEPIA2 orqali omon qolish tahliliga kiritildi. Har bir gen uchun bemorlar median ifoda darajasiga ko‘ra yuqori va past ifoda guruhlariga ajratildi, Kaplan-Meier egri chiziqlari tuzildi va log-rank testi qo‘llandi.

P<0,05 bo‘lgan 24 gen yakuniy imzoga kiritildi:

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

Kaplan-Meier tahlili nimani o‘lchaydi?

Kaplan-Meier usuli ma’lum vaqtgacha tirik qolish ehtimolini baholaydi. Asosiy munosabat tushuntirish maqsadida quyidagicha:

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

Bu yerda:

• S(t), t vaqtigacha omon qolish ehtimolidir.
• d_i, tegishli vaqtda yuz bergan o‘limlar sonidir.
• n_i, o‘sha paytda xavf ostida bo‘lgan bemorlar sonidir.

Log-rank testi yuqori va past gen ifodasiga ega guruhlarning omon qolish egri chiziqlari o‘rtasida statistik farq bor-yo‘qligini baholaydi.

Biroq P<0,05 topilishi gen omon qolishga bevosita ta’sir qiladi yoki mustaqil prognostik omil hisoblanadi, degani emas. Gen ifodasi o‘sma bosqichi, gistologik daraja, tomir invaziyasi yoki boshqa agressiv biologik xususiyatlar bilan birga o‘zgarishi mumkin.

Ko‘p martalik omon qolish testlarining ahamiyati

Jami 79 gen uchun alohida omon qolish testi o‘tkazilgan. Matnda bu testlar uchun FDR yoki boshqa ko‘p taqqoslash tuzatmasi qo‘llangani aytilmagan.

Ko‘p sonli gipotezalar bir vaqtda tekshirilganda faqat P<0,05 chegarasidan foydalanish ayrim genlarning tasodifan ahamiyatli ko‘rinish ehtimolini oshiradi. Shu sababli 24 genli prognostik to‘plam mustaqil kohortlarda va tuzatilgan ko‘p o‘zgaruvchili Cox modellarida qayta tasdiqlanishi kerak.

24 genning o‘sma va normal to‘qimadagi ifoda yo‘nalishlari

Yakuniy imzodagi 24 genning 20 tasi o‘sma to‘qimasida yuqoriroq, to‘rttasi pastroq ifodalangan.

Quti grafiklarida ko‘plab yuqoriga regulyatsiya qilingan genlar uchun normal va o‘sma namunalarining ifoda taqsimotlari aniq ajraladi. CCL23, COL25A1 va RANBP3Lda normal to‘qimadagi ifoda yuqoriroq ko‘rinadi. DIRAS2 ham pastga regulyatsiya qilingan gen sifatida tasniflangan; biroq uning taqsimotida namunalar orasida o‘zgaruvchanlik mavjud.

24 genli modelning xabar qilingan diagnostik samaradorligi

24 genli imzo bilan qurilgan ikkinchi tasodifiy o‘rmon modeli ham o‘quv, ham test to‘plamidagi barcha namunalarni to‘g‘ri tasnifladi:

ROC grafigida egri chiziq ostidagi maydon AUC=1,00 sifatida ko‘rsatilgan. AUCning asosiy talqini tasodifiy tanlangan o‘sma namunasi tasodifiy tanlangan normal namunadan yuqoriroq model ballini olish ehtimolidir.

AUC=1,00 o‘rganilgan test to‘plamida mukammal ajratishni anglatadi. Biroq bu qiymat model yangi bemorlarda ham mukammal ishlashini ko‘rsatmaydi.

Nega mukammal samaradorlik ehtiyotkorlik bilan talqin qilinishi kerak?

Maqolaning o‘zi ham mukammal samaradorlik ortiqcha moslashish xavotirini tug‘dirishini tan oladi. Bu xavotirning bir nechta texnik sababi bor.

Test to‘plami kichik

Test to‘plamida atigi 85 ta namuna va ularning ichida faqat 10 ta normal jigar namunasi mavjud. Bitta normal namunaning noto‘g‘ri tasniflanishi normal sinf samaradorligini sezilarli darajada o‘zgartiradi.

