收稿日期: 2024-12-25
网络出版日期: 2025-04-23
基金资助
河北省科技厅重点研发计划项目(22377786D);河北省省自然科学精准医学联合基金项目(H2022405029);河北省卫计委医学科学研究重点课题计划(20250886);张家口市科技局指导性项目(2421090D)
Application of multi⁃omics and artificial intelligence in the prediction and diagnosis of liver metastases in colorectal cancer
Received date: 2024-12-25
Online published: 2025-04-23
结直肠癌是全球癌症相关发病率和病死率的主要原因之一，肝转移显著影响患者的预后。传统的诊断方法，如影像学检查和生物标志物检测，往往缺乏足够的敏感性和特异性，凸显了对更精确技术的需求。近年来，基因组学、转录组学、蛋白质组学、代谢组学和表观遗传学等技术的出现彻底改变了对结直肠癌生物学机制的理解。这些方法能够全面分析基因突变、基因表达、蛋白质变化和代谢重编程，所有这些因素均参与了转移过程的形成。本文围绕人工智能技术在分析复杂的多组学数据、提高诊断准确性以及协助个性化治疗策略方面的先进的能力，探讨了AI在多组学分析的数据质量、模型可解释性和临床转化方面的挑战，以及单细胞测序和空间组学等新兴技术结合大规模、多中心的研究进一步增强这些工具的临床应用的未来方向。
王立坤 , 郝琦 , 金炜涵 , 董时正 , 武雪亮 , 胡晓峰 , 武亮 , 荀敬 , 马洪庆 . 多组学与人工智能在预测和诊断结直肠癌肝转移中的应用[J]. 实用医学杂志, 2025 , 41(7) : 1070 -1078 . DOI: 10.3969/j.issn.1006-5725.2025.07.021
Colorectal cancer stands as a leading cause of cancer?related morbidity and mortality globally， with liver metastases being a significant determinant of patient prognosis. Conventional diagnostic methods， including imaging studies and biomarker testing， frequently exhibit inadequate sensitivity and specificity， underscoring the necessity for more advanced technologies. Recent advancements in genomics， transcriptomics， proteomics， metabolomics， and epigenomics have revolutionized our understanding of the biological mechanisms driving colorectal cancer. These methodologies enable comprehensive analyses of genetic mutations， gene expression profiles， protein modifications， and metabolic reprogramming， all of which are pivotal to the metastatic process. This article highlights the advanced capabilities of artificial intelligence （AI） technologies in processing complex multi?omics data， thereby enhancing diagnostic accuracy and supporting personalized treatment strategies. It also addresses the challenges AI encounters in multi?omics analyses， such as ensuring data quality， improving model interpretability， and facilitating clinical translation. Additionally， it explores the potential integration of emerging technologies like single?cell sequencing and spatial omics into large?scale， multicenter studies to further enhance the clinical utility of these tools.
| 1 | REBECCA L S， NIKITA S W， ANDREA C， et al. Colorectal cancer statistics， 2023 ［J］. CA Cancer J Clin， 2023， 73（3）： 233-254. doi:10.3322/caac.21772 |
| 2 | ZHANG S M， SHEN C， LI J， et al. Identification of Hub Genes for Colorectal Cancer with Liver Metastasis Using miRNA-mRNA Network ［J］. Dis Markers， 2023， 2023： 2295788. doi:10.1155/2023/2295788 |
| 3 | JENNIE E， HENRIK N， CECILIA S， et al. Colorectal cancer liver metastases-a population-based study on incidence， management and survival ［J］. BMC Cancer， 2018，18（1）： 78-88. doi:10.1186/s12885-017-3925-x |
| 4 | ZHANG Z G， ZHANG C Y， XIAO L， et al. Diagnosis of Early Cervical Cancer with a Multimodal Magnetic Resonance Image under the Artificial Intelligence Algorithm ［J］. Contrast Media Mol Imaging， 2022， 2022： 6495309. doi:10.1155/2022/6495309 |
