商泽斌，杨天昊，刘 健，赵兵刚，赵新春，聂善化(天津中医药大学，天津 067；中部战区95部队医院，天津 076；空军军医大学西京医院急诊科，陕西 西安 700；武警湖北省总队医院，湖北 武汉 006)

    卵巢癌(ovarian cancer，OC)是妇科最常见的恶性肿瘤之一，其起病隐匿，并且早期缺乏有效的诊断方法，当患者出现症状就诊时多已发展至晚期[1]。因此，OC的预后差，死亡率高，已成为病死率最高的一种妇科肿瘤疾病，严重威胁着女性的健康与生命。基于此，亟需探索新的诊断生物标志物和治疗靶点以提高和改善OC的诊断率与治疗效果。随着对肿瘤代谢的认识和研究的进展，从中探索有效的生物标志物、治疗靶点已逐渐成为一个新的研究方向。

    代谢重编程是肿瘤细胞最重要的特征之一，其主要表现为糖酵解增加和氧化磷酸化减少，即所谓的“有氧糖酵解”或“Warburg效应”，这种代谢改变在肿瘤中已被广泛证明，并对肿瘤发生发展的各个阶段有着重要影响[2]，被认为是晚期恶性肿瘤的“标志”[3-4]。据报道，糖代谢的异常与OC的发生、进展和化疗药物的耐药性等密切相关[5-10]，其中糖酵解途径发挥着重要作用[11-13]。因此，糖酵解途径的异常是区分肿瘤细胞与正常细胞的一个重要特征，从糖酵解的角度来探索OC的生物标志物和潜在的治疗靶点可能具有重要意义。

    基于生物信息学分析和高通量测序技术的进步和广泛应用以及机器学习在生物信息学应用中的逐渐成熟，这为挖掘各种疾病的潜在机制、潜在的生物标记物和治疗靶点提供了重要的方法和手段[14]。本研究采用GEO数据库、TCGA数据库中OC的数据集，利用生物信息学与机器学习进行分析，旨在筛选和确定OC中与糖酵解相关的生物标志物。此外，我们还对这些生物标志物进行了免疫浸润分析、富集分析、药敏分析，以探索其在OC中的潜在机制与临床应用的可能，以期为进一步研究提供方向。

    1 资料与方法

    1.1 资料

    本研究中的OC相关数据来自GEO数据库与TCGA数据库。通过对GEO数据库中OC数据集进行筛选，选择含有正常对照与肿瘤组织的数据集，并且两组样本之间的数量差距不超过10倍。GSE12470数据集共包含53例样本，其中10例正常，43例OC肿瘤样本(该数据集包括8例OC早期和35例OC晚期组织以及10例正常腹膜标本的18 716个基因表达谱)；GSE18520数据集共包含63例样本，其中10例正常样本，53例OC肿瘤样本(该数据集包括了53例晚期、高级别原发性肿瘤标本和10例正常卵巢表面上皮的基因表达谱) ......