编辑推荐：
在肺结节诊断中，区分良恶性至关重要。研究人员针对 8 - 30mm 肺结节开展研究，利用数据非依赖采集（DIA）质谱技术分析 185 例患者血浆蛋白质组。结果发现 6 种蛋白标志物可区分肺结节良恶性，该研究为临床诊断提供新方向。
肺癌作为全球范围内严重威胁人类健康的恶性肿瘤，早期诊断对于提高患者生存率至关重要。肺结节是肺癌常见的早期表现形式，其中直径在 8 - 30mm 的肺结节，其恶性概率差异较大，给临床诊断带来极大挑战。目前，虽然有低剂量计算机断层扫描（LDCT）等检测手段，但对于这部分肺结节，仅依靠其判断良恶性存在困境：手术可能导致过度治疗，而不治疗又可能延误恶性结节的治疗时机。同时，现有的非侵入性诊断方法，如液体活检检测肿瘤衍生核酸，虽有一定优势，但蛋白质生物标志物的研究相对较少。已有的基于蛋白质的检测方法，如 Pulmonary Nodule Plasma Proteomic Classifier（PANOPTIC），也存在特异性低等问题。因此，开发更敏感、特异的诊断方法迫在眉睫。
为了解决这一难题，郑州大学第一附属医院等机构的研究人员开展了一项旨在寻找能准确区分肺结节良恶性血浆蛋白生物标志物的研究。研究成果发表在《Clinical Proteomics》上，为肺癌的早期诊断提供了新的方向和依据。
研究人员主要运用了以下几种关键技术方法：
- 样本采集与处理：收集了来自两个医院的三个队列共 185 例患者的外周静脉血样本，样本采集前经过严格筛选，确保患者符合研究标准，并获得医院伦理委员会批准和患者知情同意。对血浆样本进行处理，去除 14 种高丰度蛋白后进行后续分析。
- 质谱技术：采用数据非依赖采集质谱（DIA - MS）技术对血浆蛋白质组进行定量分析，该技术能够全面、准确地检测蛋白质表达情况；同时开发了靶向多反应监测（MRM）方法，用于测量选定的 6 种肽标志物在血浆样本中的浓度。
- 数据分析方法：运用逻辑回归分析筛选出能区分肺结节良恶性的蛋白标志物组合，并通过主成分分析（PCA）等方法对数据进行降维处理和分析，以评估蛋白标志物的性能。
研究结果如下：
- 血浆蛋白质组定量分析：通过 DIA - MS 技术，研究人员在队列 1 的 80 例血浆样本中总共定量了 451 种蛋白质。经分析，发现 15 种蛋白在恶性结节患者中上调，5 种蛋白下调。这些差异表达的蛋白主要参与胆固醇代谢、脂质运输等生物学过程，且与外泌体等细胞成分相关。
- 发现蛋白生物标志物组合：研究人员聚焦于 6 种蛋白（APOA4、CD14、PFN1、APOB、PLA2G7 和 IGFBP2）的特征肽，以其作为替代标志物。基于队列 1 构建逻辑回归分类模型，结果显示该模型在训练集和测试集的受试者工作特征曲线下面积（AUC）分别达到 0.87 和 0.91，具有较好的区分能力。
- 独立队列验证：利用队列 2 和队列 3 作为独立验证队列，同样采用 DIA - MS 方法定量血浆蛋白质。结果表明，尽管 PCA 显示两组队列中 6 蛋白面板强度无明显分离，但逻辑回归模型的 AUC 在队列 2 和队列 3 中仍分别达到 0.82 和 0.81，验证了该蛋白标志物组合的准确性。
- MRM 定量分析：开发 MRM 检测方法测量 6 种蛋白的血浆浓度，以部分患者作为训练集和测试集构建逻辑模型。结果显示，训练集和测试集的 AUC 分别为 0.758 和 0.751，进一步证明了该蛋白标志物组合在区分肺结节良恶性方面的有效性。
- 生存分析：利用癌症基因组图谱（TCGA）数据库进行生存分析，发现 PFN1 基因表达增加与肺癌患者总生存期（OS）和无病生存期（DFS）较差显著相关，而其他 5 种蛋白无明显相关性。
研究结论与讨论部分指出，研究人员基于血浆蛋白表达谱和迭代特征选择，确定了由 6 种蛋白组成的面板，可用于区分肺结节的良恶性。尽管这些蛋白此前未直接与肺结节相关，但已有研究表明它们与肺癌存在关联，这为研究结果提供了进一步支持。与临床现有的蛋白生物标志物相比，该研究发现的蛋白组合在敏感性、特异性、NPV 和 AUC 等指标上总体有所提高。虽然模型的特异性和 PPV 在验证集中不如发现数据集，但考虑到肺结节的患病率，NPV 可接近 1.0。不过，为使该检测方法具有临床实用性，仍需在敏感性和特异性之间找到平衡。
综上所述，该研究为区分肺结节良恶性提供了新的血浆蛋白生物标志物组合，虽然目前处于早期验证阶段，但具有良好的应用前景。未来，随着样本量的增加和进一步研究，有望将其开发成具有临床价值的血液检测方法，为肺癌的早期诊断和治疗决策提供有力支持，从而改善肺癌患者的预后。
