免疫诊断血浆氨基酸残基生物标志物：癌症早期检测与治疗反应预测的新突破

本研究通过开发创新的免疫诊断平台，解决了当前液体活检技术（如ctDNA）在早期癌症检测中信号不足的难题。研究人员聚焦肿瘤免疫监视特异性激活特征，利用五种氨基酸残基（Cys_T/Cys_R/Lys/Trp/Tyr）的生物正交标记技术，结合机器学习分析，在170例样本中实现了78%的癌症检出率（AUROC 0.95）且零假阳性。该技术不仅能区分癌症与自身免疫/感染性疾病（p<0.0001），还可预测晚期乳腺癌患者对CDK4/6抑制剂的治疗反应（98%响应者识别率）。这项发表于《Nature Communications》的研究为多癌种早期检测（MCED）和精准医疗提供了全新方法论。

　　

癌症早期检测领域长期面临关键瓶颈——传统循环肿瘤DNA（ctDNA）检测在早期肿瘤中灵敏度不足，约76-92%的I期癌症会被漏诊。这源于早期肿瘤ctDNA释放量极低（0-1拷贝/mL），且现有技术难以在治疗前预测药物反应。有趣的是，机体对肿瘤发展的免疫反应在早期阶段反而更强，但这一现象在诊断领域长期被忽视。

葡萄牙古尔本基安分子医学研究所（Gulbenkian Institute for Molecular Medicine）与剑桥大学团队独辟蹊径，将自然语言处理中的"嵌入"概念引入生物标志物开发。研究人员发现，血浆蛋白质组的复杂变化可通过其氨基酸残基构建单元来表征，就像单词通过字母组合传递语义。团队精选五种关键氨基酸：半胱氨酸（总Cys_T和游离Cys_R）、赖氨酸（Lys）、色氨酸（Trp）和酪氨酸（Tyr），这些残基在免疫球蛋白亚型转换时呈现显著差异。通过生物正交荧光标记技术直接检测未稀释血浆，结合机器学习分析，创建了氨基酸浓度特征谱（Amino Acid Concentration Signature, AACS）。

关键技术包括：（1）针对五种氨基酸的特异性生物正交荧光标记；（2）170例临床样本（含健康对照、癌症、自身免疫病和感染患者）的AACS检测；（3）集成子空间判别分析等机器学习模型构建；（4）小鼠热/冷肿瘤模型验证免疫反应特异性。

【Multi cancer early detection(MCED)】

在77例癌症患者和20例健康对照中，AACS展现出显著区分能力（MANOVA p=3.11×10^-14）。集成学习模型达到78%灵敏度/100%特异性的优异性能（AUROC 0.95），远超ctDNA方法（51.5%灵敏度/99.5%特异性）。值得注意的是，AACS信号在早期胰腺癌中更强，与ctDNA的"肿瘤越大信号越强"规律相反，印证了免疫监视在肿瘤早期更活跃的理论。

【Cancer specific immunosurveillance】

引入20例自身免疫病和20例感染患者对照后，AACS仍能明确区分癌症特异性免疫激活（MANOVA p=1.022×10^-16）。各疾病状态在五维氨基酸空间中呈现独特分布模式，其中Cys_R、Tyr和Lys贡献度最高（SHAP分析）。

【Predicting response to first-line CDKi treatment】

在33例HR+/HER2-晚期乳腺癌患者中，治疗前AACS可预测CDK4/6抑制剂（CDKi）反应（MANOVA p=0.0461）。线性支持向量机模型实现100%阴性预测值，准确识别出43%的原发耐药患者。进展期患者AACS呈现特征性演变轨迹，为动态监测提供可能。

这项研究开创了"免疫诊断"新范式，其意义体现在三方面：首先，AACS技术突破现有液体活检的灵敏度限制，为8-10mm的早期肿瘤检测提供可能；其次，首次实现CDKi治疗前疗效预测，解决临床"30%患者无效但需承受副作用"的困境；最后，通过氨基酸残基维度揭示肿瘤免疫的"自体识别"特性，为免疫治疗研究提供新视角。该平台正交于基因组和代谢组方法，未来与ctDNA联用可能进一步提升MCED性能。正如研究者强调，当免疫治疗已成为肿瘤学支柱的今天，这项研究为免疫诊断领域的蓬勃发展点燃了火炬。