一种用于癌症诊断的新型 DNA 加权求和系统

《Biosensors and Bioelectronics》：A Novel DNA Weighted Summation System for Cancer Diagnosis

　　

• 解决了当前DNA诊断平台无法执行任意小数运算的局限性
• 拓展了DNA神经网络的潜在应用前景
• 率先在DNA诊断平台中采用阈值非零二分类模型

引言

癌症是全球范围内导致疾病死亡的最常见原因之一，因此对于快速、无创且高精度的诊断方法的需求日益增长。然而，现有的临床和影像检查方法往往具有侵入性且操作不便，从而限制了其广泛应用（Allemani等，2018年）。液体活检技术的兴起为无创诊断开辟了新的途径。通过检测血液中的循环肿瘤DNA、miRNA和外泌体等分子生物标志物，即使在没有组织样本的情况下，也能获取病灶的分子图谱（Boehm等，2023年；Gao等，2024年；Moya等，2019年；Murray等，2025年）。在各种肿瘤生物标志物中，mRNA作为基因转录的直接产物，反映了肿瘤特异性的基因表达模式，因此被广泛应用于基于外周血的检测（Han等，2008年；Ma等，2022年；Thomas等，2016年）。然而，当前的主流液体活检平台，如微阵列（Brown等，2000年）和RT-PCR，仍然依赖昂贵的设备、复杂的数据分析流程和专业人员，这限制了其在初级保健场所和资源匮乏地区的广泛采用（Best等，2015年）。因此，开发一种快速、实用的检测平台至关重要，以便医疗人员能够在诊疗现场直接获得诊断结果。

DNA计算通过其独特的分子信息处理能力为应对这些挑战提供了创新解决方案。首先，高并行性和逻辑集成构成了其核心优势：链置换反应网络（Qian和Winfree，2011年；Simmel等，2019年）能够在单一反应中同时检测多种核酸标志物，并通过预定义的逻辑（如AND、OR和阈值处理）集成多通道输入，从而产生综合性的诊断输出（Lopez等，2018年）。这种分子层面的信息处理范式更好地反映了疾病的多因素特性，并可能提高诊断准确性和早期检测能力。其次，可编程性和设计灵活性允许快速定制以满足多样化的临床需求；通过重新设计DNA序列和反应拓扑结构，检测逻辑可以轻松重新配置，应用于从病原体鉴定（Ma等，2022年）到肿瘤亚型分类（Zhang等，2020年）和突变检测（Zhang等，2022年）等多种场景。这种"软件定义检测"范式将检测逻辑编码在序列设计和反应网络中，而非固定硬件中，为模块化且可扩展的分子诊断奠定了基础。此外，生物相容性和样本适应性是促进DNA计算向临床应用转化的固有优势。作为生物体内天然的信息载体，DNA分子在血清和尿液等复杂生物样本中保持结构稳定性和反应活性，消除了繁琐的核酸提取和纯化步骤。近年来，研究人员已成功将DNA逻辑电路直接应用于未稀释血清中靶标物的检测，展示了其在真实世界样本环境中应用潜力（Kong等，2024a）。最后，低设备依赖性和便携性使其能够部署于专业实验室之外：输出结果可使用便携式荧光读数器进行定量分析，在某些情况下还可进行目视判读（Bai等，2025年；Koowattanasuchat等，2023年），而与微流控及纸质平台的整合则进一步支持了即时检测诊断的应用。

目前，已开发出多种用于疾病诊断的DNA计算平台（Kong等，2024b；Lopez等，2018年；Ma等，2022年；Zhang等，2020年），但每种平台都存在局限性，包括计算步骤繁琐、需要辅助设备、权重仅限于整数以及局限于逻辑运算。这些局限性限制了进一步的临床应用，并不可避免地损害了计算精度。因此，本研究展示了一种新型DNA加权求和系统，其特点是步骤简洁且权重运算采用连续形式（与整数等离散形式形成对比）。值得注意的是，连续权重运算在临床应用中相较于整数权重或纯逻辑运算等离散形式具有诸多优势。首先，真实临床样本中生物标志物的表达水平本质上具有连续性而非离散性；它们更接近模拟电路的信号形式而非数字电路的信号形式。采用连续加权处理可获得更精细的结果。更重要的是，基于整数的权重运算通常需要对特定输入执行乘法步骤，这需要对DNA环化等额外的辅助模块和步骤进行操作。然而，可实现的乘法因子通常受限于一个狭窄的范围（通常<5），因为更高的乘法倍数需要过高的辅助组分浓度和较长的杂交区域，这往往导致串扰和不准确的计算结果。因此，这些限制要求在计算机模拟训练过程中对候选诊断模型进行大量的筛选和限制，可能损害其诊断性能。

