Nature Communication：新型无创检测可提早四年发现肿瘤学术资讯

来源：MedSci梅斯

导语：PanSeer法能够通过基于大数据DNA甲基化的检测分析在常规诊断之前四年内诊断出五种常见类型的肿瘤。
晚期肿瘤通常缺乏有效的治疗方法，据报道，早期确诊肿瘤的5年生存率为91%，而初次确诊即为晚期的患者5年生存率仅为26%，因此，早期诊断对于肿瘤治疗和患者预后的改善至关重要。
在临床中有包括内镜，影像学和肿瘤标志物在内的筛查手段，但这些筛查依然存在诊断效能低和具有侵入性等一些问题，目前绝大多数肿瘤缺乏有效的早期筛查方法。
而血浆中的循环肿瘤DNA(circulating tumor DNA, ctDNA)及其甲基化的检测作为一种新型的非侵入性检查，有望成为具有前景的肿瘤标志物筛查方法。但传统的检测ctDNA方法存在诸多问题，如早期病人血浆中ctDNA含量极少、肿瘤异质性的问题以及亚硫酸氢盐转化造成的DNA损失，因此优化检测位点组合及提高样本转化率是ctDNA甲基化检测应用到临床的关键。
近日，来自Nature Communication的一篇研究描述了一种基于血液的癌症筛查实验PanSeer。大规模回顾性纵向研究表明，该方法可通过检测肿瘤特异的甲基化标记，最多可提前四年实现对多种肿瘤的早期诊断。

Non-invasive early detection of cancer four years before conventional diagnosis using a blood test. doi: 10.1038/s41467-020-17316-z.
该研究首先对TCGA数据库中的全基因组亚硫酸盐测序数据（WGBS）、文献中已报道的与肿瘤相关的基因组区域以及来自一些肿瘤组织全基因组简化甲基化测序数据（RRBS）进行了整合，编写了具有595个基因组区域的检测组合。
进一步从商业生物样本提供商BioChain获取了一组从新鲜癌症和健康组织中分离出的200个DNA样本，用PanSeer分析法处理这些样本并鉴定出477个差异甲基化区域和10613个CpG位点。不同于传统的结合亚硫酸盐测序和双链文库构建方法，PanSeer法采用了半靶向PCR构建单链文库的方法，具有较高的灵敏度，此外，该方法对大量基因组区域进行深度测序可以减少因患者变异性或靶点丢失而造成的影响。

研究者选取了一项名为的TZL回顾性研究中的部分的受试者，TZL在2007-2014年间对受试者进行了血样采集并长期保存。根据纳入和排除标准，共筛选了223名采集血样时即诊断为五种常见肿瘤（胃、食管、结肠直肠、肺或肝）之一的受试者，191名起初健康而采集血样后四年内被诊断为肿瘤的受试者和截至随访结束依然健康的414名受试者。入选者被随机分为训练队列和验证队列，分别用于疾病诊断模型的建立和验证。
基于训练队列的样本数据，该方法对选取的477个基因组区域的10613个CpG位点进行了检测，并计算每个样本中每个区域的甲基化分数，据此建立了一个logistic回归分类模型。在验证队列中利用该分类模型首先对健康受试者和采集血样时已经确诊肿瘤的患者进行了分析，诊断的敏感性和特异性分别为88%和96%。而对在采集血样时健康而后确诊为肿瘤的受试者中，该分类模型可以最早提前四年发现肿瘤，敏感性均为95%左右。该研究得出：PanSeer法能够通过基于大数据DNA甲基化的检测分析在常规诊断之前四年内诊断出五种常见类型的肿瘤。且PanSeer法需要使用的血液标本量少，因此设想未来该方法可以作为肿瘤的一线筛查，筛查阳性的患者都将进行进一步的检查以确定是否存在肿瘤。但需要指出的是，PanSeer使用的是一组通用的甲基化标记检测，其中包含的基因代表多种癌症共有的核心表观遗传学特征，因此并不能对肿瘤类型作出特异性诊断。

参考文献：Chen X, Gole J, Gore A, He Q, Lu M, Min J, et al. Non-invasive early detection of cancer four years before conventional diagnosis using a blood test. Nat Commun 2020,11:3475.

来源：MedSci_cn MedSci梅斯

原文链接：http://mp.weixin.qq.com/s?__biz=MzI0Njc5ODM4MQ==&mid=2247514938&idx=4&sn=1ce2db56ea42a3ba0204a5cc152f36d3&chksm=e9bb3a78deccb36e2b1e982836e397683014c30834f670da6295d1e86c450c616ab4b11e539f&scene=27#wechat_redirect

电话：（010）86409582

邮箱：kejie@scimall.org.cn