《Frontiers in Genetics》：Applications and challenges of multi-omics approaches in lung cancer research and precision treatment
肺癌是全球最常见的癌症之一，也是癌症死亡的主要原因，带来了沉重的疾病负担和严峻的公共卫生挑战。多组学技术，如基因组学（Genomics）、蛋白质组学（Proteomics）、代谢组学（Metabolomics）和影像组学（Radiomics），在肺癌的早期诊断与治疗中发挥着至关重要的作用，揭示了肺癌的分子特征与机制，具有重要的临床应用价值。然而，该技术也面临着诸多挑战，如数据问题、“黑箱”问题以及伦理法律顾虑。如何扬长避短，实现技术的临床转化并更有效地服务于患者，值得深入反思。本文综述了多组学方法在肺癌研究与个性化治疗中的具体应用及其面临的挑战。
1. 引言
肺癌是全球范围内最常见的癌症之一，也是癌症死亡的主要诱因。根据GLOBOCAN 2020统计，全球每年约有220万肺癌新发病例，占所有新发癌症的11.4%；肺癌导致的死亡人数约为180万，占所有癌症死亡的18%。因此，肺癌造成了巨大的疾病负担，引发了高度关注的公共卫生问题。迫切需要加快全面研究和精准治疗以降低肺癌死亡率并提高患者生活质量。面对这一重大挑战，多组学技术的演变正在稳步推进。多组学技术从整体水平研究生物体的特征、变化及生命活动规律，克服了单一组学方法的局限性，通过挖掘多维数据中包含的信息，揭示分子或细胞间的调控关系以及生物体的内在规律和运行机制。它包括基因组学、转录组学、蛋白质组学、代谢组学、影像组学等技术，能从多方面、多维度揭示肿瘤的分子特征及相关机制，帮助人们更好地理解肿瘤发生、发展和转移的路径，为理解肿瘤提供了新视角。这些发现共同证明了多组学方法在科学研究中的广泛应用。通过整合多组学技术，研究人员能够精准诊断肺癌并进行早期干预策略制定，深入洞察肺癌耐药性，为靶向医疗实践奠定坚实的理论和实践基础。
2. 基因组学
基因组学由美国遗传学家Thomas H. Roderick于1986年提出，是一门利用多种方法、整合多学科，通过测量来分析、解释、比较和功能鉴定生物体基因组信息的科学。随着基因组学的出现，新一代测序技术（Next-Generation Sequencing, NGS）因其速度快、成本低、高通量、高灵敏度等特点，逐渐取代了传统的测序方法，在癌症研究和靶向医疗实践中变得至关重要。
基因组学发现的具有可行靶向治疗的肺癌基因组改变使得肺癌管理前景广阔。其中，驱动基因突变具有最大的临床意义，因为它们能促进肿瘤细胞的增殖并完成侵袭和转移过程，包括EGFR、KRAS、ALK、erbB2、BRAF等基因。同时，抑癌基因如TP53、STK11、ATM和APC等也发挥关键作用。Knudson假说认为需要两个等位基因的失活才能致癌。此外，基因组学还发现了一些重要的拷贝数变异，最常见的改变是染色体5p的增加。Chanida等人发现了两个新的局灶性改变，即包含原癌基因AGAP2的染色体12q14.1和包含潜在原癌基因RBBP6的染色体16p12.1，基因剂量的改变可能导致肿瘤的发生和发展。
目前，非小细胞肺癌（Non-Small Cell Lung Cancer, NSCLC）仍存在一些潜在的治疗靶点。Nectin-4是一种参与肿瘤黏附、增殖和转移的细胞黏附分子，约60%的NSCLC存在其过表达。Enfortumab vedotin是目前用于治疗Nectin-4突变的靶向药物，但在一项II期临床试验中结果未达到预期的抗肿瘤活性，亟需更全面的研究。叶酸转运蛋白Folate Receptor α (FRα) 通过提供叶酸促进肿瘤细胞代谢，它在肺腺癌中的阳性率为74%，而在鳞状细胞癌中为13%。研究表明，在接受手术治疗的肺腺癌患者中，FRα的高表达与改善的总生存期相关，并且与某些肿瘤通路有关。
