血清多组学预测食管癌同步放化疗预后与不良反应

本研究针对局部晚期食管鳞癌(ESCC)同步放化疗(CCRT)缺乏疗效及毒性预测工具的问题，通过整合血清代谢组学(GC-MS)与蛋白质组学(Olink)技术，构建了高精度预测模型（疗效预测AUC达0.985，生存预测C-index=0.764），并揭示L-丝氨酸代谢通路与SHMT2蛋白的关键作用，为个体化治疗策略提供重要依据。

　　

通过气相色谱-质谱联用技术(GC-MS)对127例局部晚期食管鳞状细胞癌(ESCC)患者同步放化疗(CCRT)前的127份血清样本及治疗后93份样本进行代谢组学分析，结合Olink蛋白质组学技术，研究人员采用机器学习构建了疗效与生存预测模型，并利用多元线性回归建立血液毒性预测模型。

研究结果显示：基于血清代谢组学与蛋白质组学的CCRT疗效预测模型表现优异（训练集：完全缓解(CR)/非完全缓解(nCR)=28/50，AUC=0.9848，95%置信区间(CI)=0.9639–1.0000；测试集：CR/nCR=17/15，AUC=0.8854，95% CI=0.7800–0.9908）。生存预测模型显著区分患者预后（n=109，C-index=0.7640，95% CI=0.7140–0.8140）。血液毒性线性预测模型相关性显著（n=111，R>0.7）。研究首次证实L-丝氨酸代谢途径在CCRT疗效调控中的重要性，其中丝氨酸羟甲基转移酶2(SHMT2)被识别为影响治疗反应的关键蛋白。

该多组学整合策略为ESCC患者治疗选择提供了可靠的生物标志物体系，显著提升预后评估与毒性管理的精准性。