基于脑脊液cfDNA片段组学特征的无创髓母细胞瘤分子分型新策略

本研究针对髓母细胞瘤(MB)分子分型依赖侵入性活检的临床困境，开发了基于脑脊液(CSF)游离DNA(cfDNA)片段组学(fragmentomics)的机器学习分类模型。通过分析122例样本的基因组拷贝数变异(CNA)、短长片段比(S/L ratio)和4bp末端基序特征，构建的元分类器实现0.94平均AUC值，为WNT/SHH/G3/G4分子分型提供微创解决方案，对术前治疗决策和预后评估具有重要临床价值。

　　

髓母细胞瘤作为儿童最常见的恶性脑肿瘤，其治疗策略高度依赖分子分型——WNT激活型、SHH激活型、Group 3和Group 4这四种亚型具有截然不同的预后特征。然而当前分型技术必须通过手术获取肿瘤组织进行甲基化检测或转录组分析，这种"先手术再分型"的模式可能导致治疗延迟，特别是对于需要差异化手术策略的亚型（如WNT型过度切除可能引发后颅窝综合征）。更棘手的是，约30%的G3/G4患者初诊时已发生转移，常规需要进行腰椎穿刺获取脑脊液(CSF)，这些临床痛点催生了对微创分型技术的迫切需求。

来自国外研究机构的Alexander L Markowitz团队在《npj Precision Oncology》发表的研究，开创性地利用脑脊液游离DNA(cfDNA)的片段组学特征破解了这一难题。研究人员对122例经甲基化分型确认的髓母细胞瘤CSF样本（含WNT 17例、SHH 24例、G3 24例、G4 57例）进行低深度全基因组测序(LPWGS)，整合五种特征维度：①5Mb窗口的拷贝数变异(CNA)logR值；②GC校正后的短长片段比(S/L ratio)；③4bp末端基序频率；④非负矩阵分解(NMF)获得的7种片段化特征谱(F-profile)；⑤肿瘤分数(TFx)。通过机器学习构建的元分类器在交叉验证中达到0.94平均AUC，其中WNT亚型识别准确率最高（vs其他组AUC 0.91-1.0），而SHH亚型因组内异质性表现稍逊（F1-score 0.64）。

关键技术包括：基于ichorCNA的CNA检测和TFx计算、片段末端基序的NMF降维、SMOTE算法处理数据不平衡，以及包含11个二元分类器的集成学习框架。研究队列来自SJMB03临床试验(NCT00085202)，所有样本经GRCh38比对和标准化生物信息学流程处理。

cfDNA拷贝数特征验证已知髓母细胞瘤分子标志

LPWGS成功检出>3Mb的组特异性CNA：WNT组的6号染色体单体、G4组的8号染色体缺失、G3/G4组的17号染色体等臂(ider(17q))，与组织检测结果高度一致（FDR校正p<0.05）。这些发现证实CSF-cfDNA能可靠反映肿瘤基因组特征。

全基因组片段比例揭示组特异性染色质状态

在512个5Mb基因组区间中，161个区域的S/L ratio存在组间差异（Kruskal-Wallis检验FDR p<0.05）。例如WNT组在chr6q区域呈现显著片段比例变化，与已知的CTNNB1突变导致的染色质重塑相符。

末端基序指纹提供新型分子标签

4bp末端基序分析发现29/256个基序频率存在组间差异，其中G3组特有的GCTG/ACAC/ACTG基序富集（p<0.05），而WNT组则显著缺失ACAC/GCAT等7种基序。这些模式与肝癌cfDNA中观察到的基序偏移现象类似，暗示保守的肿瘤DNA断裂机制。

片段化特征谱反映生物学起源差异

NMF分解获得的7种F-profile中，F-profile 1在G3组显著富集（中位贡献度38%），而F-profile 6在WNT组占主导（21%）。这些特征谱可能对应不同的DNA断裂途径，如氧化应激或DNase活性差异。

肿瘤分数具有预后提示价值

TFx中位数呈现G3(63%)>G4(24%)>WNT(11%)>SHH(6%)的梯度，与已知风险分层一致。高TFx的G3样本更易出现转移灶，为"液体活检"辅助分期提供了量化指标。

这项研究的意义在于：①首次系统证实CSF-cfDNA片段组学可用于髓母细胞瘤分子分型，突破组织活检的时空限制；②整合多维度特征的机器学习框架克服了cfDNA低丰度的技术瓶颈；③术前分型指导手术策略（如WNT型避免过度切除）和窗前期治疗方案选择；④建立的LPWGS方案兼容常规腰椎穿刺样本，适合临床转化。局限性在于SHH亚型分类性能有待提升，未来需纳入TP53突变状态和SHH内部亚型(α/β/γ/δ)进一步优化模型。随着液体活检技术的成熟，这种"分析即诊断"的模式或将重塑儿童脑肿瘤的精准医疗实践版图。