Nat Comm｜血清蛋白组学与机器学习揭示肝细胞癌早期诊断新路径

主要观点总结

本文报道了一项关于原发性肝细胞癌（HCC）早期诊断的研究，通过整合血清蛋白质组学和机器学习的方法，福建医科大学孟超肝胆医院和肿瘤临床医学院的团队在Nature Communications上发表了新文章。该研究旨在探索血清蛋白生物标志物用于早期诊断的价值，并开发了一个多层次的、可行的HCC早期诊断模型。该研究使用基于DIA-MS的蛋白质组学策略对血清样本进行分析，并通过机器学习模型筛选出与HCC相关的差异丰度蛋白质。最终建立了一个包含HABP2、CD163等蛋白质的panel，该panel在验证队列中表现出良好的诊断性能，并有望用于预测从肝硬化向HCC的转变。

关键观点总结

关键观点1: 研究背景及目的

原发性肝细胞癌是全球癌症死亡的主要原因之一，早期症状缺乏导致大多数患者在晚期才被诊断。探索血清蛋白生物标志物进行早期诊断具有重要意义。

关键观点2: 研究方法

研究团队整合了血清蛋白质组学和机器学习方法，使用基于DIA-MS的蛋白质组学策略对血清样本进行蛋白质分析，并通过机器学习模型筛选出与HCC相关的差异丰度蛋白质。

关键观点3: 研究结果

研究发现与HCC相关的差异丰度蛋白质，通过机器学习的模型验证后筛选出特定组合蛋白质能够作为潜在的生物标志物用于诊断早期肝癌，同时能预测肝硬化的患者向肝癌的转变。

关键观点4: 研究亮点

该研究成功建立一个早期诊断模型并在验证队列中得到验证，对于当前HCC诊断策略的不足进行了有效补充，提供了更具可行性的早期肝癌诊断方案。

关键观点5: 研究的局限性

研究仍需在多中心和大规模的前瞻性临床队列中验证模型的普遍性，并需要进一步测试该panel在临床例行中的可行性。

文章预览

原发性肝细胞癌（hepatocellular carcinoma，HCC） 是全球癌症死亡的第四位原因，其主要风险因素是由乙型和丙型肝炎病毒引起的慢性肝硬化。然而，由于早期症状的缺乏，大多数患者在晚期临床阶段被诊断，导致预后不佳。 当前的HCC诊断策略包括影像学（CT/MRI）、血清蛋白生物标志物（AFP、PIVKA-II）和组织病理学，但由于经验性限制、受限的灵敏度或侵入性检测方法，难以准确诊断早期HCC。血清和血浆的例行收集在患有肝病症状的患者中，可以反映肝功能的变化，因此非常适合进行液体活检。因此，探索 血清蛋白生物标志物 进行早期诊断具有重要意义。 图1 论文截图 2023年12月18日，福建医科大学孟超肝胆医院 Xiaolong Liu、Liming Wu 团队、福建医科大学肿瘤临床医学院 Jingfeng Liu 团队合作在 Nature Communications 上发表了新的文章 Proteomics-driven noninvasive scree ………………………………