eLight·封面 | 拉曼-算法聯(lián)動(dòng)：破解早癌密碼

癌癥液體活檢作為一種能從體液中獲取疾病分子信息的無創(chuàng)檢測(cè)技術(shù)，已在多種癌癥中得到廣泛應(yīng)用。然而，現(xiàn)行的醫(yī)學(xué)臨床液體活檢技術(shù)均依賴于生物特異性修飾步驟，導(dǎo)致其成本高、耗時(shí)長(zhǎng)，從而難以真正應(yīng)用到全民癌癥普篩之中。近年來，表面增強(qiáng)拉曼散射（SERS）憑借其高靈敏度的技術(shù)優(yōu)勢(shì)，已在癌癥相關(guān)的應(yīng)用場(chǎng)景中嶄露頭角。其中，標(biāo)簽SERS雖然具有高精度，但需要依賴生物特異性修飾；無標(biāo)簽SERS雖然成本低廉，但難以規(guī)避體液微環(huán)境的擾動(dòng)等問題。因此，研發(fā)一種兼顧高精度和低成本的SERS技術(shù)，對(duì)其在臨床醫(yī)學(xué)中的應(yīng)用具有關(guān)鍵作用，是目前的研究難點(diǎn)和熱點(diǎn)。

基于上述問題，武漢大學(xué)肖湘衡教授、武漢大學(xué)中南醫(yī)院汪付兵教授與電子科技大學(xué)胡婧研究員合作建立了一種以低廉銀納米線為SERS探針的無標(biāo)簽、液相光學(xué)檢測(cè)體系，并借助人工智能深入進(jìn)行后續(xù)數(shù)據(jù)分析和癌癥預(yù)測(cè)（SERS-AICS），最終在實(shí)驗(yàn)中，我們針對(duì)五種不同癌癥的血清樣本（樣本來自382例健康個(gè)體和1582例患者）的精準(zhǔn)普查（平均準(zhǔn)確率高達(dá)95.81 %、平均靈敏度高達(dá)95.40 %、平均特異度高達(dá)95.87 %），通過進(jìn)一步的臨床實(shí)驗(yàn)，該技術(shù)有望進(jìn)行I/II期癌癥與癌前疾病的早期篩查（平均準(zhǔn)確率高達(dá)88.39 %）。

這項(xiàng)技術(shù)有望用于低成本、快速且精準(zhǔn)的全民癌癥篩查。更重要的，該研究發(fā)現(xiàn)血樣中通過降維獲得的拉曼特征維度與癌癥密切相關(guān)，且反映了更為微觀的分子鍵能層面變化，這使SERS-AI有望成為一種涵蓋已知癌癥大分子標(biāo)志物、甚至預(yù)測(cè)未來潛在癌癥標(biāo)志物的全光譜組學(xué)數(shù)據(jù)庫(kù)來源(圖1)。

圖 1：SERS-AI助力高精度的血清泛癌篩查及早篩示意圖

該文章發(fā)表在卓越計(jì)劃高起點(diǎn)新刊eLight上，題目為“Early cancer detection by serum biomolecular fingerprinting spectroscopy with machine learning”。

在獲取樣本SERS光譜數(shù)據(jù)信息后，研究團(tuán)隊(duì)首先選取五種癌癥中樣本量最大的肺癌（LC）樣本進(jìn)行SERS-AI分析，以8：2的比例劃分訓(xùn)練集及測(cè)試集，再借助二分類SVM分類器可成功將244個(gè)LC樣本和324個(gè)健康對(duì)照組（HC）樣本從訓(xùn)練集和內(nèi)部測(cè)試集中區(qū)分開來，對(duì)應(yīng)的LC/HC模型鑒別肺癌患者與健康對(duì)照的受試者工作特征ROC曲線下面積 (AUC) 為0.90 (圖2A)。基于SERS-AI對(duì)于血清的識(shí)別分類具有良好的普適性，研究團(tuán)隊(duì)進(jìn)一步成功地將其推廣到結(jié)直腸癌（CRC）、胃癌（GC）、肝癌（HCC）、食管癌（ESCA）甚至是混合組（Mix）的血清體系分析中 (圖2B-F)。針對(duì)癌癥樣本與正常樣本，所有數(shù)據(jù)集都展現(xiàn)出令人滿意的區(qū)分度，其混淆矩陣顯示其對(duì)癌癥樣本判定的總體準(zhǔn)確率、靈敏度、特異性分別高達(dá)為95.81 %、95.87%、95.40% (圖2G-I)。