目前，组织活检仍是诊断肺癌的主要方法，有助于肿瘤亚型分类，指导治疗决策和预后判断。由于组织活检具有侵入性、成本高、报告时间长等缺点，液体活检应运而生。液体活检通过检测患者的体液（主要为血液）获取肿瘤信息，主要检测循环肿瘤DNA（Circulating Tumor DNA, ctDNA）、循环肿瘤细胞和外泌体。液体活检最初应用于EGFR突变阳性的晚期NSCLC个体基因分型。研究发现，通过ctDNA识别EGFR突变的特异性高达98.2%，敏感性为76.7%。随着技术进步，液体活检的应用日益多样化。一项关于ctDNA-MRD的研究发现，在奥希替尼（Osimertinib）治疗组中，MRD事件阳性的中位时间比DFS事件早4.7个月，表明ctDNA具有一定的评估肿瘤复发能力。此外，ctDNA甲基化特征的检测被用于肺癌早期筛查，结合图像特征和ctDNA甲基化特征建立的模型预测肺结节良恶性的AUC高达0.91。
基因组学目前相对成熟，应用场景丰富，针对不同位点的靶向药物已广泛应用于临床。值得注意的是，除已知靶点外，新兴靶点的靶向药物效果似乎并不理想。能否开发更多靶向药物以延长患者生存期并改善生活质量是当前面临的挑战。此外，对于液体活检，血浆ctDNA水平低、非肿瘤细胞的DNA噪声以及细胞衰老的影响将限制这种非侵入性诊疗技术的应用。
3. 蛋白质组学
澳大利亚科学家Marc Wilkins于1994年提出了蛋白质组的概念，涵盖生物体产生的所有蛋白质。蛋白质组学是研究生物体内所有蛋白质相互作用和变化规律的科学。蛋白质组检测技术包括免疫印迹和凝胶电泳，但通量低且复杂度高。随着技术的发展，质谱（Mass Spectrometry, MS）已成为主要的检测方法。
蛋白质组学能够探索与肺癌发生演变相关的蛋白质变化，这些标志物在肺癌的早期诊疗、疗效及预后评估方面具有巨大潜力。在诊断方面，一项针对菲律宾早期NSCLC肺腺癌患者的研究发现了6240种差异表达的定量蛋白质，最终确定了33种具有作为生物标志物潜力的蛋白质。在治疗反应方面，研究确定了UGGT1、COL6A1和MAP4三个标志物来预测NSCLC患者对顺铂的治疗反应；骨桥蛋白显著影响接受放化疗的鳞状细胞癌患者的总生存期，而红细胞生成素和血管内皮生长因子对腺癌患者的总生存期影响较大。在分类和预后方面，利用蛋白质组学技术分析小细胞肺癌术后石蜡样本，可将其分为三种类型，发现蛋白质组学分型是独立的预后因素，优于TNM分期。此外，通过分析韩国NSCLC队列报告了五种肺癌亚型，其中亚型4的特征是PI3K-Akt信号通路激活，与不良预后和高频转移相关。
糖蛋白质组学是蛋白质组学的重要分支。糖基化是蛋白质最常见的翻译后修饰方式，糖基化水平指示机体的生理病理功能、疾病进展和预后，对癌症的病理谱有深远影响。研究显示，肿瘤组织中甘露糖和唾液酸化岩藻糖基化N-聚糖的相对丰度显著上升。糖蛋白CDCP1可被选择性装载到细胞外囊泡中，这可能是肺癌转移的关键步骤和抗转移研究的靶点。此外，根据糖基化状态可将肺腺癌脑转移分为两种亚型，N-糖基化在肿瘤进展中起重要作用。除了标志物探索，还发现了糖蛋白抑制剂Pictilisib，其对肺癌治疗具有潜在价值。
