筛查及非吸烟者中的肺癌生物标志物——一项叙述性综述

学术健康医疗 2024-08-10 06:02 北京

Edward K. H. Stephens^{1#^}, Jazmin Guayco Sigcha^{1#^}, Kenneth Lopez-Loo1, Ian A. Yang^{1,2^}, Henry M. Marshall^{1,2^}, Kwun M. Fong^{1,2^}

¹UQ Thoracic Research Centre, Faculty of Medicine, The University of Queensland, Brisbane, Australia;

²Department of Thoracic Medicine, The Prince Charles Hospital, Brisbane, Australia

Contributions: (I) Conception and design: All authors; (II) Administrative support: IA Yang, HM Marshall, KM Fong; (III) Provision of study materials or patients: None; (IV) Collection and assembly of data: EKH Stephens, J Guayco Sigcha, K Lopez-Loo; (V) Data analysis and interpretation: EKH Stephens, J Guayco Sigcha, K Lopez-Loo; (VI) Manuscript writing: All authors; (VII) Final approval of manuscript: All authors.

翻译：张家铖；审校：张国超

背景与目的：肺癌是全球癌症相关死亡的主要病因，部分原因是由于疾病确诊时已处于晚期阶段。为了减轻这一问题，针对肺癌高危人群开展了低剂量计算机断层扫描（CT）筛查，然而，这种方法具有假阳性率高和患者辐射暴露等问题。此外，筛查项目常侧重于有重度吸烟史的个体，而忽略了非吸烟但仍有患肺癌风险的人群。为了克服这些局限性，生物标志物被认为是低剂量CT的潜在补充或替代方法，因此，研究人员对此开展了大量研究。然而，不论是此方法的临床疗效，还是与当前LCS策略相比的优缺点，人们都知之甚少。

方法：在此，我们对目前围绕肺癌生物标志物补充LCS以及非吸烟者肺癌(LCINS)生物标志物的文献进行了检索与叙述性回顾。

主要内容及发现：许多潜在的肺癌生物标志物被证实具有不同程度的敏感度、特异度、临床疗效及支持证据。在已确定的生物标志物中，循环微RNA、脂质和代谢物的多靶标板可能是临床上完善当前筛查项目最有效的标志物，因为这些指标对肺癌检测提供了最高的敏感性和特异性。然而，已知在多种系统性病理改变中循环脂质和代谢产物水平存在变化，因此，在大型队列随机试验中进行验证显得尤为重要。

结论：肺癌生物标志物是一个快速发展的研究领域，许多具有潜在临床应用价值的生物标志物已经被证实。然而，在所有情况下，支持临床疗效的证据水平尚未达到可转化为临床实践的水平。目前，研究重点应为在适当的临床环境中验证现有的候选标志物，并努力将这些标志物整合到临床实践中。

关键词：非小细胞肺癌（NSCLC）、筛查、生物标志物、非吸烟者

引言

肺癌

肺癌是全球癌症相关死亡的主要病因^[1]。2018年，约有176.1万人死于肺癌，占全球癌症死亡总数的18.4%^[2]。尽管整体癌症存活率在过去30年内有所提高，癌症患者的5年生存率达到了70％，但只有20％的肺癌患者在诊断后5年内存活^[3]。晚期诊断是造成高死亡率的重要原因，75％的肺癌患者在确诊时已处于Ⅲ期和Ⅳ期^[4]。为了成功地治疗肺癌患者并降低疾病死亡率，必须在早期疾病的检测、筛查和预防方面做出改进。

生物标志物概述

生物标志物是生物学中的重要分子，反映宿主组织的稳态状态，可用于识别并表征疾病(特别是癌症)状态^[5]。生物标志物应用广泛，在疾病诊断、筛查、预测患者预后及治疗效果等方面均有应用^[6]。长期以来，人们一直在评估具有生物学意义的疾病标志物在疾病管理中的适用性。根据它们运作的功能水平^[7]，生物标志物可被分为核酸标志物、蛋白标志物和细胞标志物（图1）。近年来，大量具有重要临床应用的肺癌生物标志物已被证实，最突出的是在癌症表征方面，识别了一系列可靶向的驱动突变，显著改善了肺癌治疗的效果^[8-10]。如今，研究的重点集中在肺癌早期诊断标志物上，标志物可以补充或潜在的取代当前的诊断和筛查策略，目的是在疾病的早期阶段发现肺癌，此时治疗方案还可以起到效果^[11]。由于多种标志物在帮助识别肺癌高危人群和区分良恶性结节方面展现出了潜力，因此肺癌生物标志物已成为肺癌筛查研究中一个有前景的领域。非吸烟者的肺癌发病机制有所不同，因此针对此类患者的生物标志物可能尤为具有特殊价值。因此，本文重点讨论了在肺癌筛查领域及非吸烟患者中生物标志物的研究现状及其在临床实践中的潜在应用。

图1 肺癌生物标志物的体液来源，以及可从这些来源获得的生物标志物亚型。使用BioRender.com创建。

肺癌筛查（LCS）生物标志物

利用计算机断层扫描（CT）进行LCS已被证实是诊断肺癌的有效方法。美国国家肺部筛查试验和荷兰-比利时随机肺癌筛查试验均表明，相比于胸部X线摄影或无筛查，CT筛查的诊断效能有所提高^[12-13]。如果在早期(IA期)确诊，肺癌患者的5年生存率为92%，而在疾病晚期(Ⅳ期)，患者的5年生存率仅为10%^[4]。因此，LCS旨在通过在高危人群中诊断早期肺癌以改善死亡率，并以此为基础开展早期治疗。

虽然LCS操作简单且敏感度高，但其依旧存在假阳性结果及辐射危害等不足^[13-14]。因此，被选中的筛查人群往往是老年人，而其他潜在获益人群则可能会被排除^[15]。通过微创即可获得的体液生物标志物可补充CT筛查并克服其局限性^[16-17]，因此可以更好地鉴别真正的筛查获益人群及需要更频繁监测或更积极干预的人群。这种方法可以减少对肺癌风险较低个体的干预和侵入性手术，从而最大限度地降低医疗成本，这些个体从筛查中获益较少，但暴露于潜在危害的风险相似^[18]。

非吸烟者肺癌(LCINS)生物标志物

吸烟是肺癌发生最主要的原因^[19]。因此，对有明显吸烟史的人群进行肺癌筛查是合理的，然而，非吸烟者也有患肺癌的风险却往往被排除在筛查人群之外^[20]。LCINS亚群个体不断增长，在全球肺癌确诊病例中占25％，并且是癌症相关死亡的重要因素^[21-23]。除香烟烟雾外，常见的肺癌危险因素包括接触煤尘、石棉、室内和室外污染物、环境中的氡、镍、铬和电离辐射，以及先前存在的呼吸系统疾病和遗传异常^[22,24-27]。氡暴露被认为是导致LCINS的主要原因，也是导致肺癌的第二大原因，当人们在氡含量较高且通风不良的建筑物中工作或生活时，会接触到高水平的氡^[28-29]。虽然报告结果有所不同，但在从未吸烟的人群中，60%~90%的肺癌都是腺癌^[30-31]。尽管LCINS的死亡率差异很大且诊断时常处于疾病晚期，但它往往比吸烟相关的肺癌生存时间更长^[30,32]。需要改进癌症筛查和早期发现的方法以减少LCINS相关高疾病负担和死亡率，在过去十年中，已研究确定了许多LCINS相关的生物标志物。

集中目标

尽管肺癌生物标志物是世界范围内研究的热点，但关于其临床疗效以及与当前LCS策略相比的信息仍相对较少。此外，LCINS的分子学、组织学和病理学特征都与吸烟相关肺癌有所不同，因此需要独特的表征^[33-34]。在这篇综述中，我们提供了一个最新的重点总结:

（1）LCS的体液生物标志物研究及其如何补充筛查策略。

（2）LCINS的循环生物标志物，重点关注在肺癌检测中的应用。

我们按照叙述性评论报告清单来呈现这篇文章可在https://tlcr.amegroups.com/article/view/10.21037/tlcr-23-291/rc下载。

方法

搜索策略

搜索策略如表1所示。简而言之，在2022年8月，我们在MEDLINE、CINAHL、Embase和Web of Science数据库中使用术语“肺癌”“生物标志物”和“CT筛查”及“从不吸烟”“肺癌”和“生物标志物”对英语出版物进行了两次系统的文献检索。