| 5 | MICHAEL B， MOSTAFA E， ZHANG D N， et al. Evaluation of health economic impact of initial diagnostic modality selection for colorectal cancer liver metastases in suspected patients in China， Japan and the USA ［J］. J Med Econ， 2023， 26（1）： 219-232. doi:10.1080/13696998.2023.2173436 |
| 6 | LOU K X， CHEN N， LI Z H， et al. Intelligent Algorithm-Based Ultrasound Images in Evaluation of Therapeutic Effects of Radiofrequency Ablation for Liver Tumor and Analysis on Risk Factors of Postoperative Infection ［J］. Contrast Media Mol Imaging， 2022， 2022： 5232411. doi:10.1155/2022/5232411 |
| 7 | BITA H， PEGAH K， MOHAMMADREZA S， et al. Current state of the art imaging approaches for colorectal liver metastasis ［J］. Hepatobiliary Surg Nutr， 2020， 9（1）： 35-48. doi:10.21037/hbsn.2019.05.11 |
| 8 | HIROKI O， NAOKI I， ATSUO T， et al. Multicentre single-arm phase II trial evaluating the safety and effiCacy of Panitumumab and iRinOtecan in NeoRAS Wild-type mEtaStatic colorectal cancer patientS （C-PROWESS trial）： Study protocol ［J］. BMJ Open， 2022， 12（9）： e063071. doi:10.1136/bmjopen-2022-063071 |
| 9 | NICOLA R， JONNY H， LI W Q， et al. The future of digital health with federated learning ［J］. NPJ Digit Med， 2020， 3： 119. doi:10.1038/s41746-020-00323-1 |
| 10 | WILJAN J A J， REMCO T P， CRUCHTEN VAN， et al. Hereditable variants of classical protein tyrosine phosphatase genes： Will they prove innocent or guilty ［J］. Front Cell Dev Biol， 2022， 10： 1051311. doi:10.3389/fcell.2022.1051311 |
| 11 | YANG L， ARUP B， LI Y， et al. Depleting receptor tyrosine kinases EGFR and HER2 overcomes resistance to EGFR inhibitors in colorectal cancer ［J］. J Exp Clin Cancer Res， 2022， 41（1）：184-202. doi:10.1186/s13046-022-02389-z |
| 12 | 王侨，栾婷，王剑松，等. LASS2基因对恶性肿瘤作用机制研究进展［J］. 实用医学杂志， 2019，35（12）： 2020-2024. |
| 13 | MOHAMMAD A， AL-MTERIN KH， MURSHED A， et al. Associations of different immune checkpoints-expressing CD4（+） Treg/ T cell subsets with disease-free survival in colorectal cancer patients ［J］. BMC Cancer， 2022， 22（1）： 601-613. doi:10.1186/s12885-022-09710-1 |
| 14 | WU X， GUAN S， LU Y， et al. Macrophage-derived SHP-2 inhibits the metastasis of colorectal cancer via Tie2-PI3K signals［J］. Oncol Res， 2023， 31（2）：125-139. doi:10.32604/or.2023.028657 |
| 15 | YE D J， LIU H S， ZHAO G J， et al. LncGMDS-AS1 promotes the tumorigenesis of colorectal cancer through HuR-STAT3/Wnt axis ［J］. Cell Death Dis， 2023， 14 （2）： 165-177. doi:10.1038/s41419-023-05700-8 |
| 16 | DOHA E， NADIA M， SAHRISH K H， et al. Molecular functions of microRNAs in colorectal cancer： recent roles in proliferation， angiogenesis， apoptosis， and chemoresistance ［J］. Naunyn Schmiedebergs Arch Pharmacol， 2024， 397（8）： 5617-5630. doi:10.1007/s00210-024-03076-w |
| 17 | CHEN T， JIANG Q S， WANG Z L， et al. LncRNA AF117829.1 is correlated with prognosis and immune infiltration and facilitates tumor progression by targeting OR7C1 in colorectal cancer ［J］. Transl Cancer Res， 2024， 13（10）： 5347-5364. doi:10.21037/tcr-24-378 |