上述研究表明蛋白质组学在癌症研究和精准治疗中具有重要意义和广阔前景。然而，仍存在几个问题。目前大多数研究项目参与者数量有限且患者群体单一，因此研究结果的普遍性仍有待商榷。在糖蛋白质组学方面，目前研究集中在N-糖基化，由于缺乏能够分解所有O-聚糖的酶，对O-糖基化的研究很少，但O-糖基化在蛋白质稳定性、信号转导、免疫反应等方面也起着重要作用。上述问题表明需要对蛋白质组学进行更深入的研究以确保其显著的临床应用。
4. 代谢组学
代谢组学是在基因组学和蛋白质组学之后发展起来的一门科学，主要研究分子量低于1000道尔顿的小分子物质，如糖类、脂质、氨基酸、核苷酸等。通过分析这些代谢物的差异或富集，可以描述生物体在特定阶段的生理或病理过程。代谢组学研究方法包括核磁共振（Nuclear Magnetic Resonance, NMR）、液相色谱（Liquid Chromatography, LC）和气相色谱串联质谱（Gas Chromatography-Mass Spectrometry, GC-MS）。
肿瘤细胞的能量代谢相对特殊。当氧气充足时，肿瘤细胞仍会利用糖酵解产生能量，即有氧糖酵解，也称为Warburg效应。在糖酵解和三羧酸循环中，丙酮酸水平的升高会抑制机体免疫反应并促进肿瘤细胞生长。丙酮酸转化为乳酸会增加内环境酸性，从而抑制免疫反应并促进肿瘤渗透，这也是肺癌发生发展的机制之一。肺癌的葡萄糖代谢途径显著异常，丙酮酸脱氢酶激酶的显著增加可促进肿瘤细胞的Warburg效应，成为一个潜在的治疗靶点。然而，研究表明肿瘤细胞具有根据环境变化选择不同能量生成方式的能力，在缺氧条件下以糖酵解为主，而在氧含量充足时氧化磷酸化模式显著上调。这一发现表明在肺癌治疗中可能需要联合多条代谢通路进行靶向治疗。
脂质代谢是肺癌演变的另一条重要途径。研究显示肺鳞癌患者溶血磷脂酸水平升高，腺癌患者氧化磷脂酰胆碱水平升高。氧化磷脂酰胆碱与血管内皮细胞的有丝分裂有关，可促进肿瘤血管生成。另一项研究筛选了肉碱和多种氨基酸标志物，其中肉碱可将脂肪酸从细胞质转运至线粒体形成酰基肉碱，反映肺癌的发展。还有研究确定了六种脂质在预测晚期NSCLC患者化疗免疫疗法反应方面的疗效。
氨基酸代谢紊乱是肺癌的显著特征。组氨酸具有抗炎作用，可在肿瘤微环境的炎症作用下转化为组胺，参与肿瘤细胞的增殖、转移和免疫反应刺激。丝氨酸和甘氨酸是两种非必需氨基酸，肿瘤细胞能够增强磷酸甘油酸脱氢酶的活性，参与丝氨酸和甘氨酸的合成，这与肿瘤生长和患者临床结局不佳有关。这两种氨基酸还可参与谷胱甘肽的合成，维持细胞内的氧化还原稳态。甜菜碱是胆碱的一种代谢产物，也是一种甲基供体，可抑制炎症小体的激活，减少内质网应激和肿瘤进展。一项研究选择了八种代谢物来区分健康人、肺腺癌患者和肺鳞癌患者，这些代谢物的增加表明了肺鳞癌特殊的代谢重编程模式。
代谢组学作为后基因组时代发展起来的新学科，帮助研究人员加深了对疾病过程的另一维度的理解。与基因组学和蛋白质组学相比，它具有数据量少、易检测、分析简单等优点。尽管代谢组学研究广泛，但胆固醇代谢在肺癌进展中的作用仍不清楚，各种研究显示肺癌患者胆固醇水平存在显著差异，值得思考这种变异的原因并为未来的代谢组学研究提供见解。
5. 影像组学
影像组学可以从图像数据中提取定性和定量特征，特别是那些肉眼难以捕捉的高维特征，以辅助临床医生做出临床决策。影像组学的基本流程主要包括：图像预处理（清洗、离散化、归一化以减少背景噪声干扰）；图像分割（勾画感兴趣区域Region of Interest, ROI）；特征提取与筛选降维；最后构建并验证预测模型。
