肿瘤界“扛把子”，灵敏度可达91%！约翰·霍普金斯大学团队发明新型高灵敏度癌症液体活检技术！

近日，美国约翰·霍普金斯大学的Robert B. Scharpf、Victor E. Velculescu及其同事们基于全基因组测序和机器学习模型，开发了一种新的癌症早期液体活检技术GEMINI（GEnome-wide Mutational Incidence for Non-Invasive detection of cancer）。研究论文“Single-molecule genome-wide mutation profiles of cell-free DNA for non-invasive detection of cancer”发表在《Nature Genetics》上。研究表明，预测I期肺癌时，GEMINI与另一种液体活检技术结合使用的总体性能更好（AUC=0.93），灵敏度可达91%（特异性为80%）。

https://www.nature.com/articles/s41588-023-01446-3

研究背景

大多数与癌症相关的人类死亡是在晚期诊断的结果，此时治疗效果较差。癌症的早期检测已证明对多种癌症类型具有临床益处，但筛查方法的实施仍然具有挑战性。

癌症基因组中的序列改变很多，但无细胞DNA（cfDNA）中含有肿瘤特异性（体细胞）突变的片段比例通常很低，因此在文库构建和测序中引入的序列变化的背景噪声中很难检测到真正的变异。在检测cfDNA中的低频突变方面已经做出了广泛的努力。然而，这些方法通常依赖于深度测序，并且仅限于检查包含基因组一小部分的特定基因。由于cfDNA中肿瘤基因组等价物的数量很少，这种方法在检测癌症方面效果有限，特别是在早期阶段。此外，cfDNA序列改变可能来自白细胞，混淆了癌症检测。最近的分析表明，全基因组片段化和甲基化分析可用于非侵入性早期癌症检测。

研究进展

在研究中，我们考虑了识别全基因组体细胞突变是否可以检测更多数量的循环肿瘤DNA（ctDNA）改变并增加早期疾病的检测。肿瘤基因组包含数千种体细胞变化，肿瘤组织中的这种改变的知识指导了治疗期间的ctDNA分析。原则上，如果可以在不知道肿瘤改变的情况下在cfDNA中鉴定突变，那么它们可能对早期癌症检测有用。然而，这需要有效检测cfDNA中的体细胞变化，包括与突变特征相关的变化，以及有效区分这些与非肿瘤衍生改变的能力。

为了应对这些挑战，我们开发了一种称为GEnome全范围癌症非侵入性检测突变发生率（GEMINI）的方法，该方法可以识别cfDNA中更多的体细胞改变。我们将这种方法应用于来自多个患者队列的组织和cfDNA样本。该方法涉及对单个cfDNA分子进行测序，以估计全基因组范围内的突变频率和改变类型，使用大小从数千到数百万个碱基的非重叠箱。对于每个人，将癌症中更常改变的基因组区域中的突变类型和频率与正常cfDNA中更频繁突变的区域的谱图进行比较，以确定突变谱中的多区域差异。通过这种方式，双子座丰富了可能的体细胞突变，同时考虑了整体背景变化的个体变异性。

使用单分子cfDNA测序进行癌症检测的整体方法示意图。血液是从一群人身上收集的，其中一些人患有癌症。然后，从血浆中提取cfDNA，并使用大规模并行测序方法进行单分子测序。序列改变用于获得全基因组突变图谱，并使用机器学习识别癌症和非癌症突变频率的区域差异，以区分患有癌症和没有癌症的个体。

研究结果

总之，我们分析了全基因组泛癌症分析（PCAWG）研究中2，511名个体的全基因组测序数据以及来自四个前瞻性队列的489名个体，并在组织和癌症患者的无细胞DNA中发现了与复制时间和其他染色质特征相关的区域突变类型特异性频率。使用全基因组突变谱结合其他特征并随后进行CT成像的机器学习模型检测到>90%的肺癌患者，包括I期和II期疾病患者。固定模型在独立队列中得到验证，比标准方法更早地检测到癌症患者，可用于监测对治疗的反应。这种方法为使用全基因组突变特征进行非侵入性癌症检测奠定了基础，这些特征可能有助于癌症筛查和监测。（转化医学网360zhyx.com）

参考资料：

https://www.nature.com/articles/s41588-023-01446-3

注：本文旨在介绍医学研究进展，不能作为治疗方案参考。如需获得健康指导，请至正规医院就诊。