近日，中山大学肿瘤防治中心实验研究部曾木圣、钟茜、检验科刘万里及肿瘤预防研究科曹素梅等专家团队，联合河南省肿瘤医院、汕头大学医学院附属肿瘤医院、中山市人民医院的合作团队，在The Lancet Digital Health发表了题为Highly sensitive detection platform-based diagnosis of oesophageal squamous cell carcinoma in China: a multicentre, case–control, diagnostic study的研究成果。该研究聚焦于肿瘤早期诊断和筛查长期存在的技术瓶颈——检测方法敏感性不足这一难题，以食管癌作为研究模型，研发了一种基于金纳米颗粒辅助、单链DNA串联子多重激活CRISPR/Cas12a的新型高灵敏检测平台——SENSORS，证明了其敏感性优于传统的酶联免疫吸附试验和电化学发光免疫分析仪，并在多中心临床队列和人群队列中验证了其诊断效能，该方法有望作为一种无创的辅助诊断和筛查工具，为肿瘤早诊早筛提供重要的技术支持。
中国是全球食管癌发病率和死亡率最高的国家之一。内镜筛查有助于早期发现食管癌、有效降低死亡率，但由于其成本高、依从性差和潜在的并发症，在人群水平上实施可行性较低。血清学肿瘤标志物检测是潜在的替代方案。然而，目前临床上传统的蛋白检测技术敏感性较低，难以检测到癌症早期低丰度的循环肿瘤标志物。因此，迫切需要研发更高灵敏度的检测方法以辅助肿瘤早期诊断和筛查。研究者联合金纳米颗粒标记技术、基于引物交换反应的单链DNA串联子合成技术和CRISPR/Cas12a系统，建立了一种集收集模块、信号转换模块、信号放大模块、信号报告模块和结果分析模块为一体的新型、高灵敏度检测平台，命名为SENSORS。通过与传统的酶联免疫吸附试验（ELISA）和电化学发光免疫分析仪（ECLIA）方法进行同步对比，研究者发现SENSORS平台具有更高的检测敏感性和更宽的线性检测范围。在检测临床广泛使用的肿瘤标志物——鳞状细胞癌抗原（SCCA）时，相比于传统ELISA（AUC：0.63）和ECLIA（AUC：0.61），SENSORS平台的诊断性能显著提升（AUC：0.87）。研究者进一步收集了来自中山大学肿瘤防治中心、河南省肿瘤医院、汕头大学医学院附属肿瘤医院三个中心超过2000例的临床队列样本，以及来自潮汕地区的人群筛查队列和四会市、中山市的前瞻性队列共176例巢式病例对照研究样本，利用SENSORS平台检测了研究团队前期鉴定的食管癌相关肿瘤标志物SCCA和MMP13的血清学水平，发现该平台在内部验证集和两个独立的外部验证集的诊断曲线下面积（AUC）达0.86-0.97，灵敏度达84.8%-95.2%，对于前瞻性人群队列样本的诊断AUC达0.79-0.83。在此基础上，研究者联合患者基线资料、流行病学危险因素和多种肿瘤标志物水平构建了六种机器学习模型，进一步筛选发现随机森林算法展现出最高的预测效能。通过特征选择过程，研究者最终构建了由年龄、SCCA、MMP13、CEA和NSE五个特征组成的简化随机森林预测模型，在多中心验证队列中验证了该模型的AUC达0.89-0.99，灵敏度达88.6%-98.4%，显示出较高的诊断能力。综上所述，研究者聚焦于肿瘤早期检测方法敏感性不足这一技术难题，研发了一种新型高灵敏检测平台，在多中心队列中验证了其诊断效能，并联合机器学习算法构建了风险预测模型以便于临床转化。该平台有望作为一种微创的辅助诊断和筛查工具，为将来临床肿瘤早诊早筛提供高效的技术支持。中山大学肿瘤防治中心曾木圣教授、刘万里教授、钟茜教授、曹素梅教授为本文的共同通讯作者。中山大学肿瘤防治中心王域博士、邢珊副主任技师、汕头大学医学院附属肿瘤医院许镒洧教授、河南省肿瘤医院许青霞教授、中山市人民医院季明芳教授、汕头大学医学院附属肿瘤医院彭裕辉教授为本文的共同第一作者。原文链接：https://www.thelancet.com/journals/landig/article/PIIS2589-7500(24)00153-5/fulltext
转载自：https://mp.weixin.qq.com/s/VWW3mSwkm30YNJ-bIvRUdQ
制版人：十一
BioART战略合作伙伴
（*排名不分先后）
![]()
![]()
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，未经作者的允许禁止转载，作者拥有所有法定权利，违者必究。
