1. 文章标题
《基于机器学习的氧化磷酸化特征识别在卵巢癌预后、免疫浸润和药物敏感性中的应用》英文标题：Machine learning-based identification of anoxidative phosphorylation signature for prognosis, immune infiltration, anddrug sensitivity in ovarian cancer
2. 期刊与影响因子
期刊名称：Frontiers in Immunology
影响因子：5.9（2023年数据）
出版信息：2026年5月29日在线发表，DOI:10.3389/fimmu.2026.1724930
3. 文献概要
研究背景卵巢癌（OC）是一种高度异质性的肿瘤，其代谢特征也存在异质性。氧化磷酸化（OXPHOS）在卵巢癌的发生发展中起重要作用，但其相关基因特征的预后价值和生物学功能尚不明确。
研究结论本研究通过多数据集整合和机器学习方法，构建了一个基于22个基因的氧化磷酸化相关基因特征（OPRGS）预后模型。该模型在多个独立数据集中表现出良好的预后预测价值。高风险评分与免疫抑制性肿瘤微环境、CAFs浸润增加、TIDE评分升高相关，且对紫杉醇耐药但对卡铂敏感。单细胞测序分析将KIF1A定位为上皮细胞特异性的关键风险基因，体外实验证实KIF1A敲低可显著抑制卵巢癌细胞增殖、迁移和侵袭。
4. 采用英格恩产品实验部分
本研究中，英格恩（Engreen）的Entranster-R4000 转染试剂用于siRNA的细胞转染实验：
实验目的 操作细节
转染试剂 Entranster-R4000（北京，中国）
细胞类型 卵巢癌细胞系A2780
转染核酸 靶向KIF1A的siRNA及阴性对照siRNA
转染方法 瞬时转染
检测时间 RT-qPCR：转染后24小时；Western blot：转染后72小时
检测指标 CCK-8细胞活力、克隆形成、EdU增殖、划痕愈合、Transwell迁移/侵袭
原文描述：
“For the cell transfection procedure, weusedEntranster-R4000 (Beijing, China)to mediate transient transfectionof cells.”
该试剂成功实现了KIF1A siRNA在卵巢癌细胞中的高效敲低，为验证KIF1A作为OPRGS模型中的关键风险基因及其促癌功能提供了关键的体外实验数据。
5. 实验意义
科学意义
代谢通路筛选新策略：首次将RRA稳健秩聚合算法与多种机器学习方法相结合，从84条代谢通路中无偏倚地筛选出OXPHOS作为卵巢癌核心代谢通路，为代谢相关预后模型构建提供了系统性研究范式。
OPRGS模型的预后价值：构建的22基因OXPHOS相关特征模型在多个独立数据集中得到验证，C-index在已发表的43个卵巢癌预后模型中排名前三，具有较强的预后预测能力。
免疫微环境解析：高风险评分与免疫抑制性微环境（CAFs浸润↑、TIDE评分↑、IPS评分↓）相关，为卵巢癌免疫治疗反应预测提供了新线索。
KIF1A新功能发现：首次在卵巢癌中验证KIF1A的促增殖、促迁移和促侵袭功能，填补了该基因在卵巢癌生物学功能研究中的空白。
临床应用价值
预后分层：OPRGS可作为卵巢癌患者预后分层的潜在生物标志物，辅助临床决策。
化疗敏感性预测：高风险患者对卡铂/奥沙利铂敏感但对紫杉醇/吉西他滨耐药，提示OPRGS可能指导个体化化疗方案选择。
潜在治疗靶点：KIF1A可能成为卵巢癌治疗的新靶点。
