基于胆固醇-DNA胶束限域银纳米簇及熵驱动循环策略增强循环肿瘤DNA检测的新方法

本研究针对乳腺癌(BrCa)早期检测与分型难题，开发了一种免衍生化GC-C-IRMS(气相色谱-燃烧-同位素比值质谱)技术，实现了组织与血清中游离脂肪酸(FA)的δ13C值与浓度同步分析。研究人员通过优化样品前处理流程，在乳腺癌组织中发现C16:0、C16:1及C18:1的天然13C富集现象，并证实血清中C18:0与C18:2的δ13C值可区分乳腺癌亚型。该研究为癌症代谢表型分析提供了高精度、微创的创新工具。

　　

乳腺癌是高度异质性的疾病，其早期检测、分型及治疗选择面临巨大挑战。代谢重编程是癌症的重要特征之一，尤其脂质代谢紊乱在乳腺癌发生发展中扮演关键角色。然而，当前研究代谢的方法（如稳定同位素标记技术）存在流程复杂、需要衍生化步骤及临床适用性有限等问题。尽管脂质组学和代谢组学在癌症生物标志物发现中展现出潜力，但这些技术仅提供肿瘤生物学的局部视角。更令人困扰的是，缺乏高灵敏度、微创的工具来量化脂肪酸(FA)的同位素特征，这限制了对乳腺癌代谢表型的深入理解。

为此，来自法国里昂第一大学的研究团队在《Talanta Open》上发表了一项创新研究，他们开发了直接分析非衍生化脂肪酸的高精度气相色谱-燃烧-同位素比值质谱(GC-C-IRMS)方法，为乳腺癌的检测和分型提供了新的技术路径。

本研究主要采用GC-C-IRMS技术，结合优化后的皂化水解样品前处理流程，对乳腺癌患者组织（癌组织与癌旁组织）和血清样本进行脂肪酸的浓度与δ¹³C值同步分析。样本来源于澳大利亚乳腺癌组织库(ABCTB)，涵盖5种乳腺癌亚型（DCIS、LumA、TN、TP、HER2），每组3例患者，共45份样本。方法验证包括线性范围、检测限(LOD)、定量限(LOQ)、精密度及基质效应评估，并使用内标(MC19:0)进行定量与同位素校正。

2.1. GC-C-IRMS条件优化

通过选用极性色谱柱(Optima FFAPplus)和优化升温程序，实现了非衍生化脂肪酸的高效分离，将分析时间从30分钟缩短至15分钟。该方法在保持高分辨率的同时避免了衍生化引起的同位素分馏效应，显著提高了检测灵敏度（LOD降至5 μg/mL）。

2.2. 脂质水解条件优化

对比皂化与酸水解两种方法，发现皂化法在脂肪酸回收率和同位素测量准确性方面均优于酸水解。皂化法在标准脂质混合物和人体组织样本中均表现出更高的FA/内标比值，且δ¹³C值的标准偏差小于0.5‰，表明其更适合生物样本的完整脂肪酸分析。

2.3. 同位素与定量分析方法验证

该方法在线性范围、精密度（日内/日间RSD<5%）、准确度和基质效应方面均满足分析要求。基质效应对δ¹³C值影响可忽略（差异<0.5‰），证实方法适用于复杂生物样本。

2.4. 脂肪酸同位素组学分析

在癌组织中发现C16:0、C16:1和C18:1的δ¹³C值显著高于癌旁组织，而C14:0和C16:1浓度降低，反映了癌变过程中脂代谢的重编程。更重要的是，血清中C18:0和C18:2的δ¹³C值在不同乳腺癌亚型间存在差异：

• •
  C18:0在TN型血清中δ¹³C值显著高于TP和HER2型；
• •
  C18:2在LumA型血清中δ¹³C值显著高于HER2、TP和DCIS型。
  这些发现提示血清脂肪酸同位素特征可作为非侵入性乳腺癌分型的潜在生物标志物。

该研究首次建立了免衍生化GC-C-IRMS方法，实现了组织与血清中脂肪酸的高精度同位素分析。该方法不仅揭示了乳腺癌特异性脂代谢改变（如¹³C富集与浓度变化），还证实血清中C18:0和C18:2的δ¹³C值具有亚型区分能力。这一突破为乳腺癌的代谢表型研究提供了强有力的分析工具，有望推动基于同位素标志物的癌症诊断与分型策略的发展。未来需扩大样本规模并整合多组学数据，以进一步验证其临床转化潜力。