胃癌是全球最常见的消化系统恶性肿瘤之一，每年新发病例超过一百万例。虽然近年来在内镜、影像学、手术以及抗癌药物方面不断取得进展，但对于晚期胃癌患者而言，总体五年生存率仍不足30%，这与现有治疗手段的有限疗效密切相关。目前唯一在分子层面获得明确疗效证据的靶向治疗是HER2阳性患者使用曲妥珠单抗，而免疫检查点抑制剂仅在少数MSI-H患者中表现出显著疗效。这种困境凸显出迫切需求，即通过发现和验证新的预测和预后生物标志物来指导个体化治疗。
二、多组学研究的价值与意义
随着基因组学、表观遗传学、转录组学、蛋白质组学和代谢组学等多组学技术的飞速发展，研究者开始能够在多个分子层面系统性地解析胃癌的生物学特征。大规模的“组学数据”结合生物信息学算法，为深入揭示胃癌的异质性和潜在分子机制提供了可能。这种多组学整合不仅有助于发现新的分子标志物，也为预测患者预后和疗效反应提供了全新的视角。文章强调，单一组学的研究往往只能呈现肿瘤的部分特征，而多组学结合和生物信息学分析则有望建立更完整的分子图谱，为临床转化铺平道路。
三、各组学研究的最新进展
在基因组学层面，研究者利用TCGA和GEO等公共数据库鉴定了大量与胃癌发生发展相关的差异表达基因。例如，有学者通过整合分析发现了六个与转移相关的基因组合（PCOLCE2、TMEM132C、UPK1B、SLITRK2、PM20D1和FLJ35024），能够较好预测胃癌患者的预后。另一项研究则发现AGT基因不仅与胃癌发生相关，还可能通过与BRD9、GOLPH3等蛋白相互作用影响肿瘤进展。此外，CEMIP、COL8A1等基因被证实与5-FU化疗耐药相关，提示这些基因可能成为未来精准治疗的切入点。这些发现表明，基因表达谱与蛋白互作网络的结合分析能够更全面揭示潜在的驱动分子。
在表观遗传学方面，DNA甲基化被证实在胃癌的发生、进展及耐药中起到关键作用。研究发现，一些甲基化驱动的差异表达基因（如PODN、NPY、MICU3、RHOJ）与良好预后相关，而MYO1A低甲基化则提示其抑癌基因作用可能丧失。此外，基于多个数据库的整合分析构建了由11个DNA甲基化位点组成的预后模型，能够将患者区分为高危和低危群体，其结果与CDH1、TP53等经典基因突变状态密切相关。这些结果表明DNA甲基化模式不仅可以作为预后标志物，还可能成为新的治疗靶点。
转录组学研究揭示了mRNA和非编码RNA在胃癌中的关键作用。GPR27作为一种G蛋白偶联受体，其突变和低表达与预后不良密切相关，并与肿瘤突变负荷和免疫细胞浸润相关。在非编码RNA层面，多项研究发现特定miRNA和lncRNA可以作为独立的预后因子。例如，miR-145-3p、miR-125b-5p和miR-99a-5p三者的联合特征能够显著预测患者生存。此外，长链非编码RNA（如SNHG5、LINC01270等）通过调控免疫浸润与代谢重编程影响患者预后。竞争性内源RNA（ceRNA）网络分析进一步揭示了lncRNA、miRNA和mRNA之间的复杂调控关系，为开发新的分子标志物提供了线索。
蛋白质组学研究则聚焦于细胞功能分子的改变。基于质谱和反相蛋白芯片的分析发现，COLLAGEN VI、CD20和TIGAR三种蛋白能够作为独立预后因子，提示其与肿瘤侵袭和代谢密切相关。此外，肿瘤基质中的蛋白成分变化，如胶原蛋白家族和基底膜蛋白的差异表达，被证明与血管生成、转移及生存率相关。结合深度学习的蛋白质组学分型甚至能够预测化疗敏感性，提示未来蛋白质组学可能帮助医生在治疗前就判断患者对药物的反应。
代谢组学研究揭示了胃癌细胞显著的代谢重编程特征。研究显示，鸟氨酸、亚油酸及次黄嘌呤代谢产物与患者生存密切相关。另有学者通过液相色谱-质谱（LC-MS）发现，部分脂质代谢物（如溶血磷脂酸、鞘氨醇-1-磷酸）在患者术后水平升高，而磷脂酰胆碱等下降，这些差异可能用于术后复发监测。更令人振奋的是，结合机器学习的代谢组学分析构建了28种代谢物的预后模型，预测准确性极高，为未来临床监测提供了可行性。
四、药物基因组学与个体化治疗
药物基因组学层面的探索为个体化治疗提供了新路径。一项大规模药物敏感性分析显示，不同分子亚型对靶向药的敏感性差异显著。例如，环状印戒细胞癌对EGFR抑制剂更敏感，弥漫型对VEGFR抑制剂更敏感，而BRCA2突变患者可能获益于PARP抑制剂。另有研究构建了基于ND6、BRMS1和SRXN1的预测模型，能够准确识别铂类耐药患者，从而避免无效治疗。此外，乳酸化相关基因模型被提出用于预测免疫治疗反应，提示代谢与免疫之间的密切联系。结合多组学信息，研究者提出应当将分子亚型纳入临床试验设计，以提高治疗反应率和生存获益。
五、临床应用的挑战与未来展望
文章最后指出，尽管多组学和生物信息学分析在研究层面取得了突破，但其临床应用仍面临挑战。样本获取困难、数据标准化不足、跨数据库兼容性差以及高昂的技术成本，都是阻碍转化的现实问题。为解决这些问题，研究者提出开发更高效的整合方法，如基于网络的多组学融合、深度学习模型和人工智能辅助分析等。未来，随着多中心大规模临床试验和多组学平台的成熟，预测和预后生物标志物有望真正进入临床实践，推动胃癌治疗从经验医学走向精准医学。
总之，这篇综述全面总结了基因组学、表观遗传学、转录组学、蛋白质组学和代谢组学在胃癌预测和预后标志物发现中的最新进展，并强调了多组学整合与生物信息学在推动个体化治疗中的关键作用。未来，通过人工智能与大数据的结合，临床医生或许能够在诊断时就准确评估患者的预后和药物反应，从而实现真正意义上的精准治疗。
参考文献
Matsuoka, T., & Yashiro, M. (2024). Bioinformatics analysis and validation of potential markers associated with prediction and prognosis of gastric cancer. International Journal of Molecular Sciences, 25(11), 5880.https://doi.org/10.3390/ijms25115880