《Molecular Biomedicine》：A cfDNA fragmentomics classifier for noninvasive differentiation of benign and malignant renal masses
编辑推荐：
肾占位的良恶性无创鉴别仍是重大临床挑战，尤其在影像学不能定性的病灶中。研究人员开发并验证了一种基于血浆游离DNA（cell-free DNA，cfDNA）片段组学（fragmentomics）的机器学习分类器用于肾占位特征判定。模型在331名参与者（171名癌
肾占位的良恶性无创鉴别仍是重大临床挑战，尤其在影像学不能定性的病灶中。研究人员开发并验证了一种基于血浆游离DNA（cell-free DNA，cfDNA）片段组学（fragmentomics）的机器学习分类器用于肾占位特征判定。模型在331名参与者（171名癌症、160名良性）上训练，在144名参与者（73名癌症、71名良性）上独立验证。三种cfDNA片段特征，包括拷贝数变异（copy number variation，CNV）、基于片段的甲基化（fragmentation-based methylation，FRAGMA）和核小体足迹（nucleosome footprint，NF），均来源于低通全基因组测序（low-pass whole-genome sequencing），并被整合进集成框架。模型区分性能强，训练队列曲线下面积（area under the curve，AUC）为0.956，验证队列AUC为0.946，优于单特征模型。在对应90%灵敏度的预设操作阈值下，特异度分别为0.90和0.87。值得注意的是，多数癌症样本肿瘤分数（tumor fraction，TF）＜3%，但模型在低TF样本中仍稳健（AUC分别为0.952和0.941）。性能在肿瘤分期、分级和组织学亚型中保持一致。该分类器在缺乏脂质的血管平滑肌脂肪瘤（lipid-poor angiomyolipoma）和嗜酸细胞腺瘤（oncocytoma）等难诊断场景中具潜在临床价值，独立队列中13例oncocytoma有12例被正确分类。此外，模型正确识别85.3%的＞4 cm良性占位（更易考虑手术）和84.6%的≤4 cm恶性肿瘤（处理更具挑战）。综上，结果支持cfDNA片段组学作为一种有前景的无创液体活检方法，用于肾占位评估和临床决策。
研究背景方面，肾占位包含囊肿、嗜酸细胞腺瘤、血管平滑肌脂肪瘤（angiomyolipoma，AML）等良性病变，以及透明细胞肾细胞癌（clear cell renal cell carcinoma，ccRCC）、嫌色性肾细胞癌（chromophobe RCC，chRCC）、乳头状肾细胞癌（papillary RCC，pRCC）等恶性病变。腹盆部影像普及使肾占位 incidental detection 增加，但相当比例术后为良性。增强CT和MRI在oncocytoma与chRCC、lipid-poor AML与ccRCC间常存在放射学重叠，经皮肾占位活检又有采样偏倚和肿瘤内异质性限制，导致很多患者未获确定术前诊断即接受手术，造成过度治疗或延误恶性病变处理。传统循环肿瘤DNA（circulating tumor DNA，ctDNA）检测在早期或小体积肿瘤中丰度极低，突变导向 assay 灵敏度受限。片段组学通过cfDNA片段大小、末端基序和基因组定位捕捉染色质与核小体相关信号，可在低TF背景下增强肿瘤相关信号。因此，研究人员假设低TF下cfDNA片段组学特征仍足以区分肾占位良恶性，并据此开发机器学习框架。
论文发表于《Molecular Biomedicine》。
主要关键技术方法方面，研究人员使用陆军军医大学第一附属医院手术病理确认的肾占位队列：训练队列经质量控制后331人（171癌症、160良性），独立验证队列144人（73癌症、71良性），另设13例病理确诊oncocytoma独立探索队列。血浆cfDNA经两步离心与提取后行低通全基因组测序（平均5x）。从数据中抽取CNV、FRAGMA和NF三类片段组学特征。建模采用H2O AutoML框架，对各特征集训练基模型，取交叉验证AUC最高的前5个基模型，共15个，再以平均集成策略得到最终恶性概率；验证队列作为完全held-out数据集，不做重训或调参。TF由ichorCNA通过cfDNA拷贝数分析推断。
