编辑推荐：
当前癌症筛查手段存在局限性，为探寻高效非侵入性筛查方法，研究人员开展 “循环 microRNA（miRNA）组合用于多癌检测和胃癌筛查” 的研究。结果发现两组 miRNA 组合，在多癌及胃癌检测中表现良好。这为癌症筛查提供新方向，助力提升癌症诊疗水平。
在癌症防治的漫漫征途中，早期筛查一直是关键环节。传统的癌症检测手段，如内窥镜、结肠镜、乳房 X 光检查和宫颈细胞学检查等，虽然在癌症诊断中发挥着重要作用，但它们往往具有侵入性，不仅会给患者带来身体上的痛苦，而且费用高昂。更棘手的是，癌症在早期阶段通常悄无声息，难以察觉，等到出现明显临床症状时，往往已经发展到中晚期，错过了最佳治疗时机。因此，寻找一种高效、非侵入性的癌症早期筛查方法迫在眉睫。
在此背景下，来自伊朗的研究人员展开了深入探索，相关研究成果发表在《BMC Medical Genomics》上。他们聚焦于循环 miRNA，试图通过研究找到能用于多癌检测和胃癌筛查的有效生物标志物。miRNA 是一类小的非编码 RNA，在细胞的生命活动中扮演着重要角色，尤其是在肿瘤的发生和发展过程中，它们既可以像 “开关” 一样调控基因的表达，影响肿瘤细胞的生长、增殖和转移，也能作为潜在的生物标志物，为癌症的诊断和治疗提供新的思路。
研究人员开展的这项研究主要围绕两个关键目标：一是筛选出对多种癌症具有高灵敏度和特异性的生物标志物；二是针对胃癌这一特定癌症，找到精准的筛查标志物。
为实现这些目标，研究人员运用了多种关键技术方法。在数据来源上，他们独立使用了来自基因表达综合数据库（Gene Expression Omnibus）的 GSE113486 数据集用于训练，GSE112264 数据集用于评估。在分析方法方面，利用加权 miRNA 共表达网络分析（WGCNA）构建网络，该方法能够捕捉生物系统中复杂的相互作用，从系统层面分析基因、miRNA 等分子之间的关系。通过比较不同组样本的 miRNA 表达谱，筛选出与癌症相关的模块和关键 miRNA。同时，运用机器学习技术，对筛选出的 miRNA 进行评估，以确定其在癌症分类中的性能。
下面来看看具体的研究结果。
- 多癌筛查结果：研究人员首先将样本分为非癌症组和 13 种癌症组，构建共表达网络。通过计算不同功率值下的网络指标，确定了最佳功率值为 13，进而构建加权 miRNA 相关网络。在这个网络中，他们识别出 7 个模块，其中黄色、绿松石色、绿色和棕色模块与癌症的相关性较高。通过设定筛选标准，选取了 70 个 miRNA。经过多种机器学习算法评估，最终确定随机森林算法最适合该数据集。进一步优化后，得到由 4 个 miRNA（hsa-miR-8073、hsa-miR-614、hsa-miR-548ah-5p、hsa-miR-1258）组成的多癌筛查模型，该模型在原始数据上的准确率达到 96.1%，特异性为 96%，灵敏度为 98.6%，在独立数据集上也表现良好。
- 胃癌筛查结果：针对胃癌筛查，研究人员重新选取样本，构建针对胃癌的加权 miRNA 共表达网络（WMiCN）。在构建网络前，排除了一个非癌症样本中的异常值。确定最佳功率值为 9 后，识别出 7 个模块，其中蓝色、绿松石色、绿色和黄色模块与胃癌的相关性最强。通过保存分析，发现蓝色模块在其他癌症类型中保存水平最低，是胃癌特有的模块。基于此，筛选出 51 个候选 miRNA。经过多种机器学习算法比较，GLMNET 算法表现最佳。最终得到由 4 个 miRNA（hsa-miR-1228-5p、hsa-miR-1343-3p、hsa-miR-6765-5p、hsa-miR-6787-5p）组成的胃癌筛查模型，该模型在区分胃癌与其他癌症及正常样本时，特异性为 87%，灵敏度为 90%，在独立数据集上也有一定的准确性。
研究结论和讨论部分意义重大。研究发现的多癌筛查和胃癌筛查 miRNA 组合，展现出了在癌症诊断和预后评估方面的巨大潜力。多癌筛查组合中的 4 个 miRNA 在 13 种研究癌症中均存在表达改变，而胃癌筛查组合能够有效区分胃癌患者与其他癌症及非癌症对照组的血液样本。这不仅为癌症的早期检测提供了新的生物标志物和检测方法，而且有助于推动癌症筛查技术的进步，有望实现更精准、更高效的癌症诊疗。与其他类似研究相比，该研究的方法和结果具有一定的可比性和优势，进一步验证了研究成果的可靠性。然而，研究也存在一些局限性，如依赖公开数据集，缺乏湿实验室实验验证，无法全面评估模型在所有癌症类型中的性能等。未来研究需要更多的临床数据和实验验证，以推动这些 miRNA 组合从实验室走向临床应用，真正为癌症患者带来福音。