Sinflar nomutanosib

TCGA-LIHC kohortida 371 ta o‘sma namunasi bilan solishtirganda atigi 50 ta normal namuna bor. Bu nomutanosiblik modelni o‘qitish va samaradorlik ko‘rsatkichlariga ta’sir qilishi mumkin. Tadqiqotda sinf vazni, muvozanatlash yoki stratifikatsiyalangan namuna olish tafsilotlari berilmagan.

Tashqi validatsiya o‘tkazilmagan

GEO kohortlari umumiy genlarni topish uchun ishlatilgan, ammo 24 genli tasodifiy o‘rmon tasniflagichi ushbu mustaqil kohortlarda sinovdan o‘tkazilmagan. Modelning faqat TCGA ichidan ajratilgan test qismida baholanishi ichki validatsiyadir.

Ehtimoliy ma’lumotlar sizib chiqishi yetarlicha tushuntirilmagan

Matn 251 ta umumiy gen va Boruta xususiyatlari butun TCGA-LIHC ma’lumotlari yordamida tanlanganini, undan keyin ma’lumotlar to‘plami %80-%20 ga ajratilganini anglatadigan ish jarayonini taqdim etadi. Agar xususiyat tanlash test namunalarini ham ko‘rgandan keyin bajarilgan bo‘lsa, test to‘plamidagi axborot bilvosita modelga sizib kirgan bo‘lishi mumkin.

Ishonchli baholashda ma’lumot avval o‘quv va test qismlariga ajratiladi; normallashtirish, xususiyat tanlash, Boruta va giperparametr sozlash faqat o‘quv to‘plamida bajariladi. Test to‘plamiga oxirgi bosqichgacha umuman tegilmaydi. Tadqiqot bu jarayonlar bir-biriga aralashgan yoki mustaqil tarzda bajarilganini aniq ko‘rsatmaydi.

Faqat bitta tasodifiy bo‘linish ishlatilgan

Model samaradorligi bitta %80-%20 bo‘linishga asoslangandek ko‘rinadi. Turli tasodifiy bo‘linishlarda, takrorlangan kross-validatsiyada yoki bootstrap namunalarida samaradorlik qanday o‘zgarishi xabar qilinmagan.

Normal taqqoslash klinik jihatdan cheklangan

Model o‘sma to‘qimasini normal jigar to‘qimasidan ajratdi. Klinik amaliyotdagi murakkabroq savol kichik HCC o‘chog‘ini sirroz, displastik tugun, regenerativ tugun, gepatit yoki benign jigar o‘smalaridan ajratishdir. Bu guruhlar modelda sinovdan o‘tkazilmagan.

Bu panel qon testimi?

Yo‘q. Tadqiqotda ishlatilgan ma’lumotlar jigar to‘qimalaridagi RNK ifoda darajalaridan olingan. Shuning uchun 24 genli imzo hozirgi ko‘rinishida zardob, plazma yoki boshqa suyuq biopsiya testi emas.

To‘qimaga asoslangan paneldan klinik tashxisda foydalanish uchun odatda biopsiya yoki jarrohlik materiali kerak bo‘ladi. Erta HCC skriningidagi asosiy ehtiyoj esa ko‘pincha o‘sma to‘qimasiga yetib bormasdan kasallikni aniqlashdir.

Bu panelni qon testiga aylantirish uchun tegishli RNKlar aylanib yuruvchi hujayrasiz RNK, o‘sma kelib chiqishli ekzosoma yoki aylanib yuruvchi o‘sma hujayralarida ishonchli tarzda o‘lchanishi mumkinligi ko‘rsatilishi kerak. Ushbu tadqiqotda bunday tahlil o‘tkazilmagan.

Gen imzosining biologik mavzulari

Tadqiqotchilar 24 genni saraton biologiyasining uchta keng yo‘nalishi doirasida talqin qildilar:

• Genomik beqarorlik va DNK shikastlanishiga javob,
• Hujayra sikli va xromosoma ajralishining buzilishi,
• O‘sma mikroatrofi va hujayradan tashqari matriksning qayta tashkil etilishi.