研究结果如下。
研究设计与参与者特征：研究人员纳入手术病理确诊的肾癌症与良性肾占位参与者，经质量控制形成训练与验证队列。基线显示癌症组男性占比高，多数癌症为ccRCC，良性中以AML、囊肿、肾结石为主。结论是该队列可支持良恶性肾占位片段组学建模。
cfDNA片段特征：CNV、FRAGMA、NF单独均具区分力。FRAGMA显示癌症患者推断甲基化低于良性，符合癌症全局低甲基化；NF相关转录因子基因富集于胚胎器官发育、生殖系统与结构发育、甲基化相关生物过程。结论是cfDNA片段模式反映肿瘤表观遗传与发育程序。
模型性能与操作点选择：集成模型训练AUC 0.956，验证AUC 0.946，优于单特征与去一特征模型；FRAGMA置换后性能降幅最大，CNV与NF亦非冗余。以90%灵敏度设切点0.452，训练特异度0.90、验证特异度0.87。决策曲线分析显示较全治疗、全不治疗及单特征策略有更高标准化净获益。结论是集成框架在术前风险分层中有潜在用途。
模型在人口学与临床病理亚组的稳健性：性别、年龄、血脂调整后仍强关联恶性；男女性AUC接近。多数癌症TF＜3%，TF随TNM分期I至IV升高。低TF亚组AUC为0.952和0.941；TF≥3%样本两队列灵敏度均1.00。模型分数随分期、WHO/ISUP分级升高而增加，I期灵敏度相对较低。结论是模型在人口学、肿瘤负荷和临床病理亚组中表现一致。
肾占位分类器的临床应用：按影像尺寸分组AUC 0.91至1.00；＞4 cm组正确识别85.3%良性，≤4 cm组检出84.6%恶性。影像与病理不一致的35例中，lipid-poor AML和oncocytoma最常见，模型预测与最终病理一致。结论是cfDNA模型可为影像模糊病例提供补充诊断信息。
独立oncocytoma队列探索：13例oncocytoma中12例被正确分类，特异度0.92；误判1例多特征分数一致升高且影像难与恶性区分。结论是模型在实性良性肾占位中具稳健性，但需更大队列验证。
讨论部分总结：研究人员指出，cfDNA片段组学捕捉恶性相关生物信号，FRAGMA低甲基化与肾发育程序异常再激活相关。相较既往靶向甲基化或健康对照研究，本模型直面影像模糊的良性肾占位这一更难任务，并在低TF RCC中保持性能。模型在实性良性病变中不过度依赖易区分实体，oncocytoma外部队列表现一致。临床层面，小占位中帮助识别恶性、大占位中帮助识别可观察良性，有望减少不必要肾切除并保护肾功能。局限包括单中心、oncocytoma样本少、无长期随访、基于手术确诊人群且影像以增强CT为主，真实世界偶发小占位与多模态影像下仍需验证。
结论部分翻译：该研究证明cfDNA片段组学是一种高准确度、无创的肾占位良恶性鉴别方法。通过捕捉肿瘤特异性染色质和表观遗传信号，该方法有望改善术前风险分层、减少不必要的手术，并指导肾占位患者的精准管理。
全文专业术语首次出现均附简释，如游离DNA（cell-free DNA，cfDNA）指血液中游离于细胞外的DNA；核小体足迹（nucleosome footprint，NF）指转录因子结合位点周围反映核小体定位与染色质可及性的覆盖模式；基于片段的甲基化（fragmentation-based methylation，FRAGMA）指由cfDNA切割模式推断CpG甲基化状态的方法；拷贝数变异（copy number variation，CNV）指基因组区段拷贝数扩增或缺失；肿瘤分数（tumor fraction，TF）指cfDNA中肿瘤来源片段所占比例；曲线下面积（area under the curve，AUC）指受试者工作特征曲线下面积；WHO/ISUP分级指世界卫生组织/国际泌尿病理学会对肾细胞癌的核分级体系；TNM分期指肿瘤、淋巴结、转移分期系统。