我们平台的总体工作流程包括两个主要步骤：(i) 计算机模拟训练（图1A）：利用癌症基因组图谱（TCGA）公开发布的mRNA谱筛选出肿瘤中的差异mRNA，然后通过LASSO回归从这些筛选出的mRNA中获得诊断模型。(ii) 分子实施（图1C）：从临床全血样本中提取总RNA并随后逆转录为互补DNA（cDNA）。接着，采用LATE-PCR（指数扩增后线性扩增-PCR）技术实现对微量mRNA的准线性扩增，从而将mRNA转化为适合下游计算分析的单链DNA输入信号，同时保留原始浓度信息。最后，我们利用DNA加权求和系统处理扩增产物中所含的定量信息。计算过程中产生的荧光信号强度作为计算结果的可视化表示，有效地区分了癌症和正常样本。我们选择前列腺癌（PCa）和结直肠癌（CRC）作为代表性病例进行模拟和验证，以评估所提出系统的准确性和普适性，两种情况下均观察到了卓越的结果。

节选部分

DNA寡核苷酸

所使用的寡核苷酸购自 Sangon Biotech（中国上海）。DNA序列使用NUPACK服务器（http://www.nupack.org）和OligoAnalyzer（https://www.idtdna.com/pages/tools/oligoanalyzer）进行设计。所有未标记的DNA链由Sangon Biotech通过HAP纯化，所有标记的DNA链（6-FAM和BHQ1）由Sangon Biotech通过HPLC纯化。所有链均以冻干粉形式运输，并悬浮于1×Tris-EDTA缓冲液中，浓度为20 μM，储存于4 °C以备后续

基于生物信息学的诊断模型构建

为实现基于DNA的癌症诊断，我们首先通过计算机模拟开发了高精度的mRNA诊断模型。首先，从TCGA数据库中选择相应的mRNA谱，包括前列腺癌（502个肿瘤/52个正常样本）和结直肠癌（650个肿瘤/51个正常样本）。使用limma包进行差异分析，分别筛选出958个和1832个前列腺癌和结直肠癌的差异基因（图S1）。为进一步减少特征

结论

无创癌症诊断仍然是临床肿瘤学中的一个关键目标（Chen等，2020年）。与蛋白质（Chen等，2014年）相比，核酸作为遗传信息的基本载体，更直接地反映了恶性细胞和正常细胞之间的分子差异，为整个诊疗过程中的精准管理提供了更大的潜力。与需要专业设备的传统方法不同，我们的DNA计算平台可直接处理复杂输入

CRediT作者贡献声明

肖宪金：写作—审阅与编辑，资金获取。夏志宇：验证。林萌：资金获取。钟明亮：指导。黄一帆：数据管理。徐静宇：项目管理。陶开雄：资源提供。王少刚：指导。杨玉贤：可视化，指导。夏奇东：写作—审阅与编辑，资源提供。叶桂辰：软件。郭义宏：资金获取。熊一帆：数据管理。潘若言：形式分析。姚清旭：资源提供。罗旷迪

伦理批准与参与同意

所有血液样本均经知情同意后从同济医院和协和医院采集。本研究获得了华中科技大学同济医学院同济医院和协和医院伦理委员会的批准（TJ-IRB202407023）。

发表同意

不适用

数据与材料可用性

数据将根据要求提供。

利益冲突

作者声明不存在利益冲突

资金支持

本研究的资金来自河南省科技攻关项目（项目编号：262102310048）；河南省自然科学基金（项目编号：262300422286）；国家自然科学基金（面上项目；项目编号：82471677）；河南省医药卫生科技联合研究项目省部共建重大项目（项目编号：SBGJ202501006）；以及吉林省科学

利益冲突声明

? 作者声明不存在可能影响本文所报告工作的已知竞争性经济利益或个人关系。

致谢

部分图片使用BioRender创建。Main, T. (2026) https://BioRender.com/lkiugpt

罗旷迪 | 刘潇 | 钟兴宇 | 杨玉贤 | 叶桂辰 | 熊一帆 | 夏志宇 | 钟明亮 | 黄一帆 | 徐静宇 | 潘若言 | 姚清旭 | 范立文 | 陶开雄 | 王少刚 | 夏奇东 | 郭义宏 | 肖宪金 | 林萌