基于血清脂质组学的胃癌诊断与预后分型模型研究取得重要进展

基于血清脂质组学的胃癌诊断与预后分型模型研究取得重要进展

近日，中国科学院大连化学物理研究所与中山大学肿瘤防治中心合作，基于血清脂质组学开发出高性能机器学习模型，能够精准预测胃癌诊断和预后情况。这一突破性研究成果为胃癌的早期诊断和治疗提供了新的液体活检策略。

胃癌是全球第五大常见恶性肿瘤，也是导致癌症相关死亡的第四大原因。对于接受根治性手术的早期胃癌患者，5年生存率可以超过90%，而接受化疗和免疫疗法的晚期胃癌患者的中位生存期不到15个月。因此，早期发现和诊断胃癌对于改善患者的预后至关重要。然而，目前报道的生物标志物敏感性和特异性较低，并且显微病变常常在影像结果中被遗漏。

本研究中，科研人员对来自266名胃癌患者和266名健康人的血清脂质组学数据进行了高通量测量和深入分析，发现胃癌患者和健康人血清脂质表达谱存在显著差异。基于此，研究团队采用启发式特征选择算法和线性判别分型模型，成功建立了包含19种血清脂质的胃癌预测模型。该模型在交叉验证和三个独立样本集中均表现出色，预测性能优于目前临床上常用的肿瘤血清标志物如癌胚抗原（CEA）、糖类抗原19-9（CA19-9）和糖类抗原72-4（CA72-4）。

此外，研究人员还利用无监督聚类算法，根据胃癌患者的血清脂质组学特征建立了预后分型模型。该模型能够在三个独立样本集中准确识别出预后差异显著的患者群体。进一步的空间代谢组学等多组学分析证实了胃癌组织中存在脂质代谢紊乱现象。

这项研究为胃癌的诊断和预后评估提供了一种基于血清脂质代谢组学的新型液体活检方法，具有重要的临床应用前景。相关成果已发表在国际知名期刊《欧洲分子生物学-分子医学》（EMBO Molecular Medicine）上。

论文链接：
https://www.embopress.org/doi/full/10.1038/s44321-024-00169-0