徐建锋/李蔚团队开发基于cfDNA甲基化的泛消化道癌症的早筛模型

责编 | 兮

尽管随着医疗技术的进步，癌症的整体生存率得以改善，但其仍是全球范围内高居第二的致死因素。在美国，中等风险人群和无症状人群的癌症早筛目前仅局限于肠癌，乳腺癌，肺癌以及前列腺癌等少数癌症种类，对于低发生率的癌种则缺少高成本效益的早筛手段。为了推进癌症的全面早筛以降低癌症相关的死亡率，亟需一种简单高效并且能够同时针对多种癌症的早筛手段。Cell-free DNA (cfDNA) 甲基化肿瘤标志物相比于传统早筛方式具有无创性，组织特异性并且在癌症发展中出现时期更早等优势，因此其在癌症早筛中的应用前景近些年来受到广泛研究。然而这些研究通常局限于单一癌种，基于cfDNA甲基化的泛癌早筛研究则相对较少。

2021年9月30日， 美国加州大学（尔湾）生物信息讲席教授李蔚团队与希望之城国家医疗中心的Ajay Goel 团队合作在Clinical Cancer Research杂志发表文章EpiPanGI Dx: A Cell-free DNA Methylation Fingerprint for the Early Detection of Gastrointestinal Cancers，研究并开发出基于cfDNA甲基化的泛消化道癌症的早筛模型。

本文重点关注食道癌，肝癌，胃癌，胰腺癌以及结直肠癌等五类消化道癌种。作者首先利用TCGA和GEO等公共数据库中的450K甲基化芯片以及甲基化测序的数据进行挖掘，初步寻找出在各消化道癌症样本中发生显著甲基化差异的CpG 位点，其中包括各癌种特异性位点以及泛消化道癌症位点。为进一步筛选出高预测性能的cfDNA甲基化消化道肿瘤标志物，作者对其集到的300例来源于不同癌种的病人或者健康人群的血液样本进行高深度的靶向捕获重亚硫酸盐测序。为应对单一消化道癌种的预测，泛消化道癌症的预测以及癌症组织溯源（Tissue of origin）等不同应用场景，作者结合统计以及机器学习的方法为不同应用场景分别筛选出200个differentially methylated regions （DMRs） 作为特征并以此训练出相应的随机森林预测模型。最后，研究人员通过cross-validation的方式展示出其所训练出的消化道癌症预测模型在不同的应用场景中均具有非常可观的预测准确性。本项研究作为proof-of-principle提出了结合泛消化道癌症预测以及癌症组织溯源的方法来同时对多种消化道癌症进行筛查的可能性，但该方法的验证仍需进一步的研究。

文章的第一作者Raju Kandimalla博士和徐建锋博士，Ajay Goal教授和李蔚教授为本文的共同通讯作者。

原文链接：

https://clincancerres.aacrjournals.org/content/early/2021/09/30/1078-0432.CCR-21-1982

制版人：十一

转载须知

【非原创文章】本文著作权归文章作者所有，欢迎个人转发分享，未经允许禁止转载，作者拥有所有法定权利，违者必究。