✦
医学科研新动向
✦
Multiomics biomarkers were not superior to clinical variables for pan-cancer screening
Communications Medicine
<2024年11月17日>
研
究
背
景
癌症组织的局部分子变化与血液中标志物之间存在异质性。 大多数研究仅限于单一组学分析或较小的样本量。 临床环境下的易用性和成本效益尚未得到充分验证。
研究设计
数据来源与分组：
来自UKBB的500,000名参与者，包括32,260名癌症患者，涵盖86种癌症。
控制组分为健康对照组（无任何疾病）和非癌症对照组（有非癌症疾病）。
组学数据包括2923种蛋白质、325种代谢物、90百万基因变异，以及45种临床变量。
模型构建：
使用极端随机树算法进行特征选择。
构建逻辑回归模型，优化诊断性能。
使用受试者工作特征（ROC）曲线下的面积（AUC）评估模型效果。
分析范围：
集体癌症诊断：所有癌症患者 vs 对照组。
个体癌症诊断：特定癌症患者 vs 对照组。
比较血液和肿瘤组织中的蛋白质标志物性能（数据来自CPTAC）。
核心结果
1：全癌症筛查中多组学标志物的性能比较
使用健康对照组时，蛋白质组学的AUC最高为0.75，临床变量为0.74，基因组学为0.72，代谢组学最低，仅为0.64。不同组学的诊断能力在健康对照组中表现接近，但代谢组学明显逊色。 使用非癌症对照组时，所有组学的AUC显著下降，蛋白质组学从0.75降至0.58，临床变量从0.74降至0.51，代谢组学从0.64降至0.54。基因组学的AUC从0.72降至0.56。 在比较健康对照组与非癌症对照组时，关键蛋白质标志物的选择显著不同。健康对照组中的标志物更多与免疫相关功能机制相关，而非癌症对照组中的标志物分布则较为广泛，可能受到疾病共病状态的影响。
2：个体癌症诊断中高血管化器官表现优异
3：肿瘤局部组织标志物诊断性能远超血液标志物
小
结
全癌症筛查中多组学标志物性能有限
使用健康对照组时，蛋白质组学的AUC最高为0.75，临床变量为0.74，基因组学为0.72，代谢组学最低为0.64。
使用非癌症对照组时，AUC显著下降，蛋白质组学降至0.58，临床变量降至0.51，代谢组学降至0.54。
不同对照组的选择显著影响标志物筛选与模型性能，健康对照组能更好地支持标志物的区分能力。
个体癌症诊断中，高血管化器官癌症表现优异
蛋白质组学在肾癌（AUC=0.97）、甲状腺癌（AUC=0.89）、肺癌（AUC=0.86）和白血病（AUC=0.88）中表现突出。
大部分其他癌症（如乳腺癌和结直肠癌）的AUC均未超过0.8，诊断性能有限。
GO分析显示，高血管化器官癌症的标志物与免疫调节和细胞增殖相关，而其他癌症的标志物关联较弱。
局部肿瘤组织标志物性能远超血液标志物
单一蛋白即可区分肿瘤组织与正常组织，AUC达到1.0；使用最多15种蛋白时，AUC仍在0.97–1.0之间。
局部组织标志物在乳腺癌、结直肠癌、肝癌和肺癌中的诊断性能均显著高于血液标志物，且表现稳定。
总体结论
血液标志物在全癌症筛查中的表现不及临床变量，但在高血管化器官癌症中具有潜力。
局部肿瘤组织蛋白质标志物表现卓越，是未来癌症精准诊断的重要方向。
-END-
文字丨本人点滴积累，如有补充，下方留言即可
（左下角点击“阅读原文”即可获取全文）