表1 筛查策略

资格标准和研究选择

根据标题和摘要筛选，对确定的出版物进行去重复和相关性评估。检索可能相关文章的全文，进行最终资格审查，然后提取数据（墨尔本Covidence系统审查软件）。使用NHMRC证据等级和NIH早期检测研究网络五阶段方法对所鉴定的生物标志物证据水平和所处开发阶段进行排序。所有非侵入性和微创性生物来源的生物标志物均符合条件。

结果

我们的文献检索获得了1 433篇LCS及958篇LCINS相关文章。关于LCS，文献检索获得了1 433篇文章：MEDLINE 569篇，CINAHL 141篇，Embase 436篇，Web of Science 287篇。关于LCINS，共检索到958篇文章，其中MEDLINE 457篇，CINAHL 54篇，Embase 215篇，Web of Science 232篇。删除重复数据后，未涉及LCS体液生物标志物或非吸烟者循环生物标志物主题的文章也被排除。筛选后，这些研究分别减少到22项和91项（见图S1、S2）。表2为本综述中所包含生物标志物的列表展示。虽然我们在调查时没有根据样本类型进行区分（表1），但本综述仅获得了血液和痰液来源的标志物。在后续段落中，我们将根据生物标志物类型来探讨我们的发现。

表2 LCS和非吸烟者生物标志物的优缺点总结

美国国立卫生研究院（NIH）早期检测研究网络五阶段方法用于对生物标记物的开发进行排序。NSCLC，非小细胞肺癌；LCS，肺癌筛查。

肺癌核酸标志物

细胞核内逐渐积累的基因及表观遗传变化可用于检测肺癌的形成、进展和转移^[64]。虽然该疾病主要是由体细胞突变（通常与吸烟暴露相关）所驱动，但生殖细胞系突变也可能使个体更易患肺癌^[65-66]。随着液体活检检测方法的快速发展，游离DNA（cell-free DNA，cfDNA）和循环RNA（circulating RNA）等作为肺癌的核酸标志物显示出了巨大的潜力，显著提升了肺癌的诊断率。实时聚合酶链式反应(PCR)和二代测序技术的出现提高了针对循环核酸分析的敏感性和特异性，使其成为有效的肺癌检测手段^[67-68]。

DNA

微卫星不稳定性/杂合性丢失及cfDNA

肺癌包含高度变异的染色体区域，此种现象与吸烟密切相关，但并非所有变异都是肺癌所特有的^[69-71]。此外，肺癌患者的cfDNA浓度通常比健康人高出数倍，这很可能是由于癌组织或循环癌细胞的坏死或凋亡^[72]。ITALUNG生物标志物法通过在血浆中检测微卫星不稳定性/杂合性缺失和cfDNA，回顾性的诊断肺癌，结果显示，在154例筛查检出癌症个体和486例筛查对照中，此方法达到了90％的高敏高度和62％的中等特异度^[35]。

当在血液中检测到循环DNA（cirDNA）时，由于其高度碎片化，通常显示出独特的规模谱^[73-74]。这一新兴研究领域被称为片段组学，最近因其在泛癌症筛查中的适用性而受到关注，并涉及cirDNA的转录和拓扑特征分析^[75]。一项使用5个循环cfDNA特征片段组学模型的研究证实了这一方法的有效性，该模型在三个验证队列中均以高敏感度（分别为91.4%、84.7%和92.5%）和高特异度（分别为95.7%、98.6%和94.2%）成功区分了健康参与者和肺癌患者；此外，该模型识别Ⅰ期肺癌的敏感度为83.2%^[76]。虽然说明此项研究很有希望，但还需要在无症状筛查队列中进行验证，以达到在现有研究基础上的进一步发展。

癌症筛查的另一种方法是多癌早期检测（MCED），其目的是在早期发现不同类型的癌症，以便进一步诊断。许多MCED试验已成功地从健康人群中鉴别出多种癌症，但这些发现大多数是在临床中而不是在筛查人群中报告的^[77]。在一项仅针对女性的筛查项目中，当与正电子发射断层扫描(PET)-CT联合使用时，CancerSEEK检测（使用多分析物基因突变和蛋白质面板）在从健康对照中鉴别包括肺癌在内的9种目标癌症类型时，特异性高达99.6%^[78]。然而，纳入MCED研究的参与者并不能反映LCS人群。此外，对于MCED检测结果呈阳性的患者，我们无法确定其癌症类型，这可能导致临床随访难以进行。未来的研究应通过评估这些检测在无症状肺癌高危人群中的诊断性能来确定这些检测在LCS人群中的可行性。

甲基化

在表观遗传改变中，抑癌基因启动子区特异性5'-C-磷酸-G-3（CpG）富集区域的DNA低甲基化和高甲基化是癌症发生的早期事件，使其成为早期肺癌检测的重要标志物^[79-81]。在LCS背景下，一项分析痰中DNA高甲基化的回顾性研究发现，在针对包含65例肺癌患者与99例非肺癌患者的肺癌高危人群筛查中，Ras相关结构域包含蛋白1（RASSF1）、3-O-硫转移酶2和PR/SET结构域14的高甲基化展现出高特异度（90％），但敏感度较低，仅为28％。当研究单个生物标志物时，RASSF1高甲基化表现出最佳的诊断性能，特异度为93%，但敏感度仅为17%^[36]。此外，在PanSeer筛查项目中评估的MCED生物标志物——该项目分析了血浆DNA基因组595个区域的11 787个CpG位点——成功地将健康对照与患有8种不同癌症（包括肺癌）的95%的患者相鉴别[置信区间(CI):89%~98%]^[82]。尽管如此，仍需要纵向研究来验证这些结果，并且如前所述，未来的研究需要考虑肺癌高危人群的具体特征，以便与LCS相关联。

DNA甲基化与除肺癌以外的环境暴露和合并症相关，这为其作为肺癌检测生物标志物的潜在用途增加了一些复杂性。研究发现，甲基化模式与交通相关污染物、多环芳烃以及富含金属的颗粒物暴露相关，影响与免疫应答相关的基因和其他过程^[83-85]。此外，甲基化与骨质疏松、肥胖和慢性阻塞性肺疾病（COPD）等医疗状况相关，研究显示，与健康对照者相比，这些疾病患者具有不同的甲基化特征^[86-88]。肥胖尤其与DNA甲基化相关，使患2型糖尿病等疾病的可能性增加^[87]。宫内环境、体力活动和饮食等因素也可对肥胖和DNA甲基化造成影响^[89]。因此，当研究甲基化作为肺癌的潜在生物标志物时，将这些额外因素纳入考虑是至关重要的。

微小RNA(miRNA)

miRNA是调节基因活性的非编码小RNA分子，在癌症中异常表达^[90]。由于被外泌体包裹，循环RNA不会被降解，因此在癌症患者中，即使在核糖核酸酶活性增强的情况下，循环RNA仍保持稳定^[91]。鉴于这种稳定性，可以通过微阵列技术或定量PCR进行癌症的检测和表征^[92]。由于miRNA体积小且稳定，因此可以在血浆和血清等液体中检测到miRNA^[93]。目前已证实，miRNA可以成功鉴别前列腺癌、结肠癌和肺癌^[94-96]。在对58例筛查检出肺癌和594例筛查对照的回顾性研究中，24种血浆来源的miRNA(miRNA标签分类器)展现出高敏感度(87％)和特异度(81％)^[42]。同样，在区分34例筛查检出肺癌和30例筛查对照的前瞻性研究中，34种血清来源的miRNA展现出较高的敏感度(71%)和特异度(90%)^[43]。通过对这一组miRNA的改进，进而获得了一组由13种miRNA所组成的面板，在1 067例筛查对照和48例筛查检出癌症的鉴别中，展现出高敏感度(77.8%)及特异度(74.8%)^[44]。此外，由15种miRNA组成的队列不仅能够以较高的敏感度(80%)和特异度(90%)将10例筛查对照与16例筛查检出癌症相鉴别，而且可以在常规诊断方法之前8~9个月预测肺癌的风险^[45]。这些研究所展示出的高敏感度和特异度展现了miRNA在LCS中的潜在应用，但未来的研究需要在不同人群中验证其诊断性能。

miR-155

虽然上述miRNA队列成功地将健康对照与筛查检出癌症相鉴别，但非烟者被排除在这些队列之外。非吸烟者中，用于早期癌症检测的一个潜在miRNA候选物是miR-155，这一miRNA作为免疫应答和免疫系统的介质发挥作用，当失调时，它与以免疫为中心的疾病(包括慢性炎症、自身免疫和癌症等)广泛相关^[37]。2014年的一项研究发现，与健康对照(n=60)相比，血浆中miR-155的上调可预测早期（Ⅰ期和Ⅱ期）LCINS(n=37)，敏感度为91%，特异度为93%^[38]。此外，研究发现在NSCLC中，miR-155与细胞凋亡、药物和化疗耐药以及总生存期降低有关^[39-41]。有趣的是，这些研究未报告与吸烟状态相关的总生存期或化疗耐药性有所差异，这可能表明miR-155是一种泛NSCLC生物标志物。