DNK ta’miri va genomik beqarorlik

DNK ta’mirlash genlarining yuqori ifodasi bir qarashda o‘smani bostiruvchi holatdek ko‘rinishi mumkin. Normal hujayralarda DNK ta’miri genom yaxlitligini saqlaydi. Biroq saraton hujayralarida kuchli DNK ta’miri hujayralarga yuqori replikatsiya stressi va DNK shikastlanishiga qaramay yashab qolishga yordam berishi mumkin.

Shu sababli bir xil yo‘l normal to‘qimada himoya qiluvchi, rivojlangan o‘smada esa davolashga qarshilik yoki shikastga chidamlilikni qo‘llab-quvvatlovchi rol o‘ynashi mumkin. Tadqiqot bu genlar funksiyasini tajribada o‘zgartirmagani uchun bu mexanizm bevosita isbotlanmagan.

Hujayra sikli va xromosoma ajralishi

Hujayra sikli nazorat nuqtalari shikastlangan yoki nuqsonli DNKga ega hujayraning bo‘linishini to‘xtatishga qaratilgan. Bu tizimlardagi buzilish xromosomalarning noto‘g‘ri sonda yoki noto‘g‘ri tarzda qiz hujayralarga taqsimlanishiga olib kelishi mumkin.

Xromosomal beqarorlik o‘sma ichidagi geterogenlikni oshirishi mumkin. Bir xil o‘sma ichida turli genetik xususiyatlarga ega hujayra kichik guruhlari hosil bo‘lganda, kasallik rivoji, metastaz va davolashga qarshilik murakkablashishi mumkin.

Hujayradan tashqari matriks va kollagen genlari

Hujayradan tashqari matriks o‘sma hujayralarini o‘rab turadigan kollagen, glikoprotein va boshqa strukturaviy molekulalardan tashkil topgan tarmoqdir. Bu tarmoq faqat jismoniy tayanch bermaydi; hujayra harakati, o‘sish signallari, tomir hosil bo‘lishi va immun hujayralarining kirishiga ham ta’sir qilishi mumkin.

Sirrotik jigarda allaqachon kuchli fibroz va matriks o‘zgarishi mavjud. HCC hujayralari bu muhitning mexanik va biokimyoviy xususiyatlaridan foydalanib invaziya va tarqalish qobiliyatini oshirishi mumkin.

Hujayra harakati, sitoskelet va epitelial-mezenximal o‘tish

Epitelial-mezenximal o‘tish epitelial xususiyatlarga ega o‘sma hujayralarining hujayralararo bog‘lanishlarini kamaytirib, ko‘proq harakatchan va invaziv xususiyatlar olishini ifodalovchi biologik dasturdir. Bu jarayon metastaz bilan bog‘liq bo‘lishi mumkin; ammo bitta genning yuqori ifodasi o‘z-o‘zidan bemorda metastaz rivojlanishini ko‘rsatmaydi.

Boshqa genlar va ma’lumoti cheklangan nomzodlar

SNHG4 uzoq kodlamaydigan RNK sifatida rivojlangan kasallik va yomon omon qolish bilan bog‘langan. TMC7, KIAA1841, CREG2 va PLK4 ilgari turli prognostik imzolarda uchragan bo‘lsa-da, ayrim genlarning HCCdagi bevosita funksiyasi yetarlicha tavsiflanmagan.

BAIAP2L2 ham yakuniy imzoga kiradi, biroq tadqiqotda uning HCCga xos funksional roli batafsil tajribalar bilan ko‘rsatilmagan.

Pastga regulyatsiya qilingan genlardan CCL23ning yo‘qolishi, tadqiqotdagi adabiyot talqiniga ko‘ra, CCR1/AKT/ESR1 signalining o‘smani bostiruvchi ta’sirini kamaytirishi mumkin. RANBP3L va DIRAS2 esa ehtimoliy o‘sma bostiruvchi nomzodlar sifatida baholangan; biroq ularning jigar saratonidagi funksiyasi bevosita tasdiqlanmagan.

