《Clinica Chimica Acta》：Metabolic pathway alterations in cerebrospinal fluid as diagnostic biomarkers for primary central nervous system lymphoma
编辑推荐：
PCNSL 诊断具挑战，脑活检有创。为探寻无创诊断方法，研究人员分析 GEO 转录组数据，用质谱验证 CSF 样本代谢通路，结合机器学习建模。发现 PCNSL 患者 CSF 中卟啉代谢等通路富集，诊断 / 鉴别 AUC 分别为 0.88/0.95，为 PCNSL 无创诊断提供依据。
原发性中枢神经系统淋巴瘤（PCNSL）是一种罕见却凶险的中枢神经系统恶性肿瘤，因其临床症状（如头痛、认知障碍、癫痫等）和影像学表现（MRI 增强扫描显示强化病灶）与脑胶质瘤、转移性肿瘤等疾病高度相似，常导致误诊。目前，PCNSL 的诊断金标准是脑活检，但这一有创操作对老年或免疫功能低下患者风险较高，且并非所有患者都适用。因此，开发一种无创、精准的诊断方法成为临床迫切需求。
为解决这一难题，国内研究团队开展了相关研究，旨在探索脑脊液（CSF）中代谢通路改变作为 PCNSL 诊断生物标志物的潜力。该研究成果发表在《Clinica Chimica Acta》。
研究人员主要采用了以下技术方法：首先，从公共数据库获取 2 组 GEO 转录组数据集（一组为 PCNSL 与非肿瘤对照的脑组织 / 淋巴结数据，另一组为 PCNSL 与其他脑肿瘤的对比数据），通过生物信息学分析筛选差异表达基因并富集关键代谢通路；随后，收集临床 PCNSL 患者、脑转移癌患者及非恶性疾病对照的 CSF 样本，利用高通量液相色谱 - 质谱（LC-MS）技术进行代谢组学检测，验证通路差异；最后，运用机器学习模型构建诊断和鉴别诊断模型，评估代谢标志物的区分效能。
关键研究结果
代谢通路筛选与验证
通过分析 GEO 数据集，发现 PCNSL 组织中多个代谢通路显著富集。进一步对 CSF 样本的 LC-MS 分析显示，PCNSL 患者脑脊液中卟啉代谢、脂肪酸相关通路（如不饱和脂肪酸生物合成）显著上调，与非恶性对照组形成鲜明差异。
诊断模型构建
基于筛选的代谢标志物，研究人员构建了诊断模型。结果显示，卟啉代谢和脂肪酸相关通路组合的诊断效能良好，受试者工作特征曲线下面积（AUC）达 0.88，表明其对 PCNSL 与非恶性疾病具有较高区分能力。
鉴别诊断模型构建
在区分 PCNSL 与脑转移癌的鉴别诊断中，氨酰 - tRNA 生物合成、谷胱甘肽代谢及多种氨基酸代谢通路（如半胱氨酸和蛋氨酸代谢）表现出显著差异，对应的鉴别模型 AUC 高达 0.95，显示出强大的鉴别能力。
研究结论与意义
本研究证实，PCNSL 患者脑脊液中存在特征性代谢通路改变，其中卟啉代谢、脂肪酸代谢、氨基酸代谢等通路可作为潜在诊断和鉴别生物标志物。基于这些通路构建的机器学习模型展现出较高的诊断准确性，为开发无创、高效的 PCNSL 诊断工具提供了新方向。
该研究的突破在于首次系统整合转录组与脑脊液代谢组数据，结合机器学习建立了 PCNSL 的无创诊断模型，有望减少对有创脑活检的依赖，尤其为老年及重症患者提供更安全的诊断选择。尽管研究存在样本量较小、转移癌组异质性较高等局限，但其揭示的代谢通路机制为后续大样本验证及血液标志物拓展研究奠定了基础，在中枢神经系统肿瘤精准诊断领域具有重要临床转化价值。