肺癌蛋白标志物

蛋白质介导稳态及病理过程，是潜在的生物标志物^[97]。癌症诱导变异导致癌细胞与正常细胞之间蛋白翻译和表达水平具有显著差异^[98-99]。此外，监测血液中癌症相关代谢物已成为近年来检测不同恶性肿瘤的新兴方法^[100]。

骨桥蛋白（OPN）OPN由分泌型磷蛋白1(SPP1)基因所编码。在早期及复发NSCLC患者的癌组织以及LCINS中，SPP1表达上调^[101-105]。骨桥蛋白作为一种肺癌生物标志物而受到关注。此种蛋白可以促进细胞迁移、侵袭及黏附，并在免疫细胞募集、伤口愈合及组织重塑中也发挥重要作用，从而导致了许多与癌症进展和细胞转化相关的下游过程^[106]，因此作为肺癌生物标志物很有意义^[107-109]。在一项病例对照研究中，10例筛查检出癌症，每例患者匹配1~4例筛查对照，结果显示，随时间变化血浆OPN水平（OPN速度或OPNV）与患肺癌风险增加相关[曲线下面积（AUC）为0.88]，差异有统计学意义。此外，当分析仅限于癌症病例和对照组表现为磨玻璃影或稳定的孤立结节时，OPNV可以鉴别恶性和良性结节，AUC为0.91^[46]。尽管如此，仍需要使用更大的LCS队列进行验证研究来确认血浆OPN的诊断价值。

癌胚抗原（CEA）和联合标志物 CEA是在胎儿发育过程中产生的一种糖蛋白，通常不存在于健康成人中^[110]，然而，它作为肺癌的标志物被广泛报道，并有可能作为疾病预后的预测因子。东南亚的一项研究调查了非吸烟者和既往吸烟者(>15年)的血清生物标志物与居住地氡水平之间的关系，研究结果表明，与氡高暴露及低暴露的健康对照相比，肺癌患者的血清CEA和细胞角蛋白19片段（CYFRA21-1）显著增加。有趣的是，相比于氡低暴露的健康对照，氡高暴露的健康对照中CEA（P=0.009）和CYFRA21-1（P=0.003 1）也有所升高，这可能表明血清CEA高可作为非吸烟者发生肺癌的生物标志物。CEA和CYFRA21-1诊断肺癌的受试者工作特征分析展现出较高的特异度（分别为98%和94%），但敏感度不足（分别为57.3%和58.6%），这一情况在其他将CEA作为NSCLC和突变状态的生物标志物的研究中也有类似报道^[48,111-112]。

CEA也与CYFRA21-1、胃泌素释放肽前体（ProGRP）和鳞状细胞癌（SCC）抗原等其他蛋白标志物一起进行了评估。CYFRA21-1在肺组织中含量丰富，在SCC中浓度尤其升高，与肿瘤大小、淋巴结状态和癌症分期相关^[113-114]。在一个由老年吸烟者组成的前瞻性队列(n=634)中，CT扫描结果阳性或不确定的参与者(n=92)接受了CEA和CYFRA21-1检测。在17例筛查检出肺癌的患者中，任一生物标志物的阳性的AUC均高于单独CT（CEA 0.75；CEA/ CYFRA21-1 0.76；CT 0.68）^[50]。在另一项前瞻性病例对照研究中，ProGRP、SCC、CEA和CYFRA21-1在筛查检出肺癌和筛查对照组之间(n=715；中国)展现出可接受的区分度（AUC=0.719）。然而，当分析仅限于癌症病例和对照组表现为良性结节时，在验证数据集中的区分度则显得非常有限(AUC=0.583 6)^[49]。对于非吸烟者，CEA和CYFRA21-1联合检测可能比独立评估时提供更多的临床信息，但需要进一步研究来评估其在临床环境中的效果^{[47,111,115-117]}。

免疫标志物

补体系统是固有免疫的核心组成部分，在免疫监视和内环境稳态中发挥重要作用。C4d裂解产物是补体途径激活的被动指标，在肺癌患者的生物体液中可以发现浓度较高的C4d裂解产物^[118]。在一项独立的队列研究中，与158例筛查对照相比，32例筛查检出癌症患者的血浆C4d水平与患肺癌风险增加相关(AUC=0.735)^[51]，然而，它作为LCS标志物的使用在另一项研究中未得到验证，该研究纳入了20例筛查检出癌症，每例与两名筛查对照相匹配[比值比(OR)=1.53；95%CI:0.93~2.51；P=0.079)^[52]。与C4d不同，C4c在补体经典途径激活期间裂解后被释放到细胞外环境，因此在体液(如血浆)中更容易检测到^[119]。在一项病例对照研究中，血浆C4c、CYFRA21-1和c反应蛋白组合鉴别了筛查检出癌症(n=32)和筛查对照(n=93)，其敏感度为73%，特异度为70%^[53]。

T细胞受体(TCR)

之前的一项研究表明，存在于血液中的TCR可以区分肺癌患者和健康对照者^[120]。在LCS背景下，一项回顾性研究表明，外周血中肺癌相关TCR可以区分Ⅰ期筛查癌症(n=52)和筛查对照(n=94)，具有较高的敏感度（72%）和特异度（91%）。此外，在不同病理亚型中敏感度表现稳定，肺鳞癌为73%，肺腺癌为71%^[54]。

自身抗体

肺癌患者对异常癌症抗原产生自身抗体，通常早于症状出现或筛查可检出阶段^[121-122]。在非癌症个体及许多患癌个体中，自身抗体可以不存在或低水平存在，因此，自身抗体的存在可能是特异性的，但并不敏感^[123]。一项为期2年评估EarlyCDT-Lung试验的随机试验结果表明，在127例筛查检出癌症和11 610例对照中，EarlyCDT-Lung检测肺癌的特异性高（90.4%），但敏感性低（32.1%）^[55]。肿瘤诱导的免疫反应抑制可导致自身抗体产生和检出减少，这可以解释该检测在2年时的低敏感度^[124]。EarlyCDT-lung试验可与CT联合应用，以确保对Ⅰ/Ⅱ期肺癌的高检出率。本研究的一个局限性是未对EarlyCDT-Lung试验阴性参与者和对照组参与者进行CT扫描，而CT扫描是评估该试验对LCS有效性所必需的。

代谢产物

血清和血浆样本中含有具有鉴别肺癌患者与健康人和良性癌症患者的代谢物^[125-128]。一项前瞻性研究发现，与39名健康对照者相比，34例磨玻璃影患者的血清代谢物水平显著升高，尤其是L-(+)-葡萄糖、半胱氨酰-谷氨酰胺、磷脂酰乙醇胺（PE）[22:2(13Z,16Z)/15:0]和苏氨酸-谷氨酰胺^[56]。同样，一项横断面研究表明，PE（34:2），PE（36:2）和PE（38:4）在区分筛查检出肺癌（n=29）和筛查检出良性结节（n=25）时具有一定的准确性（分别为69%，71%和67%）。虽然还需要额外的分析来验证本研究中所发现混合物的诊断价值^[57]。在检测组合指标时，包含9种血清代谢物的分类法能够以100%的敏感度和95%的特异度将92例匹配的筛查对照与31例筛查检出肺癌相区分^[58]。

血脂检查

癌变会干扰正常的脂质代谢，因此脂质组学有望成为早期识别肺癌和其他癌症的工具^[59,129]。一种建议用于早期检测LCINS的标志物是血清标志物联合脂肪酸（FA）代谢的三种脂质产物；FA（20:4）、FA（22:0）、溶血磷脂酰乙醇胺（20:4）。这些标志物以较高的敏感度（实验组0.949，验证组1.000）和特异度（实验组1.000，验证组1.000）成功区分了非吸烟女性NSCLC患者（实验组39例，验证组25例）和健康对照者（实验组46例，验证组17例），其中包括早期NSCLC患者^[59]。此外，在与吸烟相关的NSCLC中，脂质代谢物也被确定为潜在的肺癌检测标志物，但这些发现也尚未在更大规模的队列研究中得到验证^[130-131]。

