《中国恶性肿瘤学科发展报告（2021）》——肿瘤标志未来展望篇

概述

2021年是极不平凡的一年，我们迎来了党的百年华诞以及许多激动人心的大事件，同时有着更多照进平凡日子里的光亮，让我们深切感受到普普通通汇聚起的伟大！快乐与悲伤、幸福与感动凝聚成2021年最为沉甸的记忆。

2021年在防疫逐渐成为常态的情况下，专委会发出“凝神聚力抗疫情，立足本职做贡献”的倡议，疫情并未影响广大肿瘤标志物领域医研企专家们孜孜不倦的探索，新型肿瘤标志物发现与鉴定领域均取得了丰硕成果，积极推动着临床转化的步伐，更为可喜的是国内不断涌现出影响世界的重要成果。本文就2021年度肿瘤标志物领域研究进展及展望做一概览。 

1.循环肿瘤DNA标志物

未来循环肿瘤DNA（circulating tumor DNA, ctDNA）有望在肿瘤的早期诊断、精准用药、预测复发及干预指导、动态监测、预后评估等方面发挥更大的全程精准管理价值。ctDNA在早期诊断、预测复发及干预指导等方面需要开展更多的前瞻性临床研究证明其临床可行性，需要更先进的分子生物学检测方法来增强其可靠性和实用性，才能广泛应用于临床实践[82]。未来通过ctDNA与人工智能算法的有效结合，有望提高患者全程精准管理的效率及标准化，成为推动基因检测新时代变革的引领技术[83]。

2.循环肿瘤细胞标志物

《循环肿瘤细胞共识》提出，循环肿瘤细胞（circulating tumor cell, CTC）由多种细胞亚型组成，稀有性和异质性是CTC检测技术的挑战；准确、可靠及标准化是CTC检测技术的基本要求；提高检测技术的灵敏度和特异性、探索未知的CTC存在形式、分子分型和单细胞特征是CTC技术创新的重要方向，需要进一步建立系统性的CTC实验室检测质量控制体系以提高CTC检测流程的质量管理水平[9]。

随着研究和临床实践的发展，肿瘤标志物检测的认可度得到了很大的提高，但其检测还存在着一些问题。①质量管理方面，肿瘤标志物的检测需选择准确且精密度高的方法，使用前进行方法学验证，内容包括精密度、敏感性、特异性及线性。进行室间质评及室内质控，尽可能选择临床决定值附近的质控品，检测CV控制在20%以内。②肿瘤标志物的研发应着眼于肿瘤临床实践，帮助临床医生早期诊断、指导治疗、评估疗效与预后为目标，以制定个体化精准诊疗方案，提高肿瘤诊治医疗质量和患者生存质量，充分体现精准医学时代的要求。③CTC单细胞测序技术未来将有广泛的应用前景和发展空间，对于了解实体瘤的进化过程及患者个体化治疗具有巨大的意义。

3.肿瘤外泌体标志物

肿瘤外泌体未来发展方向主要体现在临床转化研究。包括外泌体输送药物，工程化共价修饰光敏剂，声敏剂等化合物，用于肿瘤治疗。外泌体组学研究联合高通量测序用于肿瘤早筛，肿瘤诊断，肿瘤进展监测。另外，外泌体生发机制研究，外泌体单分子异质性研究，外泌体研究技术同一化仍需继续探索。

4.肿瘤蛋白标志物

尽管在肿瘤蛋白质标志物方面的研究已经取得了重大进展，肿瘤蛋白标志物研究目前仍面临着一些挑战：①将蛋白质组学技术拓展至其他队列或应用于临床需要建立从样本采集到数据分析的高度标准化的实验流程，以实现更具重现性和可靠性的分析；②需要进一步优化蛋白质组学检测灵敏度及通量，以发现更多的有潜在生物学功能的蛋白质标志物；③结合多组学和人工智能算法的综合分析，有助于解析复杂肿瘤蛋白质调控网络，发现新的肿瘤生物标志物，促进新疗法的开发。随着标准化的实验流程的持续发展以及定量蛋白质组学技术的不断革新，同时结合多组学技术及人工智能，未来，蛋白标志物将在肿瘤精准治疗中发挥越来越重要的作用。

