尹玉新/郭丽梅/曾强/蒋奎荣团队开发新方法诊断胰腺癌

胰腺导管腺癌（PDAC）是致命的癌症之一，其特点是进展迅速、转移和诊断困难。然而，没有有效的基于液体的测试方法可用于 PDAC 检测。

2021年12月22日，北京大学尹玉新，郭丽梅，解放军总医院曾强和江苏省人民医院蒋奎荣共同通讯作者共同通讯在Science Advances 在线发表题为”Metabolic detection and systems analyses of pancreatic ductal adenocarcinoma through machine learning, lipidomics, and multi-omics“的研究论文，该研究介绍了一种使用机器学习 (ML) 和脂质组学来检测 PDAC 的微创方法。

该研究通过贪心算法和质谱特征选择，优化了17个特征代谢物作为检测特征，并开发了基于液相色谱-质谱的靶向检测。在这项研究中，检查了 1033 名处于不同阶段的 PDAC 患者。这种方法在大型外部验证队列中实现了 86.74% 的准确度，曲线下面积 (AUC) 为 0.9351，在前瞻性临床队列中实现了 85.00% 的准确度和 0.9389 AUC。因此，应用了单细胞测序、蛋白质组学和质谱成像，该研究揭示了 PDAC 组织中选定脂质的显著变化。该研究建议将 ML 辅助的脂质组学方法用于 PDAC 的早期检测。

胰腺导管腺癌 (PDAC) 是一种高度恶性的肿瘤。PDAC 的高死亡率是由局部晚期或远处转移引起的，由于这种肿瘤的侵袭性，通常在诊断时发现。因此，许多 PDAC 患者不适合手术治疗。PDAC的初步诊断困难的原因如下：（i）胰腺的解剖位置使肿瘤的检测变得困难，（ii）症状（体重减轻，疲劳，腹背痛和不适）不是诊断性的，并且 (iii) 胰腺肿瘤的无创检测方法不完善。因此，有必要确定更有效的 PDAC 检测方法。

代谢组学可以收集、检测和分析对生物活动和病理条件高度敏感的各种小分子代谢物。代谢组学可分为靶向和非靶向代谢组学。由于非靶向代谢组学的广泛代谢物覆盖范围和靶向代谢组学的可靠性，两种检测的整合是疾病相关生物标志物研究的强大策略。因此，准确、稳健和低成本的代谢组学检测方法有望为未来的疾病诊断带来希望。

机器学习（ML）是指数据分析和建立适当有效的检测或验证模型，是人工智能（AI）的一个重要分支。在ML中，贪心算法是一种算法范式，它遵循在每个阶段做出局部较优选择的问题解决启发式，支持向量机（SVM）有效地分析用于分类的数据。AI 已应用于多个医学领域，这证明了其更广泛应用的前景。尽管 ML 和代谢组学的组合用于诊断是一个有吸引力且有前景的概念，但以前的工作主要集中在模型构建上，而不是选择用于疾病检测的关键代谢物。结合贪婪算法和 SVM 来过滤重要的脂质特征以开发疾病检测方法尚未见报道。

在这项研究中，该研究试图将 ML 和代谢组学与 PDAC 患者和正常个体的血清脂质代谢物结合起来，以对 PDAC 的脂质特征进行分类和选择。然后，建立了用于 PDAC 检测的靶向脂质多反应监测 (MRM) 模式定量分析，并在大样本中进行了验证。该研究预计这种方法将产生一种有效、可靠和准确的微创 PDAC 检测方法。

北京大学基础医学院博士后王光熙，中科院自动化所姚涵涛副研究员，解放军总医院巩燕副主任医师和江苏省人民医院陆子鹏副主任医师为该论文的共同第一作者，北京大学系统生物医学研究所尹玉新教授，北京大学基础医学院病理系北医三院病理科郭丽梅副教授，解放军总医院曾强教授和江苏省人民医院蒋奎荣教授为共同通讯作者。

来源：iNature