肺癌细胞标志物

癌症进展所导致的细胞改变可以通过普通血液检查中各种常规检测指标或通过检测值的比率来评估^[132]。系统性炎症相关的血细胞比率与癌症风险之间的关联显示出细胞作为早期识别疾病的生物标志物的潜力。

循环肿瘤细胞(CTC)

CTC是转移性肿瘤细胞，从原发肿瘤部位进入循环，以在不同部位形成继发肿瘤^[133]。这些细胞作为生物标志物具有显著优势，因为它们可以通过微创获取，并提供诊断和预后信息^[134-135]。CTC采集尚未标准化，但采用了避免组织活检的微创或无创方法^[136-137]。上皮肿瘤细胞大小分离（ISET）试验使用固定的血液样本和垂直过滤来捕获罕见细胞和CTC，从而保留细胞的完整性以供后续分析^[138]，因此许多临床研究选择使用ISET技术来分离CTC^[139]。然而，一项前瞻性队列研究在患有COPD的高危人群中评估了通过ISET试验分离出CTC的性能，发现其敏感度过低（26.3％）而不能用于LCS^[61]。本研究特意选择了COPD患者，因为这一人群被认为是独立于吸烟之外发生肺癌的高危人群，因此对此类人群开展LCS是有意义的^[140-141]。另一方面，CellCollector为一种基于上皮细胞黏附分子（EpCAM）识别的体内分离方法，使用此种方法得到的数据能够以62.5%的敏感度和100%的特异度区分筛查检出癌症（n=24）和匹配的筛查对照（n=72）^[60]。该方法通过套管将表面有EpCAM抗体的导线插入肘静脉，放置30 min，然后通过免疫荧光染色去除并识别导线上捕获的细胞^[60,142]。然而，它在临床中的应用受到限制，因为它需要手动筛查CTC，并且与其他方法相比，对被筛查个体有创性更强^[143]。为了将CTC作为LCS标志物，我们需要探索用于联合富集、检测和表征CTC的不同技术。

系统性炎症标志物

系统性炎症被广泛认为在肿瘤的发生和进展中发挥关键作用：炎症细胞通过细胞因子募集，可促进肿瘤的发生和进展；血小板释放因子有助于肿瘤生长、侵袭和血管生成；淋巴细胞在细胞因子的产生中起着至关重要的作用，限制癌细胞的生长并导致细胞毒性细胞死亡^[144-149]。因此，循环免疫细胞可作为疾病状态的标志物。在一项研究中，重度吸烟者诊断前的中性粒细胞与淋巴细胞比值（NLR）升高与患小细胞肺癌风险增加相关，但与NSCLC风险无关^[150]。虽然本研究中不包括从非吸烟者，但NLR升高已被确定为独立于吸烟史的肺癌危险因素^[151]，但其作为肺癌检测生物标志物的有效性尚未在队列或随机研究中进行测试。将系统性炎症作为生物标志物应用于LCS中，一项回顾性研究评估了NLR和血小板与淋巴细胞比值(PLR)（另一种全身性炎症的标志物）的年度变化，结果表明在32例筛查检出癌症患者和103例筛查对照中，PLR的增加与患肺癌风险显著相关^[62]。另一项回顾性研究评估了中国人群的系统性免疫炎症指数（SII），NLR和PLR，在筛查检出癌症患者（n=569）和筛查对照组（n=95 907）中的表现，发现高PLR和SII与肺癌显著相关，而NLR则表现出U形相关^[63]。虽然系统性炎症的标志物具有诊断意义，但应该考虑到中性粒细胞、淋巴细胞和血小板计数并不是肺癌的特异性参数，并且可能受到合并症的影响^[152]。此外，考虑到COPD和气道阻塞程度均与全身性炎症水平升高相关，未来的研究在评估癌症和非癌症个体之间炎症标志物的差异时必须将这些变量考虑在内^[153-154]。

结论

肺癌是全球癌症死亡的主要原因，很大程度上是由于诊断时已处于疾病晚期。为了解决这一问题，必须改进现有的筛查策略，以便早期发现癌症，从而为患者提供可能较好的治疗预后。随着生物标志物在肺癌筛查和检测中的应用，其在肺癌的早期发现和管理中发挥着越来越重要的作用。

我们确定了多种LCS生物标志物，并有不同程度的证据支持。代谢产物在肺癌与健康对照的区分上显示出最高的敏感度和特异度，然而，异常的循环代谢物被认为是全身病变的指示物，而不是肺癌所特有的。同样，疾病的细胞标志物如PLR和SII也可由伴随疾病所引起。虽然这些标志物很有价值，但可能不适用于早期癌症检测的特定LCS策略。因此，一组肿瘤特异性循环蛋白或核酸可能是最适合的靶向筛查策略。我们描述了最近将miRNA应用于LCS的证据，虽然这些标志物的筛查效果不那么强，但这些标志物不太可能被其他系统性病理所混淆，因此可能成为更有效的LCS标志物。此外，片段组学是一个具有巨大潜力的新兴领域，因为它能够识别cirDNA中许多肿瘤衍生的变化。然而，目前的检测模型缺乏临床验证。尽管如此，循环cfDNA仍然是早期肺癌检测的一个有吸引力的靶点。

LCINS正变得越来越普遍，它在临床病理上似乎与吸烟相关肺癌有所不同，因此可能需要独特的筛查方法。与健康对照相比，脂质组在鉴别LCINS时表现出最高的敏感度和特异度，然而，异常的脂质水平被认为是系统性病变的标志，而可能不是肺癌所特有的。因此，核酸可能是LCINS最可行的生物标志物，其中最有效的是miR-155。有证据表明miR-155可能是一种有效的泛NSCLC标志物，但仍需大规模随机研究证实。

目前，应用于LCS和LCINS的多种标志物处于不同的开发阶段，在外部验证和影响评估方面的进一步发展也正在进行当中。随机试验被认为是外部验证的“金标准”^[155]。然而，获得死亡率获益的最终证据是有难度的，并且可能需要相当长的时间。因此，越来越多的时间及成本效益模型被用于补充临床决策，其目的是改善患者预后结局^[156-157]。这些模型已经被用于比较某些生物标志物在LCS中的有效性^[158]。

综上所述，肺癌生物标志物研究领域已取得了重大进展，许多肺癌生物标志物在LCS和LCINS中显示出不同程度的临床应用效果，诊断准确性较标准临床工作流程有所提高。现在的重点应该是在适当的临床背景下验证现有的候选标志物，并将这些标志物纳入临床实践。为此，应设计随机对照试验或类似的验证方法来测试这些生物标志物的功效。这将对肺癌的诊断和治疗产生积极影响，并有助于降低全球范围内肺癌的死亡率。

