《Journal of Extracellular Vesicles》：Small Extracellular Vesicle and Total Lipid Profiles Provide a Diagnostic Advantage Over CA-125 Across Ovarian Cancer Subtypes
编辑推荐：
中文摘要翻译：
卵巢癌仍然是最致命的妇科恶性肿瘤，这主要是由于晚期诊断以及CA-125对交界性肿瘤和低级别肿瘤的敏感性有限。脂质代谢失调可能提供补充性的诊断信息。本研究旨在开发基于脂质的生物标志物，以改善附件肿块的鉴别诊断。研究人员以健康女性作为对照，对患有
中文摘要翻译：
卵巢癌仍然是最致命的妇科恶性肿瘤，这主要是由于晚期诊断以及CA-125对交界性肿瘤和低级别肿瘤的敏感性有限。脂质代谢失调可能提供补充性的诊断信息。本研究旨在开发基于脂质的生物标志物，以改善附件肿块的鉴别诊断。研究人员以健康女性作为对照，对患有良性、交界性和恶性卵巢肿瘤女性的总血浆和亚微米细胞外囊泡(sEV)脂质进行了分析。与液液萃取相比，固相萃取(SPE)显示出更优的重复性、脂质类别特异性和亚微米细胞外囊泡脂质富集能力。与CA-125联合使用时，血浆和亚微米细胞外囊泡脂质生物标志物在区分交界性和低级别浆液性卵巢癌与良性肿瘤方面均优于单独使用CA-125（准确率高达0.89对0.67）。在CA-125水平正常的患者中，亚微米细胞外囊泡脂质提供了最大的诊断优势，可将浸润性和交界性肿瘤与良性附件肿块区分开来（受试者工作特征曲线下面积(AUROC)高达0.82）。研究人员使用生成式人工智能在合成队列中模拟了生物标志物在鉴别诊断(n = 10,000)和筛查(n = 100,000)中的表现。对于鉴别诊断，亚微米细胞外囊泡脂质联合CA-125在从良性附件肿块中识别子宫内膜样癌和黏液性卵巢癌方面优于血浆脂质。对于筛查，亚微米细胞外囊泡脂质单独对良性疾病和高级别浆液性卵巢癌分别达到0.91和0.94的准确率。仅限于CA-125水平正常患者的模拟研究证实，亚微米细胞外囊泡脂质对低级别浆液性卵巢癌提供了最高的区分性能(AUROC高达0.74)，证明了其在单独使用CA-125无效时的潜力。据研究人员所知，这是第一项直接比较卵巢癌各组织学类型中匹配的血浆和亚微米细胞外囊泡脂质谱的研究，证明了亚微米细胞外囊泡脂质的诊断优势——特别是对交界性、低级别浆液性和黏液性肿瘤——支持将其与CA-125一起整合到未来的鉴别诊断和筛查策略中。
论文解读
**一、研究背景与问题**
卵巢癌是妇科恶性肿瘤中致死率最高的疾病，其高死亡率的主要原因在于大多数患者确诊时已处于晚期。高级别浆液性卵巢癌(HGSOC)作为最常见且最具侵袭性的上皮性卵巢癌(EOC)亚型，约75%的患者因非特异性症状而延误诊断，晚期患者的五年生存率仅为32%，而肿瘤局限于卵巢时生存率可超过80%。相比之下，非高级别浆液性癌（包括低级别浆液性卵巢癌(LGSOC)、黏液性癌、透明细胞癌和子宫内膜样癌）通常生长较慢，预后相对较好。交界性肿瘤由于缺乏间质浸润，其生物学行为也相对温和。
CA-125是目前卵巢癌的标准生物标志物，尤其对晚期疾病的检测较为有效。然而，即使在浆液性卵巢癌的各分期中，CA-125的敏感性和特异性也有限，无法可靠识别许多恶性病例。特别是在良性、交界性和非高级别浆液性亚型中，CA-125的性能表现尤其不佳。此外，CA-125缺乏筛查所需的准确性，尚未被证明能降低死亡率或改善预后。鉴于脂质代谢失调在肿瘤发生发展中的重要作用，基于脂质的液体活检方法有望为早期检测、疾病监测和个体化风险分层提供补充诊断信息。
