综述：基于游离DNA液体活检与机器学习在心血管疾病诊断与监测中的研究综述

《Clinical Epigenetics》：Liquid biopsy, cfDNA, and machine learning: an integrative approach to cardiovascular diseases

心血管疾病（CVDs）及其并发症仍然是全球范围内的首要死因。然而，获取病变心血管组织通常具有侵入性、成本高且临床操作上不现实，这突显了需要能够捕捉动态病理信息的无创方法。基于游离DNA（cfDNA）的液体活检已成为心血管疾病诊断、监测和风险评估的一项有前景的策略。cfDNA从受损、死亡或受压细胞中释放出来，携带多层生物学信息，包括浓度变化、组织来源特征、片段化模式、核小体足迹、线粒体DNA信号和表观遗传修饰。这些信号可以反映全身细胞损伤、识别组织来源，并指示炎症或线粒体压力。目前的心血管领域证据分布不均：供者来源cfDNA在心脏移植排斥监测中显示出最强的临床相关性；cfDNA浓度、心肌细胞特异性甲基化以及片段组学特征在心肌梗死、心力衰竭和部分主动脉疾病中显示出应用前景，而在高血压、瓣膜病、先天性心脏病和心肌病中的应用仍处于探索阶段。在cfDNA特征中，甲基化信息尤为丰富，因为它提供了稳定的组织及疾病相关特征；然而，甲基化数据集通常为高维、稀疏，且受到低疾病来源cfDNA比例的影响。机器学习可能通过选择有信息量的特征、整合甲基化与片段组学及核小体信号，以及开发用于诊断、预后、组织来源推断和纵向监测的模型来帮助应对这些挑战。在这篇综述中，我们总结了cfDNA的生物学特征，评估了其在主要心血管疾病中的当前应用，强调了机器学习如何改进cfDNA解读，并讨论了临床转化的关键障碍。