参考文献

（向上滑动👆）

Sung H, Ferlay J, Siegel RL, et al. Global Cancer Statistics 2020: GLOBOCAN Estimates of Incidence and Mortality Worldwide for 36 Cancers in 185 Countries. CA Cancer J Clin 2021;71:209-49. [Crossref] [PubMed]
Thandra KC, Barsouk A, Saginala K, et al. Epidemiology of lung cancer. Contemp Oncol (Pozn) 2021;25:45-52. [Crossref] [PubMed]
Welfare AIoHa. Cancer in Australia 2021. Available online: https://www.aihw.gov.au/reports/cancer/cancer-in-australia-2021/summary
Kalinke L, Thakrar R, Janes SM. The promises and challenges of early non-small cell lung cancer detection: patient perceptions, low-dose CT screening, bronchoscopy and biomarkers. Mol Oncol 2021;15:2544-64. [Crossref] [PubMed]
Strimbu K, Tavel JA. What are biomarkers? Curr Opin HIV AIDS 2010;5:463-6. [Crossref] [PubMed]
Henry NL, Hayes DF. Cancer biomarkers. Mol Oncol 2012;6:140-6. [Crossref] [PubMed]
Seijo LM, Peled N, Ajona D, et al. Biomarkers in Lung Cancer Screening: Achievements, Promises, and Challenges. J Thorac Oncol 2019;14:343-57. [Crossref] [PubMed]
Chevallier M, Borgeaud M, Addeo A, et al. Oncogenic driver mutations in non-small cell lung cancer: Past, present and future. World J Clin Oncol 2021;12:217-37. [Crossref] [PubMed]
Vijayalakshmi R, Krishnamurthy A. Targetable "driver" mutations in non small cell lung cancer. Indian J Surg Oncol 2011;2:178-88. [Crossref] [PubMed]
John A, Shah RA, Wong WB, et al. Value of Precision Medicine in Advanced Non-Small Cell Lung Cancer: Real-World Outcomes Associated with the Use of Companion Diagnostics. Oncologist 2020;25:e1743-52. [Crossref] [PubMed]
Dama E, Colangelo T, Fina E, et al. Biomarkers and Lung Cancer Early Detection: State of the Art. Cancers (Basel) 2021;13:3919. [Crossref] [PubMed]
Ru Zhao Y, Xie X, de Koning HJ, et al. NELSON lung cancer screening study. Cancer Imaging 2011;11 Spec No A:S79-84.
Aberle DR, Adams AM, et al. Reduced lung-cancer mortality with low-dose computed tomographic screening. N Engl J Med 2011;365:395-409. [Crossref] [PubMed]
Brenner DJ, Hall EJ. Computed tomography--an increasing source of radiation exposure. N Engl J Med 2007;357:2277-84. [Crossref] [PubMed]
Ten Haaf K, Jeon J, Tammemägi MC, et al. Risk prediction models for selection of lung cancer screening candidates: A retrospective validation study. PLoS Med 2017;14:e1002277. [Crossref] [PubMed]
Mamdani H, Ahmed S, Armstrong S, et al. Blood-based tumor biomarkers in lung cancer for detection and treatment. Transl Lung Cancer Res 2017;6:648-60. [Crossref] [PubMed]
Lone SN, Nisar S, Masoodi T, et al. Liquid biopsy: a step closer to transform diagnosis, prognosis and future of cancer treatments. Mol Cancer 2022;21:79. [Crossref] [PubMed]
Atwater T, Cook CM, Massion PP. The Pursuit of Noninvasive Diagnosis of Lung Cancer. Semin Respir Crit Care Med 2016;37:670-80. [Crossref] [PubMed]
Barta JA, Powell CA, Wisnivesky JP. Global Epidemiology of Lung Cancer. Ann Glob Health 2019;85:8. [Crossref] [PubMed]
Kerpel-Fronius A, Tammemägi M, Cavic M, et al. Screening for Lung Cancer in Individuals Who Never Smoked: An International Association for the Study of Lung Cancer Early Detection and Screening Committee Report. J Thorac Oncol 2022;17:56-66. [Crossref] [PubMed]
Cheng ES, Weber MF, Steinberg J, et al. Evaluating risk factors for lung cancer among never-smoking individuals using two Australian studies. J Cancer Res Clin Oncol 2022;148:2827-40. [Crossref] [PubMed]
Rivera GA, Wakelee H. Lung Cancer in Never Smokers. Adv Exp Med Biol 2016;893:43-57. [Crossref] [PubMed]
Zhang T, Joubert P, Ansari-Pour N, et al. Genomic and evolutionary classification of lung cancer in never smokers. Nat Genet 2021;53:1348-59. [Crossref] [PubMed]
Samet JM, Avila-Tang E, Boffetta P, et al. Lung cancer in never smokers: clinical epidemiology and environmental risk factors. Clin Cancer Res 2009;15:5626-45. [Crossref] [PubMed]
Spyratos D, Zarogoulidis P, Porpodis K, et al. Occupational exposure and lung cancer. J Thorac Dis 2013;5:S440-5. [Crossref] [PubMed]
Corrales L, Rosell R, Cardona AF, et al. Lung cancer in never smokers: The role of different risk factors other than tobacco smoking. Crit Rev Oncol Hematol 2020;148:102895. [Crossref] [PubMed]
Chiou YH, Liou SH, Wong RH, et al. Nickel may contribute to EGFR mutation and synergistically promotes tumor invasion in EGFR-mutated lung cancer via nickel-induced microRNA-21 expression. Toxicol Lett 2015;237:46-54. [Crossref] [PubMed]
Martin-Gisbert L, Ruano-Ravina A, Varela-Lema L, et al. Lung cancer mortality attributable to residential radon: a systematic scoping review. J Expo Sci Environ Epidemiol 2023;33:368-76. [Crossref] [PubMed]
Rizo-Maestre C, Echarri-Iribarren V. Radon Gas in the City of Alicante. High Risk of Low Indoor Air Quality in Poorly Ventilated Buildings. Int J Environ Res Public Health 2020;17:8762. [Crossref] [PubMed]
Casal-Mouriño A, Valdés L, Barros-Dios JM, et al. Lung cancer survival among never smokers. Cancer Lett 2019;451:142-9. [Crossref] [PubMed]
Dubin S, Griffin D. Lung Cancer in Non-Smokers. Mo Med 2020;117:375-9.
de Groot PM, Wu CC, Carter BW, et al. The epidemiology of lung cancer. Transl Lung Cancer Res 2018;7:220-33. [Crossref] [PubMed]
Govindan R, Ding L, Griffith M, et al. Genomic landscape of non-small cell lung cancer in smokers and never-smokers. Cell 2012;150:1121-34. [Crossref] [PubMed]
Karlsson A, Ringnér M, Lauss M, et al. Genomic and transcriptional alterations in lung adenocarcinoma in relation to smoking history. Clin Cancer Res 2014;20:4912-24. [Crossref] [PubMed]
Carozzi FM, Bisanzi S, Carrozzi L, et al. Multimodal lung cancer screening using the ITALUNG biomarker panel and low dose computed tomography. Results of the ITALUNG biomarker study. Int J Cancer 2017;141:94-101. [Crossref] [PubMed]
Hubers AJ, Heideman DA, Duin S, et al. DNA hypermethylation analysis in sputum of asymptomatic subjects at risk for lung cancer participating in the NELSON trial: argument for maximum screening interval of 2 years. J Clin Pathol 2017;70:250-4. [Crossref] [PubMed]
Alivernini S, Gremese E, McSharry C, et al. MicroRNA-155-at the Critical Interface of Innate and Adaptive Immunity in Arthritis. Front Immunol 2018;8:1932. [Crossref] [PubMed]
Geng Q, Fan T, Zhang B, et al. Five microRNAs in plasma as novel biomarkers for screening of early-stage non-small cell lung cancer. Respir Res 2014;15:149. [Crossref] [PubMed]
Shao C, Yang F, Qin Z, et al. The value of miR-155 as a biomarker for the diagnosis and prognosis of lung cancer: a systematic review with meta-analysis. BMC Cancer 2019;19:1103. [Crossref] [PubMed]
Van Roosbroeck K, Fanini F, Setoyama T, et al. Combining Anti-Mir-155 with Chemotherapy for the Treatment of Lung Cancers. Clin Cancer Res 2017;23:2891-904. [Crossref] [PubMed]
Zang YS, Zhong YF, Fang Z, et al. MiR-155 inhibits the sensitivity of lung cancer cells to cisplatin via negative regulation of Apaf-1 expression. Cancer Gene Ther 2012;19:773-8. [Crossref] [PubMed]
Sozzi G, Boeri M, Rossi M, et al. Clinical utility of a plasma-based miRNA signature classifier within computed tomography lung cancer screening: a correlative MILD trial study. J Clin Oncol 2014;32:768-73. [Crossref] [PubMed]
Bianchi F, Nicassio F, Marzi M, et al. A serum circulating miRNA diagnostic test to identify asymptomatic high-risk individuals with early stage lung cancer. EMBO Mol Med 2011;3:495-503. [Crossref] [PubMed]
Montani F, Marzi MJ, Dezi F, et al. miR-Test: a blood test for lung cancer early detection. J Natl Cancer Inst 2015;107:djv063. [Crossref] [PubMed]
Boeri M, Verri C, Conte D, et al. MicroRNA signatures in tissues and plasma predict development and prognosis of computed tomography detected lung cancer. Proc Natl Acad Sci U S A 2011;108:3713-8. [Crossref] [PubMed]
Joseph S, Harrington R, Walter D, et al. Plasma osteopontin velocity differentiates lung cancers from controls in a CT screening population. Cancer Biomark 2012;12:177-84. [Crossref] [PubMed]
Gu J, Xu S, Huang L, et al. Value of combining serum carcinoembryonic antigen and PET/CT in predicting EGFR mutation in non-small cell lung cancer. J Thorac Dis 2018;10:723-31. [Crossref] [PubMed]
Gao Y, Song P, Li H, et al. Elevated serum CEA levels are associated with the explosive progression of lung adenocarcinoma harboring EGFR mutations. BMC Cancer 2017;17:484. [Crossref] [PubMed]
Yang D, Zhang X, Powell CA, et al. Probability of cancer in high-risk patients predicted by the protein-based lung cancer biomarker panel in China: LCBP study. Cancer 2018;124:262-70. [Crossref] [PubMed]
Triphuridet N, Vidhyarkorn S, Worakitsitisatorn A, et al. Screening values of carcinoembryonic antigen and cytokeratin 19 fragment for lung cancer in combination with low-dose computed tomography in high-risk populations: Initial and 2-year screening outcomes. Lung Cancer 2018;122:243-8. [Crossref] [PubMed]
Ajona D, Pajares MJ, Corrales L, et al. Investigation of complement activation product c4d as a diagnostic and prognostic biomarker for lung cancer. J Natl Cancer Inst 2013;105:1385-93. [Crossref] [PubMed]
Ajona D, Okrój M, Pajares MJ, et al. Complement C4d-specific antibodies for the diagnosis of lung cancer. Oncotarget 2018;9:6346-55. [Crossref] [PubMed]
Ajona D, Remirez A, Sainz C, et al. A model based on the quantification of complement C4c, CYFRA 21-1 and CRP exhibits high specificity for the early diagnosis of lung cancer. Transl Res 2021;233:77-91. [Crossref] [PubMed]