5.肿瘤代谢标志物

尽管在肿瘤代谢标志物方面取得了一些重大进展，但目前领域内仍有一些挑战需要克服：①将代谢标志物拓展至其他队列或应用于临床需要建立从样本采集到数据分析的高度标准化的实验流程，以实现更具重现性和可靠性的代谢分析；②需要进一步提高代谢组学检测灵敏度及通量，以发现更多的有潜在生物学功能的代谢标志物；③发展新型质谱成像技术，用以识别代谢物在组织间的空间分布，发现特定肿瘤微环境中的代谢标志物；④结合多组学和人工智能算法的综合分析，有助于解析复杂肿瘤微环境，发现新的肿瘤生物标志物，促进新疗法的开发。随着标准化的实验流程的持续发展以及代谢组学技术的不断革新，同时结合其他组学技术以及人工智能算法，未来，代谢标志物将在肿瘤的诊断和预后中发挥越来越重要的作用。

6.肿瘤单细胞标志物

单细胞测序已经彻底改变了肿瘤研究，包括对原发肿瘤的肿瘤内异质性，转移过程中CTC的作用，治疗抗性的演变以及特征肿瘤微环境的研究已获得了重要突破。然而，目前对肿瘤内部组织及其微环境的细胞多维排布信息与分子动态变化知之甚少。因此，需开发具有高分辨率的时空测序新方法，重构肿瘤内组织及微环境中的细胞排布，并捕捉肿瘤细胞内的瞬时变化信息，实现全面精准的多维肿瘤图谱绘制。

7.肿瘤甲基化标志物

DNA甲基化是研究得最好的表观遗传修饰之一。越来越多的证据表明，异常的DNA甲基化促进了肿瘤的发生和进展，主要是通过整体低甲基化、多个基因组区域（主要是CpG位点）的局灶性高甲基化，以及甲基化胞嘧啶的直接突变。与基因突变的高度个性化和异质性相比，同一类型的肿瘤细胞倾向于表现出相似的DNA甲基化变化。研发有效的肿瘤甲基化标志物，不仅仅是在DNA甲基化标志物上，而且还有基于M6A等调节机制的其他核酸甲基化修饰标志物上。基于无细胞ctDNA的液体活检亦是未来发展的趋势。中山大学肿瘤医院徐瑞华教授团队[84]发表的综述文章，概述了ctDNA谱在早期肿瘤无创诊断中的优缺点，探讨了ctDNA甲基化分析在临床应用中的最新进展；同时他们还总结了ctDNA甲基化分析的技术，并简要概述了分析DNA甲基化测序数据的生物信息学方法。

8.尿液肿瘤标志物

期待未来能有更多的研究充分利用尿液没有稳态机制控制的特点，探索更早期的肿瘤标志物，比如肿瘤的早期筛查，或者术后复发早期监测用标志物的探索研究。尿液的特点是受到的影响因素多，肿瘤和对照的分组比较方法，要求同一组内肿瘤的病理特点，发展阶段尽量的接近，不能只是满足于生长在同一个器官就划分在一组。另外未来同一个体术前术后，用药前后比较等的研究，更能充分抵消各种影响因素，更符合尿液标志物的特点，希望能在以后的研究中得到更多的应用。这也是未来个体化医疗的要求。当然这一类新模式的研究未来还需要被领域内杂志编辑，审稿专家的认可。现在的研究还是倾向于给大样本分组对照的临床研究更高的评价。

9.线粒体肿瘤标志物

线粒体生理功能异常和线粒体DNA变异可以赋予肿瘤细胞巨大的可塑性。这种变异助于肿瘤在转移和治疗期间适应不断变化的环境，并可作为肿瘤诊断和疗效预测的生物标志物。于此同时，该领域也存在一些挑战，尚需进一步克服：①mtDNA测序突变分析时，如何有效去除核基因组中线粒体假基因（NUMT）的污染。②如何通过建立标准化流程，使不同实验室的mtDNA测序数据可以整合分析。③如何通过建立线粒体DNA突变实验体系，分析研究不同突变的生物学功能。相信上述问题的进一步解决势必将使线粒体及mtDNA在恶性肿瘤的诊断、预后和疗效评估中发挥越来越重要的作用。