| 18 | ZEESHAN H， KIP D Z， HECTOR G A， et al. Assessment of label-free quantification and missing value imputation for proteomics in non-human primates ［J］. BMC Genomics， 2022， 23 （1）： 496-509. doi:10.1186/s12864-022-08723-1 |
| 19 | WU L L， GAO C F. Comprehensive Overview the Role of Glycosylation of Extracellular Vesicles in Cancers ［J］. ACS Omega， 2023， 8（50）： 47380-47392. doi:10.1021/acsomega.3c07441 |
| 20 | NICOLA F， SUSANNA P， VAN W JAN， et al. Differential cytokine and chemokine expression after ablation vs. resection in colorectal cancer liver metastasis ［J］. Surg Open Sci， 2024， 18： 29-34. doi:10.1016/j.sopen.2024.01.005 |
| 21 | 徐辉，唐言华，刘继武，等. 基质金属蛋白酶2，整合素-金属蛋白酶17及上皮性钙粘附蛋白E在结直肠癌癌组织中的表达及临床意义［J］. 实用医学杂志， 2021， 37（2）： 220-225. |
| 22 | AN Y， DUAN H. The role of m6A RNA methylation in cancer metabolism ［J］. Mol Cancer， 2022， 21 （1）： 14-37. doi:10.1186/s12943-022-01500-4 |
| 23 | ROSA F， MICHELA R， GIROLAMA LA M， et al. Dual Role of the Alternative Reading Frame ARF Protein in Cancer ［J］. Biomolecules， 2019， 9（3）：1-21. doi:10.3390/biom9030087 |
| 24 | OMBRETTA G， LUCAL， GIANLUCA B， et al. Spatial resolution of cellular senescence dynamics in human colorectal liver metastasis ［J］. Aging Cell， 2023， 22（7）： e13853. doi:10.1111/acel.13853 |
| 25 | CHEN J R， CAO L X， MA J H， et al. HDAC8 Promotes Liver Metastasis of Colorectal Cancer via Inhibition of IRF1 and Upregulation of SUCNR1 ［J］. Oxid Med Cell Longev， 2022， 2022： 2815187. doi:10.1155/2022/2815187 |
| 26 | YING Y， WANG M L， CHEN Y H， et al. Zinc finger protein 280C contributes to colorectal tumorigenesis by maintaining epigenetic repression at H3K27me3-marked loci ［J］. Proc Natl Acad Sci U S A，2022， 119（22）： e2120633119. doi:10.1073/pnas.2120633119 |
| 27 | ZHANG C， WANG L， JIN C， et al. Long non-coding RNA Lnc-LALC facilitates colorectal cancer liver metastasis via epigenetically silencing LZTS1 ［J］. Cell Death Dis， 2021， 12（2）： 224-238. doi:10.1038/s41419-021-03461-w |
| 28 | FAN W， CAO D Y， YANG B， et al. Hepatic prohibitin 1 and methionine adenosyltransferase α1 defend against primary and secondary liver cancer metastasis ［J］. J Hepatol， 2023， 80（3）： 443-453. doi:10.1016/j.jhep.2023.11.022 |
| 29 | PHILLIP M S， ANGELES D， YUKI N， et al. The Secretion of miR-200s by a PKCζ/ADAR2 Signaling Axis Promotes Liver Metastasis in Colorectal Cancer ［J］. Cell Rep， 2018， 23（4）： 1178-1191. doi:10.1016/j.celrep.2018.03.118 |
| 30 | LIU F， SONG Z M， WANG X D， et al. Long Non-coding RNA Signature for Liver Metastasis of Colorectal Cancers ［J］. Front Cell Dev Biol， 2021， 9： 707115. doi:10.3389/fcell.2021.707115 |
| 31 | ROSELIN M， SUNITA P， PRABHAT K S， et al. Deep Learning Model for the Image Fusion and Accurate Classification of Remote Sensing Images ［J］. Comput Intell Neurosci， 2022， 2022： 2668567. |
| 32 | SEBASTIAN F， CHRISTINA G， ANN W et al. Multistain deep learning for prediction of prognosis and therapy response in colorectal cancer ［J］. Nat Med， 2023， 29（2）： 430-439. doi:10.1038/s41591-022-02134-1 |