24 genli panel haqiqatan prognostikmi?

Tadqiqot har bir gen uchun yuqori va past ifoda guruhlari o‘rtasida umumiy omon qolish farqi topilganini xabar qiladi. Bu genlarning prognostik nomzod ekanini ko‘rsatadi. Biroq ularni klinik prognostik biomarker deb qabul qilish uchun ko‘proq dalil kerak.

Tadqiqotda quyidagi tahlillar taqdim etilmagan:

• O‘sma bosqichiga moslashtirilgan Cox regressiyasi,
• Jigar funksiyasi sinfi yoki sirroz holatiga moslashtirish,
• Virusli gepatit holati bo‘yicha kichik guruh tahlili,
• Tomir invaziyasi, o‘sma soni yoki hajmiga moslashtirish,
• Davolash turini modelga kiritish,
• 24 genni bitta xavf balliga birlashtiradigan aniq matematik formula,
• Xavf balli bo‘yicha past va yuqori xavf guruhlarining mustaqil validatsiyasi,
• C-indeks, vaqtga bog‘liq ROC yoki kalibratsiya tahlili.

Shu sababli “24 genli prognostik imzo” iborasi hozircha har bir genning omon qolish bilan alohida bog‘liq topilganiga asoslanadi. Klinik qo‘llash uchun aniqlangan, vaznlari belgilangan va tashqi kohortda tasdiqlangan prognostik ball hali taqdim etilmagan.

Kundalik hayot va klinik amaliyot nuqtai nazaridan ehtimoliy ma’nosi

Bunday tadqiqotlarning uzoq muddatli maqsadi jigar saratonining molekulyar xilma-xilligini o‘lchanadigan imzoga aylantirishdir. Kelajakda tasdiqlangan gen paneli quyidagi sohalarda baholanishi mumkin:

• Shubhali jigar to‘qimasining o‘sma ekanini tasdiqlashga yordam berish,
• Agressiv biologik xususiyatga ega o‘smalarni ajratish,
• Qaytalanish yoki o‘lim xavfi yuqori bemorlar uchun kuzatuv intensivligini belgilash,
• Muayyan DNK ta’mirlash yoki hujayra sikli yo‘llariga qaratilgan tadqiqotlarni yo‘naltirish,
• AFP va tasvirlash kabi mavjud usullarga qo‘shimcha molekulyar axborot berish.

Biroq bu imkoniyatlarning hech biri mavjud tadqiqotda klinik jihatdan sinovdan o‘tkazilmagan. Tadqiqot bemor boshqaruvini o‘zgartiruvchi prospektiv amaliy sinov emas.

Tadqiqotning kuchli tomonlari

• Bitta TCGA va uchta GEO ma’lumotlar to‘plamidagi umumiy differensial genlarga e’tibor qaratilgan.
• Bitta ma’lumotlar to‘plamiga xos nomzodlarni kamaytirish uchun to‘rtta ma’lumot manbasining kesishmasi ishlatilgan.
• Statistik differensial ifoda, mashinaviy o‘rganish va omon qolish tahlili bitta jarayonda birlashtirilgan.
• Boruta usuli bilan tasodifiy soya xususiyatlariga nisbatan o‘zgaruvchi ahamiyati baholangan.
• 79 genli keng to‘plam omon qolish bilan bog‘liqlik asosida 24 genga qisqartirilgan.
• Yakuniy genlarning o‘sma va normal to‘qimadagi ifoda yo‘nalishlari alohida ko‘rsatilgan.
• Genlar DNK ta’miri, hujayra sikli va matriks biologiyasi kabi mazmunli funksional guruhlarda talqin qilingan.
• Foydalanilgan ma’lumot manbalari ochiq.
• Tadqiqot o‘z matnida ortiqcha moslashish va tashqi validatsiya zarurligini tan oladi.