圖2：基于SERS-AICS的五種高死亡率癌癥篩查

此外，癌癥早篩對(duì)于患者的生存率具有重大意義，因此研究團(tuán)隊(duì)也致力于利用SERS-AI技術(shù)將I/II期癌癥樣本與相關(guān)組織其他疾病的樣本有效區(qū)分。研究結(jié)果表明肺、結(jié)直腸、胃、肝臟相關(guān)的常見疾病組/早期癌癥組均具有良好的模型擬合度(圖3B-E)，并對(duì)早期癌癥的識(shí)別具有較高的準(zhǔn)確性、敏感性和特異性。其中，該技術(shù)對(duì)胃、肝相關(guān)數(shù)據(jù)集具有最佳的識(shí)別效果，對(duì)應(yīng)準(zhǔn)確率為93.33 %和92.31 %，敏感性為100 %和85.71 %，特異性為85.71 %和100 % (圖3F)。因此， SERS-AICS系統(tǒng)極具潛力發(fā)展為針對(duì)無癥狀人群進(jìn)行有效篩查，防止其發(fā)展為晚期癌癥的新興檢測(cè)手段。

圖3：基于SERS-AICS對(duì)四種代表性癌癥進(jìn)行早期篩查

目前，癌癥篩查的發(fā)展還受到另一個(gè)限制，那就是缺乏數(shù)據(jù)庫(kù)來存儲(chǔ)、構(gòu)建和追蹤大量癌癥患者的個(gè)體特征，從而制約了后續(xù)各項(xiàng)深入的本質(zhì)分析，比如尋找新的癌癥生物標(biāo)志物的共同特征。根據(jù)上述測(cè)試及分析，SERS-AICS檢測(cè)/分析系統(tǒng)共收集和處理了1964份血清樣本，而且相比健康對(duì)照組，其對(duì)5種癌癥的鑒定具有很高的準(zhǔn)確性、靈敏度和特異性。同時(shí)，本項(xiàng)研究利用協(xié)方差矩陣輔助支持向量機(jī)分類策略在分析接近2000例的大樣本血清拉曼數(shù)據(jù)時(shí)展現(xiàn)了獨(dú)特的優(yōu)勢(shì)。這表明SERS-AICS可從五種代表性癌癥中獲得更可靠的光譜數(shù)據(jù)，進(jìn)一步為未來的癌癥普查提供了重要指導(dǎo)依據(jù)(圖4A)。

更重要的是，SERS-AICS通過協(xié)方差矩陣降維，不僅可以簡(jiǎn)化模型構(gòu)筑難度，也能夠獲取癌癥相關(guān)的拉曼標(biāo)志性維度（圖4B）。基于上述與癌癥相關(guān)的特異性維度的歸屬統(tǒng)計(jì)分析，可以計(jì)算出單獨(dú)5種類型癌癥、不同類型癌癥任意混合組合、以及早期癌癥與相應(yīng)組織常規(guī)疾病之間的共享拉曼峰位置（圖4C），并可在未來繼續(xù)從中分析各類癌癥的共同特征。與目前的單分子生物標(biāo)志物相比，這些拉曼特征維度涵蓋了樣本中所有分子振動(dòng)光譜的信息，對(duì)各種因癌癥導(dǎo)致的微小變化的鑒定更為精細(xì)和準(zhǔn)確。這表明在未來的癌癥標(biāo)志物探索中，SERS-AI數(shù)據(jù)庫(kù)極有可能成為關(guān)聯(lián)光譜和生物分子特性的重要信息來源。

圖4：通過SERS-AICS構(gòu)建癌癥相關(guān)數(shù)據(jù)庫(kù)。(A)協(xié)方差矩陣將1465維降至50維；(B)維度挑選時(shí)的相關(guān)性熱力圖；(C)分子鍵能層面的癌癥共有維度列表，星星越多證明此特征維度適用于更多癌癥類型

綜上，SERS-AICS技術(shù)將為高風(fēng)險(xiǎn)人群和癌癥患者通過常規(guī)血檢，提供一種精準(zhǔn)高效低成本的癌癥檢測(cè)方式，可以作為影像學(xué)等癌癥確診測(cè)試的前期初步篩查手段。研究團(tuán)隊(duì)未來將努力推動(dòng)SERS-AICS應(yīng)用擴(kuò)展到各種類型的癌癥早篩，并且延伸到癌癥患者確診、治療和復(fù)查等整個(gè)過程，并期望最終建立一個(gè)大規(guī)模數(shù)據(jù)記錄、檢索和研究的系統(tǒng)，為后續(xù)深入研發(fā)奠定堅(jiān)實(shí)的基礎(chǔ)。

| 論文信息 |

Dong, S., He, D., Zhang, Q. et al. Early cancer detection by serum biomolecular fingerprinting spectroscopy with machine learning. eLight 3, 17 (2023). 

https://doi.org/10.1186/s43593-023-00051-5

閱讀原文