胞外囊泡表型分析可用于肺結節(jié)良惡性鑒別

肺癌是全球疾病死亡的主要原因之一，幾乎占所有癌癥相關死亡人數的 25%，篩查手段是降低肺癌死亡率的有效有效方法。肺結節(jié)是早期肺癌的常見征象，良、惡性肺結節(jié)在 CT 中常常顯示出相似的特征（例如：大小和密度），所以其良惡性判斷仍是臨床亟需解決的問題，明確診斷只能通過侵入性組織病理活檢的方式達成。當前，通過新型液體活檢的生物標志分子圖譜分析在肺結節(jié)良惡性的檢出方面具有廣泛前景，其中參與腫瘤細胞生物信息傳遞的循環(huán)細胞外囊泡（sEVs）由于攜帶著相關遺傳物質，對于腫瘤篩查和診斷具有重要的臨床價值。但微量的循環(huán)腫瘤特異性 sEV  和腫瘤異質性等因素的限制著 sEV 的應用， sEV 分子譜在肺結節(jié)良惡性鑒定診斷的應用仍在探索中。   

本研究通過開發(fā)了一種非侵入性的、基于血液樣本的解碼腫瘤特異性 sEVs 的分子譜技術（DECODE）用于肺癌良惡性鑒別診斷，表明 DECODE 芯片有望成為一種新型肺癌篩查工具，具有鑒別肺結節(jié)良惡性的潛在價值。 

試驗方法  

研究者選擇了肺癌相關 sEV 標志物（THBS2、VCAN 和 TNC），首先利用 TNC 用于 sEV 捕獲，用抗 TNC 抗體將肺癌 sEV 濃縮捕獲在納米陣列上，然后通過基于納米盒的 SERS 條形碼讀取 THBS2、VCAN、TNC 和 CD63 的表達，以此方法對 sEV 的表型分析用于區(qū)分肺部良惡性病變。

主要實驗結果  

01   DECODE 表型 sEV 分析 

為了建立和研究細胞系 sEV 芯片（DECODE）在肺癌篩查的有效性，研究者首先分析肺癌細胞系相關 sEVs 的物理學和生物學特征，結果顯示：肺癌細胞系來源 sEVs 具有相似的物理特征，但不同肺癌相關細胞系之間 sEVs 的蛋白質表達水平呈現差異。 

sEV 的表達水平特征差異 研究者接下來評估了肺癌相關特定 sEVs（CD63、THBS2、VCAN 和 TNC）分子譜用于區(qū)分肺結 節(jié)良惡性診斷能力。利用 DECODE 將四種顏色（紅、綠、紫、青）對應上述四種相關標記物的表達，在藍色網格上顯示共聚焦 SER 圖像，結果顯示：在三種肺癌細胞 系相關 sEVs 中 CD63、THBS2、VCAN 和 TNC 高表達，在 SER 圖像顯示了豐富的結果，而在正常支氣管上細胞（HBEC）及對照組（PBS）呈現低 / 可忽略的表達水平。 表明 DECODE 芯片在檢測肺癌相關 sEV 方面具有很高的特異性，可以顯示肺癌相關 sEV 分子譜的潛能，因此可以生成肺癌患者篩查 sEV 分子譜從而進行良惡性診斷。 