传统影像组学大多依赖手动勾画ROI。特别是过去几年，人工智能（Artificial Intelligence, AI）的进步使得影像组学与深度学习相结合，实现了全流程的自动化和智能化，成为目前研究的主要焦点。AI是基于计算机科学的一门技术，融合了多个学科，能模仿人类的反应。目前机器学习和深度学习主要用于模型构建。机器学习是利用不同算法从海量数据中寻找模式，通过找到映射关系来预测或描述新数据的过程。深度学习是机器学习的一个子集，其核心是神经网络结构。与机器学习相比，深度学习更擅长处理图像、语音和文本等“高级特征”。
影像组学广泛应用于肺癌诊断。在肺结节检测和良恶性预测方面，AI模型的准确性（AUC为0.88）超过了临床医生（AUC最多为0.84）。利用Cross-ViT网络进行特征提取的分类准确率达到91%，优于大多数其他分类技术。在肺癌病理预测方面，结合影像组学和代谢组学，最终模型在识别组织学类别（正常组织、腺癌、鳞癌）方面F1得分达到0.78。结合基因组学和影像组学区分腺癌和鳞癌，解释了26个基因突变位点与这两种亚型的关系，使模型具有可解释性。在基因突变预测方面，结合临床数据和图像数据预测NSCLC患者PD-L1的表达，AUC达到0.85。通过分析肿瘤内部、边缘及周围的特征，提取3951个影像组学信息，在活检不可行或无法确定的情况下，该模型可作为有效的补充工具。此外，利用MRI数据预测NSCLC脑转移患者EGFR突变，AUC达到0.93。
影像组学还可用于肺癌的个性化治疗。在肺结节管理方面，分析疑似非恶性结节患者的CT图像，实现早期筛查和精准识别低风险结节，并制定合适的随访策略。在疗效预测方面，结合临床病理图像与CT预测肺腺癌患者EGFR突变靶向治疗敏感性，AUC达0.84。通过结合瘤内和瘤周区域提取的特征与不同算法预测晚期NSCLC诱导治疗反应，AUC高达0.93。在预后预测方面，提取22个特征预测0-IA期NSCLC患者术后2年内早期复发概率，发现CT标准差、实性成分比例和支气管透光度等特征与患者无复发生存期相关。集成学习模型可预测晚期NSCLC患者脑转移风险，AUC为0.91。FAIS模型可预测EGFR-TKI预后疗效，AUC为0.813，并能识别TKI耐药高风险患者。
影像组学技术，特别是AI的加入，给临床医学领域带来了质的飞跃。它可以帮助医生进行诊断，甚至提供参考治疗方案，从而减轻医务人员的临床负担。未来，AI有望发展成大型语言模型，通过人机交互更科学、智能、准确地辅助临床工作。然而，目前可用于制定手术策略的模型数量有限，且在预测罕见基因突变方面也存在明显不足。如何整合患者的多维数据以开发综合预测模型可能是未来精准医学的研究方向之一。
6. 多组学方法面临的挑战
目前，多组学方法的联合分析在癌症研究和精准医疗中发挥着越来越重要的作用，已成为主流趋势。然而，多组学技术也面临许多挑战。
首先是数据整合和可重复性。数据采集是多组学方法面临的第一个挑战，缺失值不可避免。目前多组学数据的整合方法包括早期、中期和晚期整合。早期整合是直接合并不同组学的数据，也称为输入层或特征层整合，这是最简单的整合方法，但会导致背景噪声扩大和纬度灾难，且必须对齐不同模态的数据。中期整合要求先独立处理每组数据再进行合并，能保留不同组学数据之间的关系，交互分析更突出，但算法复杂度较高，难以找到处理每组数据的最佳深度，可能导致某些特征丢失。晚期整合与早期整合完全相反，先分析不同组学的数据再整合结果，虽然可以进行模态训练，但削弱了不同组学的交互。必须面对确定哪种整合模式对测试结果影响最小的问题。此外，大多数研究是单中心研究且样本量小，不同方法或平台之间存在显著差异，缺乏适当的数据预处理过滤标准，因此需要构建一个多数据集联合分析的平台。另外，肿瘤组织样本的不同采集、运输、储存、处理和操作程序，以及不同的数据整合和分析方法，带来了数据可重复性问题。
