《FEBS Open Bio》：Accurate and noninvasive prostate cancer detection using plasma-derived extracellular vesicle RNA
编辑推荐：
前列腺癌（PCa）是男性中最常见的非皮肤恶性肿瘤，也是全球癌症相关死亡的主要原因之一。其临床异质性从惰性病变到侵袭性疾病不等，给诊断和治疗带来了重大挑战。然而，目前的标准生物标志物前列腺特异性抗原（PSA）缺乏足够的敏感性和特异性，导致过度诊断和漏诊并存。因此
前列腺癌（PCa）是男性中最常见的非皮肤恶性肿瘤，也是全球癌症相关死亡的主要原因之一。其临床异质性从惰性病变到侵袭性疾病不等，给诊断和治疗带来了重大挑战。然而，目前的标准生物标志物前列腺特异性抗原（PSA）缺乏足够的敏感性和特异性，导致过度诊断和漏诊并存。因此，迫切需要更准确的无创生物标志物。在本研究中，研究人员采用麦胚凝集素（WGA）偶联磁珠方法分离血浆来源的细胞外囊泡（EVs），并鉴定PCa患者与健康对照（HC）EVs之间的差异表达转录本。通过加权基因共表达网络分析（WGCNA）和随机森林模型筛选候选生物标志物，随后在包含PCa、良性前列腺增生（BPH）和HC样本的独立队列中采用RT-qPCR进行验证。研究人员鉴定了三种EV来源的RNA（NM_024955、NR_047469和NR_002564），与HC和BPH相比，这些RNA在PCa中均显著异常表达。联合分析显示出较高的诊断性能，优于PSA，且NM_024955的表达显示出强相关性，表明其可能与疾病严重程度相关。这些发现表明，基于凝集素的EV分离结合RNA谱分析为PCa诊断提供了一个稳健且可扩展的平台，有望成为补充或改进现有PSA筛查的无创生物标志物。
**基于血浆细胞外囊泡RNA的无创前列腺癌检测研究解读**
**一、研究背景与科学问题**
前列腺癌（prostate cancer, PCa）是男性最常见的非皮肤恶性肿瘤，也是全球男性癌症相关死亡的主要原因之一。其临床病程具有高度异质性，从惰性、局限性病变到高转移风险的侵袭性肿瘤不等，这种临床多样性给诊疗决策带来了巨大挑战。当前临床广泛采用的前列腺特异性抗原（prostate-specific antigen, PSA）作为血清标志物，长期面临敏感性与特异性不足的固有缺陷。一方面，PSA升高并非肿瘤特有，良性前列腺增生（benign prostatic hyperplasia, BPH）或前列腺炎亦可导致其升高，从而引发不必要的穿刺活检；另一方面，部分具有临床意义的PCa患者PSA水平可处于正常参考范围，导致诊断延误或漏诊。因此，临床亟需开发更准确、无创的新型生物标志物，以实现PCa的早期识别、风险分层、疗效预测及病程监测。
细胞外囊泡（extracellular vesicle, EV）是直径约100 nm（视来源细胞与分离方法可扩展至150–200 nm）的脂质双层膜小泡，源自多囊体，内含丰富的核酸分子，包括microRNA（miRNA）、长链非编码RNA（lncRNA）、信使RNA（mRNA）及环状RNA（circRNA）。越来越多的证据表明，EV携带的RNA通过调控关键信号通路和分子网络参与前列腺肿瘤的发生与进展。然而，将EV-RNA生物标志物推向临床应用面临分离纯化方法繁琐、效率低、难以规模化等瓶颈。传统超速离心和聚合物沉淀法耗时费力且易混入非囊泡杂质，影响下游检测准确性。为克服上述障碍，本研究采用凝集素偶联磁珠法分离血浆EV，并将其与RT-qPCR检测整合，旨在筛选并验证可用于PCa无创诊断的EV-RNA标志物组合。
**二、研究内容与主要结论**
研究人员开展了一项两阶段研究：首先通过RNA测序（RNA sequencing）结合生物信息学筛选进行标志物发现，随后在独立临床队列中采用RT-qPCR进行验证。基于WGA偶联磁珠法从PCa患者与健康对照（healthy control, HC）血浆中高效分离EV，经透射电子显微镜（transmission electron microscopy, TEM）、纳米颗粒追踪分析（nanoparticle tracking analysis, NTA）及蛋白质印迹（Western blot）验证EV形态、粒径分布及标志蛋白表达。RNA测序发现PCa与HC之间27个差异表达RNA（6个上调、21个下调）。通过加权基因共表达网络分析（weighted gene co-expression network analysis, WGCNA）与随机森林（Random Forest, RF）机器学习模型整合筛选，锁定三个重叠候选RNA——NM_024955、NR_047469和NR_002564。独立队列RT-qPCR验证显示，NM_024955在PCa中显著上调，NR_047469和NR_002564显著下调，三者联合的逻辑回归模型区分PCa与HC的AUC达1.0（100%敏感性与特异性），区分PCa与BPH的AUC为0.91，均优于PSA。此外，NM_024955表达与Gleason评分（Gleason score, GS）呈强正相关（R2=0.718），提示其与肿瘤侵袭性相关。该研究于《FEBS Open Bio》期刊发表，证实凝集素捕获EV结合RNA谱分析为PCa诊断提供了稳健、可扩展且无创的新平台。
