基于全图谱GC–IMS尿液挥发性指纹的免手动峰选择工作流：前列腺癌开发与独立时间验证

《Journal of Chromatography Open》：Full-map gas chromatography–ion mobility spectrometry of urinary volatile fingerprints without manual peak picking: Development and independent temporal evaluation in prostate cancer

　　

气相色谱–离子迁移谱（GC–IMS）可产生信息丰富的二维尿液挥发性指纹。研究人员评估了一种全图谱工作流，该工作流使用标准化分离图谱进行机器学习分析，并随后对信号进行定位以供后续研究，而在模型输入端不进行手动峰选择。开发队列包括46例经活检确认的前列腺癌样本和43例男性对照样本。反应离子峰（RIP）相对对齐和共同网格预处理生成512 × 256图谱。折内Pareto标度化和主成分分析（PCA）将131,072个强度变量降至20个分数用于分类器比较。在共享该输入的6个分类器中，随机森林（RF）具有最高的汇总折外受试者工作特征曲线下面积（ROC–AUC）：0.835（95%置信区间[CI]，0.743–0.915）；偏最小二乘判别分析（PLS–DA）在Pareto标度化全图谱上单独评估。最终RF流程未经重新拟合应用于2022年采集的39例前列腺癌样本和17例前列腺癌阴性样本，获得ROC–AUC 0.723（95% CI，0.551–0.879）、灵敏度0.949和特异度0.529。6个比较算法的时间ROC–AUC范围为0.427至0.646。事后空间定位定义了38个基于坐标的感兴趣区域（ROI）；仅使用开发队列的RF模型使用全部38个区域或固定五区域子集分别获得ROC–AUC 0.804和0.780。该工作流结合全图谱输入、分类器比较、时间评价和坐标级信号定位。它为研究尿液挥发性指纹并在更大规模、具有临床特征描述的泌尿系统队列中检验疾病特异性提供了可重复基础。

研究背景与问题：前列腺癌是男性常见恶性肿瘤，全球疾病负担重。现有评估结合前列腺特异性抗原（PSA）检测、临床检查、影像学和组织病理学，但PSA非肿瘤特异，影像依赖专门资源，活检有创且可能发现惰性疾病。尿液可无创、重复采集，反映系统代谢、肾脏排泄、微生物活动、药物饮食暴露及泌尿生殖道分子信号。代谢重编程涉及能量代谢、氨基酸周转、脂质合成与氧化、氧化还原稳态、膜重塑和肿瘤–微环境相互作用。尿液挥发性有机化合物（VOCs）包括酮、醛、醇、酯、芳香族、含硫化合物等，既往GC–MS、靶向VOC panel和化学计量学指纹研究支持尿液VOC模式提供互补分子信息，且模式级分析优于依赖单一候选标志物。问题在于许多工作流在建模前依赖有限选定峰或注释VOC，模型仅使用部分仪器输出；特征提取受阈值、峰重叠、信号强度和操作者判断影响；GC–IMS产生二维分离图谱，传统流程常简化为紧凑强度表，造成仪器测量信息与模型可用信息之间缺口。因此研究人员开展免手动峰选择的全图谱GC–IMS尿液挥发组学工作流，并在独立时间队列评价，随后进行坐标级信号定位，连接全图谱建模、时间评价和局部解析。

研究开展与总体结论及意义：研究人员用RIP对齐、共同网格、全图谱输入、分类器比较和时间验证构建流程；开发队列46例活检确认前列腺癌和43例男性对照，时间队列39例前列腺癌和17例前列腺癌阴性（2022年）。结论为RF在共同20维PC分数输入下开发ROC–AUC最高并被保留；固定流程在时间队列ROC–AUC 0.723、灵敏度0.949、特异度0.529；时间性能显示开发排名未均匀转化，特异性不足以临床部署；工作流提供可重复基础，连接全图谱、时间评价和坐标ROI，意义在于支持进一步研究尿液挥发性指纹及疾病特异性。

关键技术与样本来源（≤250字）：样本来自重庆大坪医院、陆军军医大学单中心观察性研究，开发队列46例前列腺癌和43例男性对照（2020–2021），独立时间队列39例前列腺癌和17例前列腺癌阴性（2022）。采用尿液顶空GC–IMS采集；以反应离子峰（RIP）相对漂移时间对齐，保留50–900 s和DT/RIPrel 1.05–2.50，8倍分箱、共同512 × 256网格插值和每图最小–最大归一化，展开为131,072变量；折内Pareto标度化和PCA（20个PC分数）供六分类器比较并保留RF；PLS–DA在Pareto标度化全图谱单独评估；固定流程不重新拟合用于时间队列；事后以38个候选ROI和固定五ROI最大强度RF作描述性比较；SHA-256校验队列文件分离。

