Page 35 - 《南京医科大学学报（自然科学版）》2025年第9期

第45卷第9期 王韫格，刘云龙，王玲菲，等. 宿主DNA甲基化标志物在宫颈癌筛查中的应用：ZNF671的关键贡献与
2025年9月 联合模型评价［J］. 南京医科大学学报（自然科学版），2025，45（9）：1242-1250 ·1247 ·

表3 单个宿主基因标志物的诊断性能指标
Table 3 Diagnostic performance metrics of individual host gene biomarkers

Gene Cut⁃off AUC Sensitivity Specificity PPV NPV ACC
SOX1 0.354 0.672 0.500 0.857 0.658 0.757 0.730
JAM3 0.359 0.688 0.460 0.923 0.767 0.757 0.759
ZNF671 0.309 0.741 0.580 0.868 0.707 0.790 0.766
DLX1 0.351 0.681 0.520 0.824 0.619 0.758 0.716
小值，提示该模型在拟合优度与复杂度之间达到最 （95%CI：0.712~0.891），在测试集中为0.745（95%CI：
佳平衡。 0.552~0.938）。联合模型与 ZNF671 的 ROC 曲线相

表4 联合宿主基因的逐步Logistic回归模型构建 近，显著大于SOX1。
Table 4 Construction of a stepwise logistic regression 表 5 列出了联合模型、ZNF671、SOX1 在训练集
model with combined host genes 和测试集中的诊断性能参数。在训练集中，ZNF671

Step Selected variables AIC 的最佳灵敏度为 0.692，特异度为 0.783；SOX1 的最
Initial model SOX1，JAM3，ZNF671，DLX1 109.07 佳灵敏度为 0.487，特异度为 0.850。在测试集中，
Step 1 SOX1，JAM3，ZNF671 107.08 ZNF671 与联合模型的灵敏度均为 0.727，但特异度
Step 2 SOX1，ZNF671 106.62
不同，分别为 0.677 和 0.581，SOX1 似乎因其高特异
为比较单独或联合宿主基因甲基化标志物对 性弥补了 ZNF671 的不足。进一步的统计学检验
CIN2+的诊断效果，在前述的训练集和测试集中分 显示，联合模型在 AUC 上显著优于单基因 SOX1
别计算了联合模型及单个标志物的 ROC 曲线，如 （P = 0.010）；与 ZNF671 相比虽有提升（P = 0.070），
图 4 所示，该联合模型的 AUC 在训练集中为 0.801 但差异无统计学意义。

A B
1.00 1.00

0.75 0.75

Sensitivity 0.50 Sensitivity 0.50

0.25 0.25
SOX1（AUC=0.665，95%CI：0.548-0.782） SOX1（AUC=0.695，95%CI：0.490-0.901）
ZNF671（AUC=0.753，95%CI：0.644-0.863） ZNF671（AUC=0.751，95%CI：0.552-0.950）
Combined model（AUC=0.801， Combined model（AUC=0.745，
0 95%CI：0.712-0.891） 0 95%CI：0.552-0.938）
0 0.25 0.50 0.75 1.00 0 0.25 0.50 0.75 1.00
1-Specificity 1-Specificity
A：ROC curve of the models in the training set. B：ROC curve of the models in the testing set.
图4 联合模型、ZNF671、SOX1在训练集和测试集中的ROC曲线
Figure 4 ROC curves of combined model，ZNF671，and SOX1 in the training and testing sets
表5 联合模型、ZNF671、SOX1在训练集和测试集中的诊断性能参数
Table 5 Diagnostic performance parameters of the combined model，ZNF671，and SOX1 in the training and testing sets

Model Dataset Cut⁃off AUC Sensitivity Specificity PPV NPV ACC
Combined Training 0.361 0.801 0.615 0.867 0.750 0.776 0.768
model Testing 0.361 0.745 0.727 0.677 0.444 0.875 0.690
ZNF671 Training 0.288 0.753 0.692 0.783 0.675 0.797 0.747
Testing 0.288 0.695 0.727 0.581 0.381 0.857 0.619
SOX1 Training 0.422 0.665 0.487 0.850 0.679 0.718 0.707
Testing 0.422 0.695 0.545 0.871 0.600 0.844 0.786