Tadqiqotning cheklovlari

• Ekspert taqrizi yo‘q: Tadqiqot preprintdir.
• Retrospektiv dizayn: Ochiq ma’lumotlar bazalarida avval to‘plangan namunalarga asoslangan.
• Tashqi model validatsiyasi yo‘q: 24 genli tasniflagich mustaqil GEO kohortlarida sinovdan o‘tkazilmagan.
• Kichik test to‘plami: Test to‘plamida atigi 10 ta normal va 75 ta o‘sma namunasi mavjud.
• Sinf nomutanosibligi: TCGA kohortida normal to‘qima soni o‘sma sonidan ancha kam.
• Mukammal samaradorlik: %100 test muvaffaqiyati ortiqcha moslashish yoki ma’lumotlar sizib chiqishi ehtimolini keltirib chiqaradi.
• Tahlil ketma-ketligi noaniq: Xususiyat tanlash va omon qolish filtri o‘quv to‘plami ichidami yoki butun ma’lumotlar bo‘yicha amalga oshirilgani yetarlicha tushuntirilmagan.
• Bitta ma’lumot bo‘linishi: Takroriy kross-validatsiya yoki mustaqil validatsiya xabar qilinmagan.
• Giperparametr tafsilotlari cheklangan: Tasodifiy o‘rmon modelining to‘liq sozlamalari berilmagan.
• Normal to‘qima taqqoslanishi: Sirroz, gepatit, displastik tugun va benign o‘smalardan farqlash samaradorligi sinovdan o‘tkazilmagan.
• To‘qimaga asoslangan ma’lumot: Tadqiqot qon yoki suyuq biopsiya testini ishlab chiqmagan.
• Omon qolish tahlillari bir o‘zgaruvchili: Bosqich va boshqa klinik omillarga moslashtirilgan natijalar yo‘q.
• Ko‘p test tuzatmasi ko‘rsatilmagan: 79 ta omon qolish testi uchun faqat P<0,05 chegarasi ishlatilgan.
• Xavf balli formulasi yo‘q: 24 genni birlashtiradigan vaznli prognostik ball taqdim etilmagan.
• AFP bilan taqqoslash yo‘q: Panel AFPdan ustun yoki AFPga qo‘shimcha foydali ekanligi sinovdan o‘tkazilmagan.
• Klinik geterogenlik cheklangan tarzda ko‘rib chiqilgan: Gepatit holati, sirroz sababi, o‘sma bosqichi va molekulyar kichik turlar baholanmagan.
• Eksperimental validatsiya yo‘q: Genlarning funksiyalari hujayra, organoid yoki hayvon modellarida sinovdan o‘tkazilmagan.
• Ayrim genlar yetarlicha tavsiflanmagan: COL25A1, TMC7, KIAA1841 va BAIAP2L2 kabi nomzodlarning HCCdagi roli noaniq.

Tadqiqot nima deydi?

• To‘rtta ma’lumotlar to‘plamida umumiy tarzda differensial ifodalangan 251 ta gen topilgan.
• Boruta tahlili ushbu genlarning 79 tasini muhim xususiyat sifatida tanlagan.
• TCGA-LIHC ichidagi tasodifiy o‘rmon modeli 79 gen bilan juda yuqori ichki test samaradorligini ko‘rsatgan.
• Yetmish to‘qqiz genning 24 tasi bir o‘zgaruvchili omon qolish tahlilida P<0,05 bilan umumiy omon qolishga bog‘liq topilgan.
• Yakuniy imzoda 20 ta yuqoriga va to‘rtta pastga regulyatsiya qilingan gen mavjud.
• 24 genli model TCGA ichki test to‘plamidagi barcha namunalarni to‘g‘ri tasniflagan.
• Genlar DNK ta’miri, hujayra sikli, xromosomal beqarorlik, matriks qayta tashkil etilishi va hujayraviy signal jarayonlarida guruhlangan.
• Imzo mustaqil validatsiyani talab qiladigan diagnostik va prognostik nomzoddir.

Tadqiqot nima demaydi?