02   DECODE 芯片診斷效能評估 

研究者證明了 DECODE 芯片在 sEV 分子譜中特異度和靈敏度優(yōu)勢后，接著使用 DECODE 芯片通過來自 33 份患者（包括惡性肺結節(jié)患者、良性結節(jié)患者和健康人群）的血漿樣本的 sEV 分子譜分析 4 種標記物的表達差異，以此實現對患者肺結節(jié)的良惡性診斷。研究者利用 SERS 作圖，并計算每個表面生物標志物激活的柱子以獲得 sEV 分子譜，根據惡性結節(jié)在 sEV 分子圖譜通常顯示出 4 種生物標志物的相對較高水平，而良性結節(jié)和健康對照組的 sEV 分子譜分別顯示較低和可忽略的生物標記物表達的理論，研究結果顯示： 惡性結節(jié)的 sEV SERS 圖像顯示了四種顏色的高比例發(fā)光柱子，表明 CD63、THBS2、VACAN 和 TNC 呈現高表達。相反，良性結節(jié)和健康者的 sEV  SERS 圖像顯示發(fā)光柱子相比要少得多。此外，與視覺 SERS 圖像一致， sEV 分子圖譜定量同樣顯示惡性結節(jié)的活性柱子百分比高于良性結節(jié)和健康者，表明 DECODE 芯片顯示 sEV 分子譜具有鑒別良惡性肺結節(jié)的能力。 研究者對 DECODE 芯片區(qū)分結節(jié)良惡性的診斷表現進行了統(tǒng)計評估，通過二元 Logistic 回歸分析方法進行診斷效能定量評估，結果顯示： DECODE 芯片在區(qū)分良惡性結節(jié)患者中，受試者工作特征曲線（ROC）曲線下面積（AUC）為 0.85， 提示 sEV 分子譜在區(qū)分良惡性結節(jié)方面具有一定的應用價值； 在區(qū)分惡性結節(jié)和健康受試者中， ROC 曲線的 AUC 為 1， 表明所生成的 sEV 分子譜對篩查健康人群中的惡性肺結節(jié)具有很高的診斷性能。上述結果顯示： 肺癌相關特異 sEV 分子圖譜具有識別惡性、良性肺結節(jié)的潛力。

總結  

該研究開發(fā)了并驗證了一種數字化 sEV 納米技術為平臺，基于腫瘤相關 sEV 特定的分子譜表型分析來區(qū)分良惡性病灶的診斷方法，在肺癌篩查領域中具有潛在的診斷價值，但有必要在更大隊列樣本中開展進一步的臨床驗證。 當前在肺癌早篩領域中，通過多組學結合液體活檢技術的新型檢測開展多維度、多領域分析，在早期診斷領域中正發(fā)揮著巨大的臨床作用，提高了檢出率。尤其值得注意的是， 泰萊生物將 cfDNA 羥甲基化、血液中代謝物質、胸部 CT 等項目納入基于多組學的肺結節(jié)良惡性鑒別診斷產品，構建出了多組學的融合模型，并已取得目前我國該領域內大（獲病理診斷結果）規(guī)模的臨床研究隊列，為腫瘤的診療開辟出一條新的途徑。 多組學是全新的生物學分析方法，也是醫(yī)學界前沿的研究領域。

基于基因組、表觀組、蛋白組、代謝組、微生物組等多個不同生命環(huán)節(jié)、不同維度的大量分子水平生物數據，利用生物信息統(tǒng)計分析、計算生物以及機器學習等技術，以實現對生命過程、疾病等集合超多影響因子的復雜生命現象進行高層次的分析、解讀，以此應用于腫瘤篩查、腫瘤輔助診斷及腫瘤術后、預后評價指標。 

經過分析萬例臨床肺結節(jié)患者胸部 CT、血液中代謝物質及 cfDNA 羥甲基化水平數據， MISSION 計劃構建出了肺結節(jié)診斷多組學融合模型 ，并以此轉化了斐盼安®（影像組學 + 代謝組學）、斐盼康®（影像組學 + 代謝組學 + 表觀基因組學）兩款產品，可對肺結節(jié)良惡性鑒別提供高效、可靠的參照，針對早期肺癌臨床診療，包括肺癌早篩、早診、性質判定、手術決策、預后評估等任務的優(yōu)化與完善可起到相當的作用。 早期發(fā)現并識別惡性肺結節(jié)患者是降低肺癌死亡風險的重要預防措施。盡管病理是診斷“金標準”，但支氣管鏡或穿刺活檢等侵入性方法并不能用于肺結節(jié)的常規(guī)篩查和監(jiān)測。

更為重要的是，當肺結節(jié)良惡性評估缺乏高效、判斷方法時，還可能會引發(fā)過度診斷、過度治療、占用醫(yī)療資源、增加患者經濟負擔等各種問題。 液體活檢的方式具有非侵入性、便攜、快速等優(yōu)勢，為了提高肺癌篩查的準確性以及篩查方式的可及性、普適性，該種經濟高效的新型監(jiān)測方法在腫瘤早期診斷中正發(fā)揮著廣泛的運用價值。不論是本文中分享的 DECODE 芯片，還是泰萊生物開發(fā)落地的基于多組學的肺結節(jié)良惡性輔助診斷檢測產品，相信未來還會有更多前沿科技，能夠應用于肺結節(jié)及早期肺癌篩查，幫助民眾向實現癌癥 “防大于治” 邁進。