数据标准化和临床分析是第二个问题。不同的组学方法在测量方法、单位和数据格式上存在差异，使得标准化和归一化处理复杂。即使使用相同的测量方法，不同时间、地点甚至不同的人测得的数据也可能导致结果差异，这种现象被称为批次效应，会增加假阳性或假阴性的发生率，导致实验出现重大误差。另一方面，如何将多组学方法的实验结果转化为有意义的临床结论也是一个挑战。多组学分析解释了一个完整的病理生理过程，如何将其与已知的标志物和靶点联系起来仍未解决。
第三是“黑箱”问题。AI的“黑箱”问题长期以来备受诟病。如果不能解决“黑箱”问题，AI将是不安全和不可信的。AI的逻辑形式以数字为载体，运行不同的算法，很难解释它是如何得出结论的。在深度学习中，存在大量层次递进的神经网络，在第一层网络中，模型只处理基本特征，在随后的网络中，模型重组或提取前一层的特征形成更复杂的人类往往无法理解的高维特征。因此，人类无法再现AI背后每个操作的数学逻辑。在临床实践中，向患者解释AI答案背后的原理已成为一个亟待解决的问题。
第四是伦理和法律问题。多组学研究会不可避免地包含大量患者隐私数据，数据不可能完全匿名。一旦在接收、存储、分析和共享过程中出现数据泄露，患者隐私将受到侵犯，这对数据保护构成了巨大挑战。此外，多组学数据可能会长期使用，患者的知情同意很复杂。在沟通方面，向患者和其他非专业人士解释多组学技术的使用和风险也是一个挑战。当然，组学数据的错误解释可能导致漏诊、误诊甚至不当的治疗方案，在此类医疗事故下，如何划分具体责任存在争议。
第五是经济成本问题。不同类型检测的价格差异很大，多基因检测费用约为2000-5000元，而全外显子或全基因组测序费用在18000-50000元之间。多组学联合检测的价格更高：基因组联合单细胞转录组测序每样本价格约为80000至120000元。此外，样本类型也对价格有一定影响，血液样本处理相对简单，而组织样本需要解离、纯化和核酸扩增，成本增加30%-50%；FFPE样本需要特殊的预处理，每样本成本也会增加。因此，多组学方法会给患者带来沉重的经济负担。此外，目前的医疗保险不能覆盖所有项目，不同项目的报销比例也不同。在这种压力下，患者可能会选择价格低廉但不全面的检测方案，甚至放弃此类方案，这不仅影响了患者的生活质量，也降低了多组学方法的实际应用价值。
7. 结论
目前，多组学技术领域广泛涉足各类医学研究领域，具有巨大潜力。AI的进步为其注入了新的活力。多组学技术发现的生物标志物和病理生理机制在肺结节早期检测、肺癌早期诊断、治疗方案制定、治疗效果预测及预后方面取得了巨大成就，在一定程度上帮助医生进行诊断，及时观察患者病情的变化，调整治疗方案，为肺癌管理提供了新方法、新见解和新思路。然而，组学数据的标准化、分析和整合，如何实现临床转化，AI的“黑箱”问题以及科研的伦理法律问题都是不可避免的挑挑战。目前，多组学技术越来越多地用于动态疾病监测，克服传统方法的延迟，追踪肿瘤发展、进展和治疗反应中的分子变化。例如，基因组监测可以检测肺癌早期的基因突变（如EGFR、ALK等）以实现早期诊断和干预。在治疗期间，监测PD-L1和肿瘤特异性代谢物的表达水平有助于评估疾病进展。此外，针对特定突变（如T790M）指导治疗选择并旨在延长患者生存期。另外，单细胞多组学技术正成为当前的发展趋势。它能从单个细胞水平获取多维信息，突破传统技术难以解决细胞异质性的缺点，能识别稀有细胞，区分不同细胞亚群的差异，避免一刀切的研究偏差。同时，它能将靶点验证周期缩短3-6个月，加速基础科研和药物开发进程，促进从实验到临床应用的高效转化。相信在未来，随着技术的优化迭代和多领域的持续协作，多组学技术有望显著降低肺癌死亡率，提高患者生活质量，减轻癌症负担。
