编辑推荐：
肿瘤未知原发灶（TUO）严重影响患者生存，现有检测方法存在局限。研究人员开发基于 DNA 甲基化的随机森林机器学习 TUO 甲基化分类器。该分类器识别准确率高，能分 46 类，为 TUO 诊断带来新突破。
在医学的神秘领域中，肿瘤一直是威胁人类健康的 “恶魔”，而肿瘤未知原发灶（Tumors of unknown origin，TUO）更是其中的 “神秘杀手”。这类肿瘤在患者体内肆意生长，却难以找到其最初的发源地。它们约占所有转移性癌症诊断的 3 - 6%，患者预后极差，中位生存期不足一年。目前，常用的原发灶检测方法，如免疫组化（Immunohistochemistry，IHC），虽然能达到 75% 的准确率，但仍有提升空间；突变谱分析效果参差不齐；RNA 表达检测虽准确率约 95%，但成本高昂，且每个样本测序成本高。在这样的困境下，寻找新的检测方法迫在眉睫。
美国西北大学费恩伯格医学院（Feinberg School of Medicine, Northwestern University）的研究人员勇敢地迎接挑战，开展了一项极具意义的研究。他们利用大量原发性和转移性肿瘤样本，开发出一种随机森林机器学习 TUO 甲基化分类器。这一研究成果意义非凡，该分类器在识别肿瘤原发灶方面表现出色，无论是公开可用样本还是内部验证样本，都能准确分类，97% 的样本分类正确，85% 的样本获得高概率评分（≥0.9）。而且，借助病理学家的专业知识和 t-SNE 可视化技术，它能将样本分配到 46 个不同的原发部位 / 疾病类别，还揭示了多个有待探索的未知类别，为肿瘤的精准诊断和治疗带来了新希望。该研究成果发表在《npj Precision Oncology》杂志上。
研究人员在研究过程中，采用了多种关键技术方法。首先，从 The Cancer Genome Atlas（TCGA）、Gene Expression Omnibus（GEO）和内部样本收集甲基化数据，构建数据集。然后，运用 R 语言进行数据处理，包括信号强度提取、标准化、探针筛选等。利用主成分分析和 t-SNE 进行数据可视化，辅助确定类标签。最后，使用随机森林算法构建分类器，并通过交叉验证和校准评估其性能。
研究结果
- TUO 甲基化特征的表征：研究人员收集了来自多个原发部位的甲基化数据，共 6323 个样本，其中 3690 个用于模型训练，2633 个用于验证。通过病理学家的组织诊断和无监督聚类，将训练样本分为 16 个超类，进一步细分为 46 个类。t-SNE 可视化显示，不同原发部位的肿瘤样本能被分离成不同的簇，部分簇对应临床实体，还有一些簇的临床差异不明显。此外，研究还发现了一些未知临床意义的类别，同时纳入 GEO 和内部临床样本创建了 TCGA 中没有的新类别。
- 分类器的开发和性能：基于随机森林机器学习算法，研究人员开发了 TUO 分类器。通过筛选 10000 个甲基化探针构建模型，其中 11 个最重要的探针位于 12 号染色体，对应 IFFO1 和 MIR141 两个基因。该分类器在交叉验证中表现优异，原始分数和校准分数的 AUC 分别为 0.991 和 0.994。在验证样本中，96.7% 的样本分类正确，85.2% 的样本匹配分数高于 0.9，平均分数为 0.954。分类器对原发性部位样本的分类性能优于转移性部位样本，不同原发部位的样本分类性能存在差异，但所有超类的样本分类正确率均大于 90%。此外，正确分类且匹配分数高的样本肿瘤纯度更高。
- 新类别的表征：为了深入了解未知临床意义的类别以及拆分 TCGA 项目对分类的影响，研究人员比较了不同分组样本的总生存期和突变谱。结果发现，TUO 分类器中的类别与更通用的 TCGA 项目相比，在总生存期上存在差异，但无统计学意义。不过，突变谱分析显示出更显著的差异，在多个类别比较中都观察到了明显的突变差异。
- 临床案例：研究人员选取了两个临床案例来展示分类器的实用性。一位 69 岁男性患者出现进行性肢体无力，影像学发现右顶叶病变，免疫组化未能明确肿瘤起源，但甲基化分类表明原发灶为肺腺癌，后续检查证实了这一结果。另一位 46 岁女性患者因顽固性恶心呕吐就诊，有乳腺癌病史，活检发现胃部和十二指肠有低分化癌，甲基化检测支持乳腺癌为原发灶。
研究结论与讨论
这项研究开发的基于 DNA 甲基化的分类器，为 TUO 的诊断提供了一种高度准确且实用的工具。与以往的模型相比，它具有显著优势，不仅增加了新的类别，有助于更精准地识别肿瘤原发灶，还能通过估计分类器分数评估样本分类的可信度。尽管肿瘤纯度会影响分类器分数，但对分类准确性影响不大，且该分类器在低肿瘤纯度下仍能保持较高性能。目前，该分类器已在实验室使用约 1 年，运行成本低。然而，研究也存在一些局限性，如部分临床相关肿瘤类型未包含在分类器中，对转移性样本的准确分类可能受限于训练集中原发性肿瘤的数量。未来研究可增加公开的转移性样本数量，并探索使用替代样本类型，如液体活检，以进一步提升分类器的性能和临床应用价值。总体而言，这一研究成果为 TUO 患者的诊疗带来了新的曙光，有望改善患者的预后和生存质量。