**二、研究内容与意义**
该研究发表于《Journal of Extracellular Vesicles》，旨在开发基于脂质的生物标志物以改善附件肿块的鉴别诊断。研究团队对健康对照女性、良性卵巢病变、交界性卵巢肿瘤及四种组织学类型的浸润性卵巢癌（HGSOC、LGSOC、子宫内膜样癌、黏液性癌）患者血浆及匹配的亚微米细胞外囊泡(sEV)进行了非靶向脂质组学分析，系统比较了血浆脂质、亚微米细胞外囊泡脂质、CA-125以及脂质联合CA-125模型的诊断性能。研究结果表明，基于脂质的生物标志物，特别是亚微米细胞外囊泡脂质，在CA-125表现不佳的临床场景中（包括交界性肿瘤、低级别肿瘤及CA-125阴性患者）显示出显著的诊断优势，支持其作为CA-125补充工具整合到未来的鉴别诊断和筛查策略中。该研究首次直接比较了卵巢癌各组织学类型中匹配血浆与亚微米细胞外囊泡脂质谱的差异，为脂质组学在卵巢癌精准诊断中的应用提供了重要依据。
**三、主要关键技术方法**
研究使用了以下关键技术方法：（1）采用尺寸排阻色谱(SEC)从血浆样本中分离亚微米细胞外囊泡，并通过纳米颗粒跟踪分析(NTA)、免疫印迹和冷冻透射电子显微镜(cryo-TEM)进行表征验证；（2）系统比较四种液液萃取(LLE)方法（Bligh-Dyer、Folch、MTBE、BUME）与两种固相萃取(SPE)方法（柱式和96孔板式），确定最优脂质提取方案；（3）采用液相色谱-串联质谱(LC-MS/MS)进行非靶向脂质组学分析，并通过LipidView软件进行脂质分子鉴定与定量；（4）基于14种机器学习分类算法构建诊断预测模型，以AUROC、AUPRC、Brier评分等指标评估模型性能；（5）使用基于高斯copula合成器的生成式人工智能(GAI)数据增强方法模拟大规模临床队列（鉴别诊断n=10,000；筛查n=100,000），评估生物标志物的推广性能。患者血浆样本来自Mater妇女癌症生物样本库和布里斯班乳腺癌生物样本库。
**四、研究结果**
**4.1 血浆和亚微米细胞外囊泡脂质提取方法的优化**
研究团队系统比较了四种LLE方法和两种SPE方法在血浆和亚微米细胞外囊泡脂质提取中的表现。结果显示，SPE方法在重复性、脂质类别特异性和亚微米细胞外囊泡脂质富集方面均优于LLE方法。通过SEC分离血浆后，SPE显示亚微米细胞外囊泡相关脂质类别（如磷脂酰胆碱(PC)、鞘磷脂(SM)、己糖神经酰胺(HexCer)、三己糖神经酰胺(Hex3Cer)、GM2神经节苷脂和二酰甘油(DAG)）在组分1-3中特异性富集，表明亚微米细胞外囊泡与非囊泡颗粒成功分离。免疫印迹分析证实了经典亚微米细胞外囊泡标志物（CD9、Alix、Flotillin-1）在早期组分的富集，而非囊泡标志物（白蛋白和ApoA1）缺失或微量检出。冷冻电镜图像进一步验证了具有典型双层膜形态囊泡的富集。
**4.2 脂质组合在卵巢癌诊断中优于CA-125**
研究人员对血浆CA-125水平进行量化分析发现，CA-125仅在HGSOC中显著升高，在对照组与良性、交界性、LGSOC、黏液性及子宫内膜样癌组间均无显著差异，凸显了CA-125在早期或低侵袭性疾病中的诊断价值局限。血浆和亚微米细胞外囊泡的CA-125水平呈正相关(Pearson r=0.60)。在区分对照组与交界性肿瘤方面，血浆脂质达AUROC 1.00，亚微米细胞外囊泡脂质为0.71，而CA-125仅为0.65；在对照组与良性病变的比较中，血浆脂质AUROC为0.96，亚微米细胞外囊泡脂质为0.93，CA-125为0.61。对于早期疾病，亚微米细胞外囊泡脂质+CA-125和血浆脂质+CA-125的多模态模型保持了高敏感性，而单独CA-125和单独血浆脂质产生的早期假阴性更多。