• Panel klinik qo‘llashga tayyor ekanini ko‘rsatmaydi.
• Panel qon namunasidan o‘lchanishi mumkinligini ko‘rsatmaydi.
• Erta bosqichdagi HCCni sirroz yoki benign jigar kasalligidan ajrata olishini isbotlamaydi.
• %100 samaradorlik yangi bemorlarda takrorlanishini isbotlamaydi.
• 24 gen HCCga sabab bo‘lishini ko‘rsatmaydi.
• Genlar o‘sma bosqichidan mustaqil prognostik qiymatga ega ekanini isbotlamaydi.
• Panel AFPdan ustun ekanini yoki AFP o‘rnini bosa olishini ko‘rsatmaydi.
• Hech bir gen tasdiqlangan davolash nishoni ekanini ko‘rsatmaydi.
• Ushbu genlarga yo‘naltirilgan davolashlar bemor omon qolishini oshirishini sinovdan o‘tkazmaydi.
• Klinik qaror, davolash tanlovi yoki xavfsizlik kafolatini bermaydi.

Tadqiqot usuli va natijalari

Texnik usul xulosasi

24 genli imzoning texnik xulosasi

Asosiy topilmalarning tartibli xulosasi

Manba va usul haqida izoh

Ushbu mazmun Oluwafemi Ogundare tomonidan tayyorlangan “A 24-Gene Signature with Diagnostic and Prognostic Value in Hepatocellular Carcinoma: An Integrative RNA-seq and Machine Learning Analysis” nomli tadqiqotga asoslangan.

Tadqiqot SSRNda e’lon qilingan preprintdir. Matnda aniq “This preprint research paper has not been peer reviewed” degan ibora mavjud. Demak, tadqiqot mustaqil ekspert taqrizidan o‘tmagan va keyingi versiyalarda usul, natija yoki talqinlar o‘zgarishi mumkin.

Tadqiqot yangi bemorlar jalb qilingan klinik tadqiqot, in vitro tajriba, hayvon tadqiqoti yoki prospektiv diagnostik test emas. Bu TCGA-LIHC va GEO ma’lumotlar bazalarida mavjud bo‘lgan avvalgi gen ifodasi ma’lumotlarining hisoblash tahlilidir. Foydalanilgan ma’lumotlar ochiq bo‘lgani uchun alohida etik kengash tasdig‘i va ishtirokchi roziligi qo‘llanilmasligi qayd etilgan.

Tadqiqotning yagona muallifi Oluwafemi Ogundare. Muallif tadqiqot dizayni, tahlil, talqin va maqola tayyorlashning barchasi uchun javobgar ekanini bildirgan. Muayyan moliyalashtirish yordami bo‘lmagani ko‘rsatilgan. Muallif ushbu tadqiqotga aloqador bo‘lmagan patentga ega ekanini va bu tadqiqotga ta’sir qilmaganini ma’lum qilgan.

24 genli modelning %100 ichki test samaradorligi mustaqil klinik validatsiya sifatida talqin qilinmasligi kerak. Test to‘plamining kichikligi, normal-o‘sma nomutanosibligi, tashqi validatsiya yo‘qligi va tahlil oqimidagi ehtimoliy ma’lumotlar sizib chiqishi yetarlicha tushuntirilmagani sababli natijalar kashfiy xarakterga ega.

Panel to‘qima RNK ifoda ma’lumotlariga asoslangan; hozirgi holatida qon testi emas. Uni erta tashxis, klinik skrining, davolash tanlovi yoki omon qolishni prognozlash uchun ishlatish mumkin bo‘lishi uchun mustaqil kohortlarda, turli kasallik bosqichlarida, sirrotik va benign jigar to‘qimalarida, AFP va klinik o‘zgaruvchilar bilan taqqoslab tasdiqlash zarur.

Ushbu mazmun faqat yuklangan PDFdagi usul, rasm, jadval, genlar ro‘yxati, sonli natijalar, adabiyot talqini va cheklovlarga asoslanib tayyorlangan. Tadqiqotda mavjud bo‘lmagan klinik muvaffaqiyat, aniq tashxis, davolash nishoni, qon testi, omon qolish kafolati yoki sababiy biologik mexanizm da’vosi qo‘shilmagan. :contentReference[oaicite:1]{index=1}