10.肿瘤标志物大数据分析

目前大量的研究致力于通过计算或生物信息学方法筛选肿瘤诊断和治疗的分子特征。机制驱动、数据驱动、技术驱动的肿瘤标志物发现正在实现精准医学的目标，促进肿瘤标志物的临床应用。同时，肿瘤的复杂性需要更有效的生物标志物。研究人员已经开发的主要数据资源和分析工具，如TCGA[85]、ICGC[86]、SEER[87]、UCSC[88]、COSMIC[89]等，提供了肿瘤标志物发现的基本条件。尽管已开发的资源很重要，但从临床到临床的转变仍然是一项具有挑战性的任务。仍需解决的主要挑战之一是，肿瘤细胞的异质性导致了抗癌药/治疗的不同反应和相似的反应，可以通过在不同地理位置的大量人口中开展人员基因组学项目来克服这一障碍，这将有助于对肿瘤类型的个性化突变指纹和分子组成进行解码。另外，由于肿瘤发生机制复杂，涉及到多维数据、多种因素影响，导致个体或群体间肿瘤发病率和死亡率存在异质性。计算模型不应仅仅局限在单一水平的数据应用。多尺度分子的异常（如基因、RNA、蛋白质、DNA修饰、RNA修饰等）与临床指标（如图像、症状等）的结合，可为临床实践的决策提供更精确的支持。在这种大规模数据集上开发的工具可以更好地模拟局部和系统的肿瘤微环境，从而可以更好地用于治疗管理。因此从生物信息学在肿瘤标志物挖掘中的应用而言，肿瘤相关的多组学数据库、组学数据的可视化/分析工具、基于机器学习的诊断、预测和预测肿瘤标志物工具以及使用多组学数据的数据分析算法等现进的计算和统计工具仍需要不断开发，为肿瘤标志物的发现和更好的患者/医疗保健管理开辟新的途径。

【主编】

邢金良   空军军医大学

聂勇战   空军军医大学附属西京医院

【副主编】

曾木圣   中山大学肿瘤防治中心

谢晓冬   北部战区总医院

陈奎生   郑州大学第一附属医院

袁响林   华中科技大学同济医学院附属同济医院

王书奎   南京医科大学附属南京医院/南京市第一医院

【编委】（按姓氏拼音排序）

蔡   明   华中科技大学同济医学院附属协和医院

丁   昂   复旦大学附属妇产科医院乳腺科

傅   俊   江西南医科大学

高   鹏   山东大学齐鲁医院病理科

高友鹤   北京师范大学生命科学学院

韩俊伟   哈尔滨医科大学生物信息科学与技术学院

何   涛   西南医科大学

胡泽平   清华大学

胡志远   国家纳米科学中心

黄灿华   四川大学华西医院国家重点实验室应激医学研究室

黄启超   空军军医大学

赖宗浪   重庆市中医院

李   凯   暨南大学

刘华文   重庆大学附属三峡医院

刘西洋   西安电子科技大学

辇伟奇   重庆大学附属肿瘤医院

邵继春   核工业部416医院

王   芳   中山大学附属第一医院

王   楠   空军军医大学

王   涛   解放军总医院

王   智   中山大学口腔医学研究所

魏春莉   西南医科大学

魏晓为   南京市第一医院肿瘤科

夏超然   浙江绍兴鼎晶生物医药科技股份有限公司

许   醒   厦门大学化学化工学院

严令华   上海桐树生物科技有限公司

杨朝勇   厦门大学化学化工学院

于观贞   中科院浙江数学内容研究院

于文强   复旦大学

余幼林   武汉科技大学附属孝感医院

张   灏   暨南大学

张   涛   成都医学院

张   岩   哈尔滨工业大学生命科学与技术学院

张志刚   空军军医大学

邹炳文   四川大学华西医院肿瘤中心

参考文献

[82] Li W, Liu JB, Hou LK, et al. Liquid biopsy in lung cancer: significance in diagnostics, prediction, and treatment monitoring[J]. Mol Cancer, 2022,21(1):25.

[83] Cisneros-Villanueva M, Hidalgo-Pérez L, Rios-Romero M, et al. Cell-free DNA analysis in current cancer clinical trials: a review[J]. Br J Cancer. 2022, 126(3):391-400.

[84] Luo H, Wei W, Ye Z, et al. Liquid Biopsy of Methylation Biomarkers in Cell-Free DNA[J]. Trends Mol Med, 2021, 27(5):482-500. 

[85] Cancer Genome Atlas Research Network, Weinstein JN, Collisson EA, et al. The Cancer Genome Atlas Pan-Cancer analysis project[J]. Nat Genet, 2013, 45(10): 1113-1120. 

[86] International Cancer Genome Consortium, Hudson TJ, Anderson W, et al. International network of cancer genome projects[J]. Nature, 2010, 464, 993-998.

[87] Cronin KA, Ries LA, Edwards BK. The Surveillance, Epidemiology, and End Results (SEER) Program of the National Cancer Institute[J]. Cancer, 120, 23, 3755-3757.

[88] Goldman M, Craft B, Swatloski T, et al. The UCSC Cancer Genomics Browser: update 2013[J]. Nucleic Acids Res, 2013, 41: D949-954.

[89] Tate JG, Bamford S, Jubb HC, et al. COSMIC: the Catalogue Of Somatic Mutations In Cancer[J]. Nucleic Acids Res, 2019, 47(D1):D941-D947.