Li M, Zhang C, Deng S, et al. Lung cancer-associated T cell repertoire as potential biomarker for early detection of stage I lung cancer. Lung Cancer 2021;162:16-22. [Crossref] [PubMed]
Sullivan FM, Mair FS, Anderson W, et al. Earlier diagnosis of lung cancer in a randomised trial of an autoantibody blood test followed by imaging. Eur Respir J 2021;57:2000670. [Crossref] [PubMed]
Li JZ, Lai YY, Sun JY, et al. Metabolic profiles of serum samples from ground glass opacity represent potential diagnostic biomarkers for lung cancer. Transl Lung Cancer Res 2019;8:489-99. [Crossref] [PubMed]
Fahrmann JF, Grapov D, DeFelice BC, et al. Serum phosphatidylethanolamine levels distinguish benign from malignant solitary pulmonary nodules and represent a potential diagnostic biomarker for lung cancer. Cancer Biomark 2016;16:609-17. [Crossref] [PubMed]
Roś-Mazurczyk M, Wojakowska A, Marczak Ł, et al. Panel of serum metabolites discriminates cancer patients and healthy participants of lung cancer screening - a pilot study. Acta Biochim Pol 2017;64:513-8. [Crossref] [PubMed]
Noreldeen HAA, Du L, Li W, et al. Serum lipidomic biomarkers for non-small cell lung cancer in nonsmoking female patients. J Pharm Biomed Anal 2020;185:113220. [Crossref] [PubMed]
He Y, Shi J, Schmidt B, et al. Circulating Tumor Cells as a Biomarker to Assist Molecular Diagnosis for Early Stage Non-Small Cell Lung Cancer. Cancer Manag Res 2020;12:841-54. [Crossref] [PubMed]
Marquette CH, Boutros J, Benzaquen J, et al. Circulating tumour cells as a potential biomarker for lung cancer screening: a prospective cohort study. Lancet Respir Med 2020;8:709-16. [Crossref] [PubMed]
Sanchez-Salcedo P, de-Torres JP, Martinez-Urbistondo D, et al. The neutrophil to lymphocyte and platelet to lymphocyte ratios as biomarkers for lung cancer development. Lung Cancer 2016;97:28-34. [Crossref] [PubMed]
Tian T, Lu J, Zhao W, et al. Associations of systemic inflammation markers with identification of pulmonary nodule and incident lung cancer in Chinese population. Cancer Med 2022;11:2482-91. [Crossref] [PubMed]
Wadowska K, Bil-Lula I, Trembecki Ł, et al. Genetic Markers in Lung Cancer Diagnosis: A Review. Int J Mol Sci 2020;21:4569. [Crossref] [PubMed]
Roland M, Rudd RM. Genetics and pulmonary medicine. 7. Somatic mutations in the development of lung cancer. Thorax 1998;53:979-83. [Crossref] [PubMed]
Yamamoto H, Yatabe Y, Toyooka S. Inherited lung cancer syndromes targeting never smokers. Transl Lung Cancer Res 2018;7:498-504. [Crossref] [PubMed]
Vogelstein B, Kinzler KW. Digital PCR. Proc Natl Acad Sci U S A 1999;96:9236-41. [Crossref] [PubMed]
Leary RJ, Kinde I, Diehl F, et al. Development of personalized tumor biomarkers using massively parallel sequencing. Sci Transl Med 2010;2:20ra14. [Crossref] [PubMed]
Czarnecka KH, Migdalska-Sęk M, Antczak A, et al. Allelic imbalance in 1p, 7q, 9p, 11p, 12q and 16q regions in non-small cell lung carcinoma and its clinical association: a pilot study. Mol Biol Rep 2013;40:6671-84. [Crossref] [PubMed]
Xia S, Huang CC, Le M, et al. Genomic variations in plasma cell free DNA differentiate early stage lung cancers from normal controls. Lung Cancer 2015;90:78-84. [Crossref] [PubMed]
Liloglou T, Maloney P, Xinarianos G, et al. Sensitivity and limitations of high throughput fluorescent microsatellite analysis for the detection of allelic imbalance: application in lung tumors. Int J Oncol 2000;16:5-14. [Crossref] [PubMed]
Esposito A, Criscitiello C, Trapani D, et al. The Emerging Role of "Liquid Biopsies," Circulating Tumor Cells, and Circulating Cell-Free Tumor DNA in Lung Cancer Diagnosis and Identification of Resistance Mutations. Curr Oncol Rep 2017;19:1. [Crossref] [PubMed]
Mouliere F, Robert B, Arnau Peyrotte E, et al. High fragmentation characterizes tumour-derived circulating DNA. PLoS One 2011;6:e23418. [Crossref] [PubMed]
Snyder MW, Kircher M, Hill AJ, et al. Cell-free DNA Comprises an In Vivo Nucleosome Footprint that Informs Its Tissues-Of-Origin. Cell 2016;164:57-68. [Crossref] [PubMed]
Thierry AR. Circulating DNA fragmentomics and cancer screening. Cell Genom 2023;3:100242. [Crossref] [PubMed]
Wang S, Meng F, Li M, et al. Multidimensional Cell-Free DNA Fragmentomic Assay for Detection of Early-Stage Lung Cancer. Am J Respir Crit Care Med 2023;207:1203-13. [Crossref] [PubMed]
Hackshaw A, Clarke CA, Hartman AR. New genomic technologies for multi-cancer early detection: Rethinking the scope of cancer screening. Cancer Cell 2022;40:109-13. [Crossref] [PubMed]
Lennon AM, Buchanan AH, Kinde I, et al. Feasibility of blood testing combined with PET-CT to screen for cancer and guide intervention. Science 2020;369:eabb9601. [Crossref] [PubMed]
Calabrese F, Lunardi F, Pezzuto F, et al. Are There New Biomarkers in Tissue and Liquid Biopsies for the Early Detection of Non-Small Cell Lung Cancer? J Clin Med 2019;8:414. [Crossref] [PubMed]
Ehrlich M. DNA hypermethylation in disease: mechanisms and clinical relevance. Epigenetics 2019;14:1141-63. [Crossref] [PubMed]
Ehrlich M. DNA hypomethylation in cancer cells. Epigenomics 2009;1:239-59. [Crossref] [PubMed]
Chen X, Gole J, Gore A, et al. Non-invasive early detection of cancer four years before conventional diagnosis using a blood test. Nat Commun 2020;11:3475. [Crossref] [PubMed]
Alegría-Torres JA, Barretta F, Batres-Esquivel LE, et al. Epigenetic markers of exposure to polycyclic aromatic hydrocarbons in Mexican brickmakers: a pilot study. Chemosphere 2013;91:475-80. [Crossref] [PubMed]
Bind MA, Baccarelli A, Zanobetti A, et al. Air pollution and markers of coagulation, inflammation, and endothelial function: associations and epigene-environment interactions in an elderly cohort. Epidemiology 2012;23:332-40. [Crossref] [PubMed]
Tarantini L, Bonzini M, Tripodi A, et al. Blood hypomethylation of inflammatory genes mediates the effects of metal-rich airborne pollutants on blood coagulation. Occup Environ Med 2013;70:418-25. [Crossref] [PubMed]
Cheishvili D, Parashar S, Mahmood N, et al. Identification of an Epigenetic Signature of Osteoporosis in Blood DNA of Postmenopausal Women. J Bone Miner Res 2018;33:1980-9. [Crossref] [PubMed]
Wahl S, Drong A, Lehne B, et al. Epigenome-wide association study of body mass index, and the adverse outcomes of adiposity. Nature 2017;541:81-6. [Crossref] [PubMed]
Chen X, Yan F, Lin X, et al. DNA Methylation in Chronic Obstructive Pulmonary Disease. Adv Exp Med Biol 2020;1255:83-98. [Crossref] [PubMed]
Nilsson E, Ling C. DNA methylation links genetics, fetal environment, and an unhealthy lifestyle to the development of type 2 diabetes. Clin Epigenetics 2017;9:105. [Crossref] [PubMed]
Esquela-Kerscher A, Slack FJ. Oncomirs - microRNAs with a role in cancer. Nat Rev Cancer 2006;6:259-69. [Crossref] [PubMed]
Orozco AF, Lewis DE. Flow cytometric analysis of circulating microparticles in plasma. Cytometry A 2010;77:502-14. [Crossref] [PubMed]
O'Driscoll L, Kenny E, Mehta JP, et al. Feasibility and relevance of global expression profiling of gene transcripts in serum from breast cancer patients using whole genome microarrays and quantitative RT-PCR. Cancer Genomics Proteomics 2008;5:94-104.
Cortez MA, Bueso-Ramos C, Ferdin J, et al. MicroRNAs in body fluids--the mix of hormones and biomarkers. Nat Rev Clin Oncol 2011;8:467-77. [Crossref] [PubMed]
Ng EK, Chong WW, Jin H, et al. Differential expression of microRNAs in plasma of patients with colorectal cancer: a potential marker for colorectal cancer screening. Gut 2009;58:1375-81. [Crossref] [PubMed]
Hu Z, Chen X, Zhao Y, et al. Serum microRNA signatures identified in a genome-wide serum microRNA expression profiling predict survival of non-small-cell lung cancer. J Clin Oncol 2010;28:1721-6. [Crossref] [PubMed]
Mitchell PS, Parkin RK, Kroh EM, et al. Circulating microRNAs as stable blood-based markers for cancer detection. Proc Natl Acad Sci U S A 2008;105:10513-8. [Crossref] [PubMed]
Zamay TN, Zamay GS, Kolovskaya OS, et al. Current and Prospective Protein Biomarkers of Lung Cancer. Cancers (Basel) 2017;9:155. [Crossref] [PubMed]
Zhang H, Cao J, Li L, et al. Identification of urine protein biomarkers with the potential for early detection of lung cancer. Sci Rep 2015;5:11805. [Crossref] [PubMed]
Huang H, Yang Y, Zhu Y, et al. Blood protein biomarkers in lung cancer. Cancer Lett 2022;551:215886. [Crossref] [PubMed]
Spratlin JL, Serkova NJ, Eckhardt SG. Clinical applications of metabolomics in oncology: a review. Clin Cancer Res 2009;15:431-40. [Crossref] [PubMed]
Hu Z, Lin D, Yuan J, et al. Overexpression of osteopontin is associated with more aggressive phenotypes in human non-small cell lung cancer. Clin Cancer Res 2005;11:4646-52. [Crossref] [PubMed]
Blasberg JD, Pass HI, Goparaju CM, et al. Reduction of elevated plasma osteopontin levels with resection of non-small-cell lung cancer. J Clin Oncol 2010;28:936-41. [Crossref] [PubMed]
Tang H, Chen J, Han X, et al. Upregulation of SPP1 Is a Marker for Poor Lung Cancer Prognosis and Contributes to Cancer Progression and Cisplatin Resistance. Front Cell Dev Biol 2021;9:646390. [Crossref] [PubMed]
Zhang W, Fan J, Chen Q, et al. SPP1 and AGER as potential prognostic biomarkers for lung adenocarcinoma. Oncol Lett 2018;15:7028-36. [Crossref] [PubMed]