**三、关键技术与方法**
本研究主要采用以下核心技术方法：（1）**WGA偶联磁珠EV分离法**：利用麦胚凝集素（wheat germ agglutinin, WGA）对富含糖蛋白的EV膜进行特异性捕获，通过N-乙酰-D-葡萄糖胺（GlcNAc）竞争性洗脱获得高纯度EV，适用于血浆样本大规模处理；（2）**RNA测序与生物信息学分析**：采用Illumina HiSeq 2500平台进行100 bp双端测序，经STAR比对至人类参考基因组（hg19），RSEM定量并标准化为每百万转录本（TPM），结合limma差异表达分析；（3）**WGCNA共表达网络构建**：以软阈值β=4构建无标度网络，识别与PCa显著相关的基因模块；（4）**随机森林机器学习特征选择**：基于Gini不纯度平均下降值对候选RNA进行重要性排序；（5）**RT-qPCR独立队列验证**：采用SYBR Green法，以U6小核RNA（snRNA）为内参，2
-ΔΔCt法计算相对表达量。临床样本来源于江苏大学附属武进医院，共纳入313例参与者，其中发现阶段38例PCa与54例HC，验证阶段120例PCa、50例HC及51例BPH，所有PCa病例均为I期。
**四、研究结果分述**
* **WGA磁珠法分离EV的表征**：TEM显示典型杯状双层膜结构，NTA显示粒径集中于约100 nm，Western blot检测到CD63和ALIX阳性表达，内质网蛋白Calnexin阴性，证实分离EV具有高纯度与典型特征。
* **PCa与HC血浆EV的RNA表达谱差异**：主成分分析（principal component analysis, PCA）显示PCa与HC两组间全局转录组显著分离；差异表达分析鉴定出27个显著变化RNA（6个上调、21个下调）；层次聚类热图显示差异RNA可有效区分两组样本。
* **差异RNA功能富集分析**：上调RNA显著富集于MAPK信号级联、癌症中蛋白聚糖及干细胞多能性调控通路；下调RNA主要富集于FoxO信号、前列腺癌相关通路及细胞衰老过程，提示EV-RNA参与癌症关键信号通路。
* **WGCNA与机器学习鉴定候选标志物**：WGCNA共识别10个基因模块，其中pink模块与PCa状态相关性最强（r=0.42，P=0.00014）；随机森林筛选出前20个重要性最高的RNA；Venn图分析显示NM_024955、NR_047469和NR_002564为三种方法共同识别的重叠候选。
* **RT-qPCR独立队列验证与诊断性能评估**：NM_024955在PCa中显著上调，NR_047469和NR_002564显著下调，与测序结果一致；PSA在三组间无显著差异；三RNA联合模型区分PCa与HC的AUC为1.0，区分PCa与BPH的AUC为0.91，均优于PSA（PCa vs BPH时AUC仅为0.5681）；多因素logistic回归证实RNA组合是PCa诊断的独立预测因子。
* **EV-RNA标志物与临床参数相关性**：三种RNA与血清PSA水平均无显著相关性；NM_024955表达与Gleason评分呈强正相关（R2=0.718），NR_047469和NR_002564与GS无显著相关，提示NM_024955可反映肿瘤侵袭程度。
**五、讨论与结论**
本研究证实了凝集素捕获EV结合整合生物信息学策略鉴定的血浆EV-RNA可作为PCa诊断和风险评估的高准确性无创生物标志物。NM_024955编码内质网驻留蛋白FAD依赖性氧化还原酶结构域蛋白2（FOXRED2），参与内质网相关降解（ERAD）通路，在多种恶性肿瘤中高表达；NR_002564编码C/D盒小核仁RNA SNORD26，指导核糖体RNA（rRNA）2'-O-甲基化修饰；NR_047469编码长基因间非编码RNA LINC00506，通过调控基因表达影响肿瘤进展。三者在PCa血浆EV中的异常表达提示其可能参与肿瘤相关生物学过程。NM_024955与Gleason评分的显著正相关为其在PCa风险分层中的潜在应用提供了依据。研究结论指出，创新的EV分离技术、严谨的标志物发现流程及优异的诊断性能，使该策略在推进PCa液态活检技术方面具有重要价值，有望改善早期检测、预后判断和个体化管理。同时，研究也承认样本量有限、单中心设计、U6内参稳定性及EV群体异质性等局限性，未来需在多中心、大队列中进一步验证。
