编辑 | 王多鱼排版 | 水成文

肺癌，是全世界死亡人数最多的癌症，据世界卫生组织国际癌症研究署（IARC）发布的2020年全球最新癌症负担数据，2020年全世界约有180万人死于癌症，占据癌症死亡总数的18%。

近年来，肺癌发病率逐年增加，而且许多患者诊断时已是晚期，进一步导致了生存率降低。尽管使用胸部低剂量计算机断层扫描（LDCT）进行肺癌筛查可降低高危人群的死亡率，但 LDCT 有辐射，而且假阳性率也很高。

因此，迫切需要开发新的方法对高风险个体和普通人群进行癌症筛查。用于肺癌早期检测的生物标志物（蛋白质、抗体、基因表达谱、miRNA等）开发在筛查以及在胸部成像上区分癌症和非癌性肺结节方面具有广泛的临床应用，但目前还没有被批准用于临床。

液体活检分析已经确定了外周血 cfDNA 片段中与癌症相关的特征，并为癌症的无创检测提供了新的途径。循环肿瘤 DNA（ctDNA）中的突变或甲基化可以在早期肺癌患者中直接检测到，但也可能会遗漏许多癌症患者，并且可能还需要对白细胞进行测序以消除克隆造血引起的变化。

2021年8月20日，翰霍普金斯大学医学院等单位的研究人员在 Nature Communications 期刊发表了题为：Detection and characterization of lung cancer using cell-free DNA fragmentomes 的研究文章。

在一项对 365 名有肺癌风险的个体的前瞻性研究中，研究人员使用机器学习模型通过 cfDNA 片段的全基因组分析来检测肿瘤衍生的 cfDNA，检测到了 94% 的跨分期和亚型的癌症患者，特异性为 80% 。此外，该方法能够以高准确度区分小细胞肺癌患者和非小细胞肺癌患者，为肺癌的非侵入性检测提供了一种简便的途径。

研究团队先前开发了一种以全基因组技术来分析 cfDNA 片段化图谱的方法--DELFI（用于早期拦截片段的 DNA 评估）。DELFI提供了 cfDNA“片段组”的视图，具有识别循环中大量肿瘤衍生变化的潜力。

首先，研究团队检查了来自哥本哈根某医院（LUCAS 队列）的 365 个人的血液样本。该队列包括患有恶性和良性肺结节的患者以及非癌症个体。他们使用 DELFI 方法检查了473个具有高可映射性的非重叠区域，每个区域包含约 80,000 个片段，并跨越大约 2.4 GB基因组的。

由此产生的片段化图谱在非癌症个体中非常一致，包括那些具有非恶性肺结节的个体。相比之下，癌症患者表现出广泛的全基因组变异。接下来，他们进行了主成分分析 (PCA) 以识别片段化特征的线性组合。然后，他们将此降维步骤合并到机器学习模型中，为每个人生成一个分数（DELFI 分数）。

接下来，研究团队检查了 DELFI 分数与癌症分期和组织学之间的关系。虽然非癌症个体的 DELFI 评分较低，但癌症患者的 DELFI 评分中位数明显较高。识别癌症患者敏感性和特异性的曲线下面积（AUC）为 0.90。I 期癌症更难识别，但 II、III 和 IV 期癌症具有相似的高性能。

特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“明珠号”用户上传并发布，本平台仅提供信息存储服务。