**4.3 基于脂质的生物标志物改善卵巢癌组织学类型的鉴别诊断**
在良性病变与各肿瘤亚型的鉴别比较中，亚微米细胞外囊泡脂质在区分良性vs交界性肿瘤方面表现最佳（AUROC 0.74，敏感性83%，特异性77%），优于CA-125；在良性vs LGSOC的比较中，血浆脂质实现完全正确分类（AUROC 1.00），亚微米细胞外囊泡脂质也表现良好（AUROC 0.76）。在生成式人工智能模拟的鉴别诊断队列(n=10,000)中，亚微米细胞外囊泡脂质联合CA-125在区分良性vs黏液性卵巢癌方面准确性最高（准确率0.92），显著优于单独CA-125（准确率0.58）；亚微米细胞外囊泡脂质单独对区分交界性与子宫内膜样癌及黏液性癌均达到100%敏感性。在筛查模拟队列(n=100,000)中，亚微米细胞外囊泡脂质单独在区分对照组vs良性附件肿块（准确率0.91）和对照组vs HGSOC（准确率0.94）方面表现最佳。
**4.4 CA-125正常患者中的基于脂质的分类**
在CA-125低于临床阈值35 U/mL的患者亚组中，血浆脂质在区分对照组vs浸润性卵巢癌(AUROC 0.79)、交界性肿瘤(0.98)、良性疾病(0.97)、黏液性癌(0.70)和子宫内膜样癌(0.80)方面优于亚微米细胞外囊泡脂质。相比之下，亚微米细胞外囊泡脂质在良性vs交界性(AUROC 0.82)、良性vs浸润性卵巢癌(0.67)、交界性vs浸润性卵巢癌(0.80)和交界性vs黏液性癌(0.80)的比较中优于血浆脂质。生成式人工智能模拟的CA-125正常鉴别诊断队列中，亚微米细胞外囊泡脂质在区分良性和交界性肿瘤与LGSOC方面取得最高AUROC值（良性vs LGSOC：AUROC 0.74；交界性vs LGSOC：AUROC 0.73）。
**五、讨论与结论**
讨论部分指出，CA-125的局限性源于其释放机制需要肿瘤结构的显著破坏，这解释了超过50%的早期病例呈现正常CA-125水平的原因，同时也因在多种非恶性疾病中升高而产生较高的假阳性率，形成关键的诊断缺口。与既往研究相比，该研究整合了血浆和亚微米细胞外囊泡的非靶向脂质组学与CA-125，覆盖良性、交界性、LGSOC、HGSOC、黏液性和子宫内膜样癌等多种组织学类型，明确量化了CA-125阴性患者中的表现，并直接比较了单分析物和多模态模型。研究发现磷脂酸、溶血磷脂和糖基化脂质等特定脂质种类是分类模型的关键贡献因素，与其在肿瘤信号传导、膜动力学和代谢重编程中的已知作用一致。研究局限包括部分亚组样本量小、亚微米细胞外囊泡富集过程中脂蛋白可能的共分离、缺乏透明细胞癌病例，以及生成式人工智能合成队列不能替代真实世界的前瞻性验证。研究结论表明，基于脂质的生物标志物，特别是来源于亚微米细胞外囊泡的脂质，具有改善卵巢癌各亚型检测和分类的潜力，包括CA-125水平正常的患者。尽管在标准化、可重复性和验证方面仍存在挑战，这些发现支持将脂质组学整合到多模态诊断策略中，以改善早期检测和患者预后。该研究在符合ISO17025标准的质量管理体系下开展，标准化了样本处理、囊泡分离、脂质提取和分析流程，为脂质生物标志物的可重复性和未来临床转化奠定了基础。