研究结果：
3.1 Cohorts and Information-Rich Full-Map Data：研究人员组装89份开发图谱（46例前列腺癌、43例男性对照）和56份独立时间图谱（39例前列腺癌、17例前列腺癌阴性）；145个源文件均完成RIP定位、裁剪、分箱、共同网格插值和归一化；未检测到开发与时间队列原始文件SHA-256重叠；每样本位于同一512 × 256网格，形成131,072个对齐强度变量。结论是建立了信息丰富的全图谱数据基础。
3.2 Distributed Full-Map Signals Supported the Selected PC-Score Random Forest：前列腺癌与对照平均图谱整体架构相似，但组间差异图在保留时间和RIP相对漂移时间上显示多个正负位移，支持使用完整标准化图谱而非短峰列表；在共享20维PC分数的六分类器中，RF汇总折外（OOF）ROC–AUC最高（0.835），其次为直方图梯度提升0.822、逻辑回归0.774、支持向量机径向基核（SVM–RBF）0.721、k近邻（kNN）0.720、高斯朴素贝叶斯（Gaussian NB）0.713；PLS–DA为0.731；5–40个PC的OOF ROC–AUC为0.833–0.863，预设定20-PC配置用于时间评价；20-PC RF内部OOF ROC–AUC 0.835（95% CI 0.743–0.915），准确度0.764、灵敏度0.761、特异度0.767、平衡准确度0.764，混淆矩阵为33真阴性、10假阳性、11假阴性、35真阳性。结论是保留RF作为主要模型。
3.3 Independent Temporal Performance of the Full-Map Models：固定RF流程在时间队列ROC–AUC 0.723（95% CI 0.551–0.879），在0.5阈值下正确分类37/39例前列腺癌和9/17例前列腺癌阴性，灵敏度0.949、特异度0.529（精确二项95% CI分别为0.827–0.994和0.278–0.770），准确度0.821、平衡准确度0.739、精确度0.822、F1 0.881；同一时间队列中比较算法ROC–AUC为0.427–0.646，直方图梯度提升0.646高于其他比较算法但低于RF，逻辑回归和SVM–RBF在固定边界将56例全判为阳性，kNN将17例阴性全判阳性且37/39例前列腺癌判阳性。结论是开发阶段排序未均匀转化，RF时间特异度不足，不构成临床可用前列腺癌检测。
3.4 Regional Representations Retained Development-Set Discrimination：使用全部38个候选ROI的最大强度RF获得开发集汇总OOF ROC–AUC 0.804、灵敏度0.783、特异度0.698；固定五ROI子集（F019、F001、F038、F014、F002）ROC–AUC 0.780、灵敏度0.674、特异度0.721；全图谱RF数值最高；这些事后比较为描述性，不量化单个ROI贡献比例；38个ROI提供坐标级未来分析靶点，未指定分子身份。结论是区域表示保留开发集判别，并与全图谱互为补充。

讨论部分总结：研究将全图谱输入、分类器比较、时间评价和坐标级定位连接为四要素；强调仪器输出与模型表示差异，延迟定位可保留弱、重叠或空间分布信号并降低操作者定义边界依赖；PCA作为131,072变量与分类器之间的计算桥梁；RF开发ROC–AUC最高，时间评价显示RF观察ROC–AUC最高，但特异度0.529不足以临床部署，高灵敏度不能抵消假阳性负担；逻辑回归时间线性预测全为正，产生近饱和概率，但原文未赋予临床或分析原因；下一步需在良性前列腺增生（BPH）、前列腺炎、尿路感染、其他泌尿系统肿瘤或PSA升高而活检阴性人群中检验疾病特异性；坐标定位与分子鉴定属不同证据层级，未作化合物特异性标志物、机制或通路声明；优势包括完整标准化区域进入PCA、预设参数与随机种子、文件级校验、时间队列含两类样本；局限包括回顾性单中心、开发队列不大、时间阴性样本17例限制精确度、开发对照标识不完整、同一开发队列用于分类器比较和ROI定位使内部及区域估计可能乐观、时间队列缺少专门BPH/前列腺炎/尿路感染/其他泌尿肿瘤组、临床协变量和尿浓度及运行顺序数据不完整、汇总质控/重复/空白数据有限、未评估操作者间重现性和增量临床价值、未指定分子身份；未来应在更大、临床特征明确的泌尿系统队列中评价疾病特异性。

研究结论翻译：本研究提供了从标准化尿液GC–IMS图谱到无需在模型输入端手动峰选择的预测表示的路径。分类器比较、时间评价和独立空间定位将全图谱分析指纹与坐标定义的信号测量联系起来。分类器间时间性能差异强调在开发队列之外评价的价值。该框架支持在具有临床特征描述的泌尿系统人群中进一步研究尿液挥发性指纹及其疾病特异性。