Zheng Y, Hao S, Xiang C, et al. The Correlation Between SPP1 and Immune Escape of EGFR Mutant Lung Adenocarcinoma Was Explored by Bioinformatics Analysis. Front Oncol 2021;11:592854. [Crossref] [PubMed]
O'Regan A. The role of osteopontin in lung disease. Cytokine Growth Factor Rev 2003;14:479-88. [Crossref] [PubMed]
Ashkar S, Weber GF, Panoutsakopoulou V, et al. Eta-1 (osteopontin): an early component of type-1 (cell-mediated) immunity. Science 2000;287:860-4. [Crossref] [PubMed]
Liaw L, Birk DE, Ballas CB, et al. Altered wound healing in mice lacking a functional osteopontin gene (spp1). J Clin Invest 1998;101:1468-78. [Crossref] [PubMed]
Bellahcène A, Castronovo V, Ogbureke KU, et al. Small integrin-binding ligand N-linked glycoproteins (SIBLINGs): multifunctional proteins in cancer. Nat Rev Cancer 2008;8:212-26. [Crossref] [PubMed]
Grunnet M, Sorensen JB. Carcinoembryonic antigen (CEA) as tumor marker in lung cancer. Lung Cancer 2012;76:138-43. [Crossref] [PubMed]
Autsavapromporn N, Klunklin P, Chitapanarux I, et al. A Potential Serum Biomarker for Screening Lung Cancer Risk in High Level Environmental Radon Areas: A Pilot Study. Life (Basel) 2021;11:1273. [Crossref] [PubMed]
Liu J, Zhao YQ, Han X, et al. Correlation between pre-treatment serum carcinoembryonic antigen levels and genotypes in a large population of Chinese people with advanced lung adenocarcinoma. Intern Med J 2019;49:634-43. [Crossref] [PubMed]
Molina R, Agusti C, Filella X, et al. Study of a new tumor marker, CYFRA 21-1, in malignant and nonmalignant diseases. Tumour Biol 1994;15:318-25. [Crossref] [PubMed]
Sertić Milić H, Franjević A, Bubanović G, et al. Size, edge, and stage of NSCLC determine the release of CYFRA 21-1 in bloodstream. Wien Klin Wochenschr 2015;127:465-71. [Crossref] [PubMed]
Abbas M, Kassim SA, Habib M, et al. Clinical Evaluation of Serum Tumor Markers in Patients With Advanced-Stage Non-Small Cell Lung Cancer Treated With Palliative Chemotherapy in China. Front Oncol 2020;10:800. [Crossref] [PubMed]
Sone K, Oguri T, Ito K, et al. Predictive Role of CYFRA21-1 and CEA for Subsequent Docetaxel in Non-small Cell Lung Cancer Patients. Anticancer Res 2017;37:5125-31. [Crossref] [PubMed]
Dall'Olio FG, Abbati F, Facchinetti F, et al. CEA and CYFRA 21-1 as prognostic biomarker and as a tool for treatment monitoring in advanced NSCLC treated with immune checkpoint inhibitors. Ther Adv Med Oncol 2020;12:1758835920952994. [Crossref] [PubMed]
Pio R, Corrales L, Lambris JD, editors. The Role of Complement in Tumor Growth. Tumor Microenvironment and Cellular Stress; 2014. New York, NY: Springer New York, 2014.
Law SK, Dodds AW. The internal thioester and the covalent binding properties of the complement proteins C3 and C4. Protein Sci 1997;6:263-74. [Crossref] [PubMed]
Liu YY, Yang QF, Yang JS, et al. Characteristics and prognostic significance of profiling the peripheral blood T-cell receptor repertoire in patients with advanced lung cancer. Int J Cancer 2019;145:1423-31. [Crossref] [PubMed]
Li Y, Karjalainen A, Koskinen H, et al. p53 autoantibodies predict subsequent development of cancer. Int J Cancer 2005;114:157-60. [Crossref] [PubMed]
Robertson J, Chapman C, Cheung KL, et al. Autoantibodies in early breast cancer. J Clin Oncol 2005;23:549.
Qin J, Zeng N, Yang T, et al. Diagnostic Value of Autoantibodies in Lung Cancer: a Systematic Review and Meta-Analysis. Cell Physiol Biochem 2018;51:2631-46. [Crossref] [PubMed]
Zaenker P, Gray ES, Ziman MR. Autoantibody Production in Cancer--The Humoral Immune Response toward Autologous Antigens in Cancer Patients. Autoimmun Rev 2016;15:477-83. [Crossref] [PubMed]
Deja S, Porebska I, Kowal A, et al. Metabolomics provide new insights on lung cancer staging and discrimination from chronic obstructive pulmonary disease. J Pharm Biomed Anal 2014;100:369-80. [Crossref] [PubMed]
Rocha CM, Carrola J, Barros AS, et al. Metabolic signatures of lung cancer in biofluids: NMR-based metabonomics of blood plasma. J Proteome Res 2011;10:4314-24. [Crossref] [PubMed]
Guo Y, Wang X, Qiu L, et al. Probing gender-specific lipid metabolites and diagnostic biomarkers for lung cancer using Fourier transform ion cyclotron resonance mass spectrometry. Clin Chim Acta 2012;414:135-41. [Crossref] [PubMed]
Hori S, Nishiumi S, Kobayashi K, et al. A metabolomic approach to lung cancer. Lung Cancer 2011;74:284-92. [Crossref] [PubMed]
Santos CR, Schulze A. Lipid metabolism in cancer. FEBS J 2012;279:2610-23. [Crossref] [PubMed]
Klupczynska A, Plewa S, Kasprzyk M, et al. Serum lipidome screening in patients with stage I non-small cell lung cancer. Clin Exp Med 2019;19:505-13. [Crossref] [PubMed]
Chen Y, Ma Z, Shen X, et al. Serum Lipidomics Profiling to Identify Biomarkers for Non-Small Cell Lung Cancer. Biomed Res Int 2018;2018:5276240. [Crossref] [PubMed]
Nøst TH, Alcala K, Urbarova I, et al. Systemic inflammation markers and cancer incidence in the UK Biobank. Eur J Epidemiol 2021;36:841-8. [Crossref] [PubMed]
Fiorelli A, Accardo M, Carelli E, et al. Circulating Tumor Cells in Diagnosing Lung Cancer: Clinical and Morphologic Analysis. Ann Thorac Surg 2015;99:1899-905. [Crossref] [PubMed]
Yu N, Zhou J, Cui F, et al. Circulating tumor cells in lung cancer: detection methods and clinical applications. Lung 2015;193:157-71. [Crossref] [PubMed]
Zhang W, Xia W, Lv Z, et al. Liquid Biopsy for Cancer: Circulating Tumor Cells, Circulating Free DNA or Exosomes? Cell Physiol Biochem 2017;41:755-68. [Crossref] [PubMed]
Hanssen A, Loges S, Pantel K, et al. Detection of Circulating Tumor Cells in Non-Small Cell Lung Cancer. Front Oncol 2015;5:207. [Crossref] [PubMed]
Zhang Y, Tang Y, Sun S, et al. Single-cell codetection of metabolic activity, intracellular functional proteins, and genetic mutations from rare circulating tumor cells. Anal Chem 2015;87:9761-8. [Crossref] [PubMed]
Vona G, Sabile A, Louha M, et al. Isolation by size of epithelial tumor cells: a new method for the immunomorphological and molecular characterization of circulatingtumor cells. Am J Pathol 2000;156:57-63. [Crossref] [PubMed]
Ferreira MM, Ramani VC, Jeffrey SS. Circulating tumor cell technologies. Mol Oncol 2016;10:374-94. [Crossref] [PubMed]
Gonzalez J, Marín M, Sánchez-Salcedo P, et al. Lung cancer screening in patients with chronic obstructive pulmonary disease. Ann Transl Med 2016;4:160. [Crossref] [PubMed]
Maldonado F, Bartholmai BJ, Swensen SJ, et al. Are airflow obstruction and radiographic evidence of emphysema risk factors for lung cancer? A nested case-control study using quantitative emphysema analysis. Chest 2010;138:1295-302. [Crossref] [PubMed]
Theil G, Boehm C, Fischer K, et al. In vivo isolation of circulating tumor cells in patients with different stages of prostate cancer. Oncol Lett 2021;21:357. [Crossref] [PubMed]
Costa C, Dávila-Ibáñez AB. Methodology for the Isolation and Analysis of CTCs. Adv Exp Med Biol 2020;1220:45-59. [Crossref] [PubMed]
Coussens LM, Werb Z. Inflammation and cancer. Nature 2002;420:860-7. [Crossref] [PubMed]
Elinav E, Nowarski R, Thaiss CA, et al. Inflammation-induced cancer: crosstalk between tumours, immune cells and microorganisms. Nat Rev Cancer 2013;13:759-71. [Crossref] [PubMed]
Grivennikov SI, Greten FR, Karin M. Immunity, inflammation, and cancer. Cell 2010;140:883-99. [Crossref] [PubMed]
Powell DR, Huttenlocher A. Neutrophils in the Tumor Microenvironment. Trends Immunol 2016;37:41-52. [Crossref] [PubMed]
Contursi A, Grande R, Dovizio M, et al. Platelets in cancer development and diagnosis. Biochem Soc Trans 2018;46:1517-27. [Crossref] [PubMed]
Fogar P, Sperti C, Basso D, et al. Decreased total lymphocyte counts in pancreatic cancer: an index of adverse outcome. Pancreas 2006;32:22-8. [Crossref] [PubMed]
Grieshober L, Graw S, Barnett MJ, et al. Pre-diagnosis neutrophil-to-lymphocyte ratio and mortality in individuals who develop lung cancer. Cancer Causes Control 2021;32:1227-36. [Crossref] [PubMed]
Kang J, Chang Y, Ahn J, et al. Neutrophil-to-lymphocyte ratio and risk of lung cancer mortality in a low-risk population: A cohort study. Int J Cancer 2019;145:3267-75. [Crossref] [PubMed]
Li J, Chen Q, Luo X, et al. Neutrophil-to-Lymphocyte Ratio Positively Correlates to Age in Healthy Population. J Clin Lab Anal 2015;29:437-43. [Crossref] [PubMed]
Thomsen M, Ingebrigtsen TS, Marott JL, et al. Inflammatory biomarkers and exacerbations in chronic obstructive pulmonary disease. JAMA 2013;309:2353-61. [Crossref] [PubMed]
Gan WQ, Man SF, Senthilselvan A, et al. Association between chronic obstructive pulmonary disease and systemic inflammation: a systematic review and a meta-analysis. Thorax 2004;59:574-80. [Crossref] [PubMed]
Hariton E, Locascio JJ. Randomised controlled trials - the gold standard for effectiveness research: Study design: randomised controlled trials. BJOG 2018;125:1716. [Crossref] [PubMed]
Moons KG, Kengne AP, Grobbee DE, et al. Risk prediction models: II. External validation, model updating, and impact assessment. Heart 2012;98:691-8. [Crossref] [PubMed]
Strayhorn JM Jr. Virtual controls as an alternative to randomized controlled trials for assessing efficacy of interventions. BMC Med Res Methodol 2021;21:3. [Crossref] [PubMed]
Kong CY, Sheehan DF, McMahon PM, et al. Combined Biomarker and Computed Tomography Screening Strategies for Lung Cancer: Projections of Health and Economic Tradeoffs in the US Population. MDM Policy Pract 2016;1:2381468316643968. [Crossref] [PubMed]

