蛋白质组学和机器学习发现结直肠癌的血液标志物

　　

结直肠癌（CRC）发病率在所有癌症中高居第三位。如果能做到早期发现，CRC的五年存活率可达90%以上。然而，尽管筛查计划取得了进展，但现有的诊断方法在可达性和可靠性方面仍存在不足。

近日，复旦大学附属中山医院的研究人员概述了一种蛋白质组学和机器学习策略，利用血液中细胞外囊泡的蛋白质数据来寻找和验证CRC的生物标志物。

这个名为“ColonTrack”的诊断模型在CRC诊断方面具有出色的灵敏度和准确性，尤其是在早期疾病检测方面。研究人员认为，这个模型有望成为改善癌症诊断和管理的重要工具。

这项研究成果于4月30日发表在《Cell Reports Medicine》杂志上，通讯作者分别为复旦大学附属中山医院的陆豪杰教授、杨欣荣教授和郭玮教授。

在这项回顾性研究中，研究人员利用基于质谱的蛋白质组学和数据独立采集（DIA）策略，对组织和血浆样本中的细胞外囊泡（EV）开展了蛋白质组分析。这些样本来自40例CRC患者和20例健康对照。

他们利用平行反应监测质谱（PRM-MS）和机器学习技术，重点研究了21种候选的CRC生物标志物，随后在另外20例CRC患者和20例对照的样本中评估了这些标志物。

通过靶向PRM和机器学习，研究团队确定了一个候选的血浆EV蛋白组合（P6）用于CRC诊断。这个组合包括六种蛋白质，分别为：MYH9、HNRNPK、CTTN、PSMC6、NAP1L1和EIF3B。

他们利用ELISA分析在一个大型队列中验证了P6组合的诊断潜力。这个队列包括251例CRC患者、109例健康对照和130例良性病例。之后，他们进一步缩小至三种蛋白质（CTTN、PSMC6和HNRNPK），并在外部队列或基准队列中验证了其诊断性能。

研究人员报告称，基于P3组合的ColonTrack模型表现出“出色的CRC诊断性能”。在将ColonTrack的性能与CRC标志物mSeptin-9进行比较时，他们发现它在检测II期或III期病例时特别有用。

ColonTrack模型在II期和III期CRC上的检出率分别为98.2%和95.7%，而使用mSeptin-9标志物的检出率分别为78.6%和86.9%。

对于研究中来自多个队列的431例CRC患者，ColonTrack在检测I、II、III期CRC上的效果与mSeptin-9相似或更好。不过，基于mSeptin-9的方法检出了所有IV期病例，而ColonTrack只检出了81.8%的病例。

“研究观察到的ColonTrack和mSeptin-9在CRC不同阶段的表现差异强调了这些生物标志物在临床实践中的互补作用，”作者报告称。

“尽管ColonTrack在早期CRC检测中表现出色，但mSeptin-9在检测晚期CRC上的高灵敏度进一步强调了结合多种诊断工具的重要性，能够实现更全面、更可靠的CRC筛查。”

作者指出，有必要进一步挖掘这些血浆标志物，以确定它们是CRC肿瘤的特异性标志物，还是反映了与疾病相关的间接变化，并探索它们在其他群体的CRC患者中的潜在性能。

“有必要进一步研究这些标志物背后的生物学机制，以便更好地了解它们的作用，指导临床管理和潜在药物靶点的开发，”作者写道。