张康团队找到肝癌“指纹”，ctDNA甲基化或成肿瘤筛查新宠

2017年10月9日，国际权威学术刊物自然出版集团旗下子刊《Nature Materials》在线发表了加州大学圣地亚哥分校人类基因组医学研究所所长张康教授和中山大学肿瘤防治中心徐瑞华教授课题组的一篇《Circulating tumour DNA methylation markers for diagnosis and prognosis of hepatocellular carcinoma》研究论文，该研究基于大规模的临床数据分析和深度机器学习得到了用于肝癌早期筛查、风险评估和预后监测的甲基化模型。论文第一作者为中山大学肿瘤防治中心骆卉妍博士和韦玮博士，通讯作者为张康和徐瑞华。

1 得到甲基化模型

对于肝癌的早期诊断，目前临床上使用的血清甲胎蛋白（AFP）含量检测手段灵敏度较低。

张康教授及其团队成员

张康团队的这项研究共使用了1098例肝癌患者和885例正常人的临床样本数据。首先根据肝癌样本和正常样本的临床数据从485,000个甲基化标记（来源于TCGA数据库）中筛选出了1,000个甲基化标记，随后挑选出扩增效率较高及甲基化特征多样化的401个甲基化标记进行深入研究。通过深度机器学习715个肝癌患者ctDNA和560个正常样本的临床数据，从401个甲基化标记中筛选出了10个甲基化标记，建立了肝癌的综合诊断模型cd-score。

研究发现，该模型在训练组（AUC=0.966）中特异性为94.3%，灵敏度为85.7%；在验证组(AUC=0.944)中特异性可达90.5%,灵敏度达到83.2%。cd-score不仅可以有效用于肝癌与肝脏类疾病（乙肝、丙肝和脂肪肝）的鉴别诊断，还可以根据分期、治疗与否、手术是否残留和肝癌复发等肿瘤负荷情况与甲基化水平的关联用于肿瘤疗效预测和监测肿瘤复发。另外，相比AFP，除III期和IV期不太明显，cd-score在I，II，III期肝癌中具有更高的灵敏度和特异性，因而用于早期肿瘤诊断，疗效判断具有显著优势。

随后，研究人员又对1049例的肝癌患者的临床数据进行分析，得到综合预后模型cp-score（combined prognosis score），并拟合出了Kaplan–Meier曲线。预后情况不同的肝癌患者其cp-score会显著不同。多变量分析显示，cp-score和风险分级密切相关，并且可以作为一个独立的风险因子用于肝癌的风险分级。