| 33 | FEDERICA P， BLANCA G， FRANCISCO G V， et al. Proteotranscriptomic analysis of advanced colorectal cancer patient derived organoids for drug sensitivity prediction ［J］. J Exp Clin Cancer Res， 2023， 42（1）：8-29. doi:10.1186/s13046-022-02591-z |
| 34 | STANZIONE M， ZHONG J， WONG E， et al. Translesion DNA synthesis mediates acquired resistance to olaparib plus temozolomide in small cell lung cancer ［J］. Sci Adv， 2022， 8（19）： eabn1229. doi:10.1126/sciadv.abn1229 |
| 35 | ALARCOS C， CORNELIA O， JEROME B， et al. Towards a minimal generic set of domains of functioning and health ［J］. BMC Public Health， 2014， 14： 218. doi:10.1186/1471-2458-14-218 |
| 36 | MARTIN S， ZHAO Y L， LI X X， et al. An interactive atlas of genomic， proteomic， and metabolomic biomarkers promotes the potential of proteins to predict complex diseases ［J］. Sci Rep， 2024， 14（1）： 12710-12719. doi:10.1038/s41598-024-63399-9 |
| 37 | MYKHAYLO S， ALEXANDER T B， ZOE P K， et al. Directional integration and pathway enrichment analysis for multi-omics data ［J］. Nat Commun， 2024， 15（1）： 5690-5703. doi:10.1038/s41467-024-49986-4 |
| 38 | BAO X W， LI Q， CHEN D， et al. A multiomics analysis-assisted deep learning model identifies a macrophage-oriented module as a potential therapeutic target in colorectal cancer ［J］. Cell Rep Med， 2024， 5（2）：101399-101422. doi:10.1016/j.xcrm.2024.101399 |
| 39 | PRITAM K， SATYAJIT B， SUMAN M， et al. Machine learning for the advancement of genome-scale metabolic modeling ［J］. Biotechnol Adv， 2024， 74：108400. doi:10.1016/j.biotechadv.2024.108400 |
| 40 | CHENG L， HUANG Q， ZHU Z Q， et al. MoAGL-SA： a multi-omics adaptive integration method with graph learning and self-attention for cancer subtype classification ［J］. BMC Bioinformatics， 2024， 25（1）： 364-382. doi:10.1186/s12859-024-05989-y |
| 41 | PASQUALE A， MICAELA C， TERESA C， et al. Artificial Intelligence to Early Predict Liver Metastases in Patients with Colorectal Cancer： Current Status and Future Prospectives ［J］. Life （Basel）， 2023， 13 （10）：1-17. doi:10.3390/life13102027 |
| 42 | AMIRHOSSEIN A Y， ALI M， TAPAK L L， et al. Using machine learning approach for screening metastatic biomarkers in colorectal cancer and predictive modeling with experimental validation ［J］. Sci Rep， 2023， 13（1）： 19426-19442. doi:10.1038/s41598-023-46633-8 |
| 43 | 李晓增，王宝珠，郭志涛，等. 一种用于低剂量CT的微小细节保护CNN与Transformer融合去噪方法［J］. 中国医学物理学杂志， 2024， 41（7）： 842-850. |
| 44 | YE H X， ZHANG X Y， WANG C， et al. Batch-effect correction with sample remeasurement in highly confounded case-control studies ［J］. Nat Comput Sci， 2024， 3（8）： 709-719. doi:10.1038/s43588-023-00500-8 |
| 45 | 李萍，陈慧，庄君龙. 快速康复外科在机器人辅助腹腔镜膀胱切除回肠造口术中的应用［J］. 中华腔镜泌尿外科杂志（电子版），2024，18（3）：249-253. DOI：10.3877/cma.j.issn.1674-3253.2024.03.009 |
| 46 | VISWAN V， NOUSHATH S， MUFTI M. Interpreting artificial intelligence models： A systematic review on the application of LIME and SHAP in Alzheimer's disease detection ［J］. Brain Inform， 2024， 11（1）： 10-38. doi:10.1186/s40708-024-00222-1 |
/
| 〈 |
|
〉 |