（本译文仅供学术交流，实际内容请以英文原文为准）

译者：张家铖

张家铖，本科就读于河北医科大学，现已推免至国家癌症中心/中国医学科学院肿瘤医院攻读肿瘤学硕士研究生。

审校：张国超

张国超，国家癌症中心/中国医学科学院肿瘤医院胸外科主治医师。师从我国著名的肿瘤学、胸外科专家，中国科学院院士赫捷教授，主要从事胸部肿瘤外科学及诊疗标志物临床转化研究。累计以第一作者（含并列）在Signal Transduction and Targeted Therapy、Journal of Hematology Oncology、Clinical and Translational Medicine、Ebiomedicine、International Journal of Surgery等国际著名期刊发表SCI论文20余篇，总IF超过200分。目前主持国家自然科学基金青年项目、北京市自然科学基金面上项目、中央高校基本科研业务费及北京希望马拉松基金课题等多项。作为编者参编专著1部：《湘雅临床技能培训教程》。获得10余项发明专利授权。目前担任北京市科学技术委员会科技项目评审专家库成员、《中华生物医学工程杂志》青年编委、Thoracic Cancer等杂志审稿人。曾获得博士研究生国家奖学金，北京协和医学院优秀毕业生，北京协和医学院校长奖，北京市优秀毕业生，北京市青年托举人才，第七届CSCO“35 under 35”优秀青年肿瘤医生等荣誉。

相关阅读

《肺癌（第二版)》图书

资讯

AME旗下19本期刊最新影响因子｜2024年6月

排版编辑：袁舒 AME Publishing Company

j.01.2024.08.10.01

点击下方“阅读原文”查看英文原文

↓↓↓

http://mp.weixin.qq.com/s?__biz=MzA4MzU2NjUyNA==&mid=2693959772&idx=1&sn=1b64cea1df7f1add453146795e0d751e

AME科研时间

欲穷千里目，快乐搞学术。