敏感性 86.1%！清华大学研究团队破译cfDNA甲基化用于预测原发性肿瘤的位置和对癌症早期诊断

目前，临床癌症筛查仍然依赖于胃镜检查、低剂量计算机断层扫描和蛋白质生物标志物等非分子技术，这些方法的特异性和敏感性都较低。 

由于缺乏有效的癌症筛查手段，大多数癌症患者确诊较晚，错过了理想的治疗期。

作为一种液体活检分析物，外周血浆中的循环游离DNA(cfDNA)由于其非侵入性特性已成为癌症早期诊断的有前途的生物标志物。

一般而言，健康个体血浆中的cfDNA来自造血细胞和正常组织。相反，在癌症患者中，除了正常来源外，来自肿瘤细胞的降解DNA片段被释放到血流中，并构成与总cfDNA分子，所以需要分析来自肿瘤cfDNA占总cfDNA分的比例，这对癌症的诊断至关重要。

近日，来自的清华大学研究团队通过cfDNA甲基化特征构建SRFD-Bayes诊断模型，去卷积混合甲基化特征来估计cfDNA的肿瘤的起源组织 (TOO)，这可以预测原发性肿瘤的位置和对癌症早期诊断。

结果显示该模型对肿瘤定位的平均准确率为76.9%，对癌症早期检测的敏感性为86.1%，特异性为94.7%。

原文发表在《Nature Communications》上，原文链接为“Tumor fractions deciphered from circulating cell-free DNA methylation for cancer early diagnosis”。

该诊断方法设法破译肿瘤部分，检测并进一步定位来自cfDNA甲基化谱的潜在TOO。

第一步，从大量的甲基化位点中选择信息标记。设计了基于矩阵范数的信息分数以识别类型判别（TD）和类型特异性（TS）甲基化标记。

其次，使用自由反卷积 (SRFD) 算法从混合血浆数据中学习参考数据库。

第三，将训练样本反卷积到单独的源分数向量中，其中每个肿瘤成分都作为独立的Beta分布进行拟合，构建一个预诊断模型 —— 贝叶斯诊断模型（SRFD-Bayes）。

SRFD-Bayes结合了数据驱动分类器和生物医学反卷积的优点；以及基于晚期肿瘤样本的高度可迁移训练策略，用于早期癌症诊断。

图1:癌症早期诊断方法概述：a信息标记选择、b诊断模型构建、C对测试样本进行反卷积和诊断

由于来自健康个体或癌症患者的可公开获取的血浆cfDNA甲基化数据有限，研究团队首先收集了656个正常血液DNA甲基化图谱，并从癌症基因组图谱 (TCGA) 中收集了5组肿瘤组织 DNA 甲基化数据，包括浸润性乳腺癌 (BRCA)、结肠腺癌 (COAD)、肺鳞状细胞癌和肺腺癌 (LUNG)、肝细胞癌 (LIHC) 和前列腺腺癌 (PRAD)。

其次，将这些正常血液DNA样本和肿瘤组织DNA样本随机分成三组，分别生成用于训练、验证和测试的模拟数据集，采用验证数据集进行参数研究，而测试数据集用于与其他方法进行比较研究。

然后为癌症患者生成模拟的cfDNA甲基化图谱，计算混合了从TCGA收集的肿瘤组织数据和从正常对照中收集的cfDNA数据，用于验证和测试模拟cfDNA数据。

接下来，研究团队比较NNLS(非负最小二乘 )分别应用差异甲基化探针 (DMP-TD) 标记和TD标记实现的反卷积性能。

结果发现：TD标记对于正常对照的正常部分和癌症患者的肿瘤/来源部分均实现了较低的均方根误差 (RMSE)，这进一步将后者的皮尔逊相关系数 (PCC) 提高了4%，表明TD标记在反卷积任务中的表现优于DMP-TD标记。

此外，TD标记每个标记候选一次，而DMP-TD标记的计算成本随着类别数的增加而增加，并且，TD标记有助于混合甲基化特征的更精确的反卷积。

于是，研究团队为每个类别选择TD和TS甲基化标记，完成了对cfDNA信息标记的选择。

图2:对cfDNA信息标记的选择

完成标记之后，下一步就是要确定模拟数据集SRFD-Bayes的的诊断性能。

研究团队从每种肿瘤类型的模拟样本中随机抽取40例来模拟有限数量的样本，相应地，总共使用了400个样本来构建一个诊断模型，该模型在包括2400个样本的测试数据集上进行了评估。

每个实验组重复 100 次，每次使用随机训练数据集，以确定平均性能和稳健性，结果发现，SRFD-Bayes

检测性能曲线下面积 (AUC) 接近0.98的更高中值；

灵敏度最高，达到92.1%，分别比CancerLocator和NNLS高出3.3%和16.3%；

实现了最佳定位精度，高于0.91，而CancerLocator和NNLS只有0.89；

证明了SRFD-Bayes的平均性能大大优于其它分类器，并且具有更好的分类定位精度。

最后为了验证去卷积混合甲基化特征可以确定cfDNA的肿瘤的起源组织 (TOO)，对癌症早期诊断。

研究团队选取包括835名正常对照和1050名处于已知癌症阶段的HCC患者，来破译他们的肿瘤分数。

结果发现：肿瘤分数与癌症分期显着相关。随着疾病的恶化，预测的肿瘤分数的中位数逐渐增加，表明癌症的进展会迫使肿瘤/正常组织释放更多的 DNA 到外周血中。同样，可以直接使用SRFD预测的肿瘤分数来区分HCC患者和健康个体。

总之，贝叶斯诊断模型（SRFD-Bayes）的灵敏度达到86.1%，特异性为94.7%，在癌症定位以及诊断方面非常有前景。

参考文献： https://www.nature.com/articles/s41467-022-35320-3 作者：甲基化 佐罗，转载请联系授权。