队列选择和样本采集
建立包含癌症患者、非癌症对照和健康对照的研究队列，并采集血浆样本用于后续分析。
从U-CAN队列中选择CRC、LuCa和OvCa患者、非癌症对照，从EpiHealth中选择健康对照，采集血浆样本。
关于丁香通
公司信息
个人用户
企业机构
无忧采购 轻松科研
- 移动端
联合蛋白质组学和代谢组学血浆生物标志物用于检测结直肠癌、肺癌和卵巢癌
Composite proteomic and metabolomic plasma biomarkers for detection of colorectal, lung and ovarian cancers
实验完整度
高研究包含病例-对照队列（U-CAN和EpiHealth），测量蛋白质和代谢物，并通过外部数据集（CancerSeek）验证，涉及多中心样本和验证、功能验证（生物标志物性能比较）。
主要模型
U-CAN队列癌症患者（CRC、LuCa、OvCa） U-CAN队列非癌症对照 EpiHealth健康对照 CancerSeek外部验证队列
重点核对
病例和对照来自不同队列（U-CAN vs EpiHealth），需验证预分析差异的影响 血浆样本采集时是否空腹（病例未空腹，对照空腹6小时） 样本处理时间（U-CAN ≤4小时，EpiHealth 6小时内） 外部验证数据CancerSeek中蛋白质测量平台和技术差异
摘要
背景：迫切需要敏感且特异的血液生物标志物用于结直肠癌（CRC）、肺癌（LuCa）和卵巢癌（OvCa）的早期检测。目前的血液检测通常需要与其他临床方法结合才能达到足够的诊断性能。近年来对癌症患者血浆的分子谱分析进展有望改善非侵入性筛查。在此，我们旨在识别联合蛋白质组学和代谢组学血浆生物标志物，用于癌症早期检测，其性能优于现有的FDA批准的用于CRC、LuCa和OvCa的血液和粪便诊断检测。方法：在一项病例对照研究中，使用U-CAN和EpiHealth生物库的样本，我们测量了818名确诊时患有CRC、LuCa和OvCa的患者、119名相应器官非恶性疾病患者和1129名健康个体的血浆中165种蛋白质和244种代谢物的水平。我们对所有多达4种蛋白质和代谢物的组合的所有ROC截止值进行了穷举搜索，并采取措施最小化跨队列比较的影响。最终，我们将候选生物标志物的性能与临床使用中FDA批准的用于癌症检测的血液检测进行了基准比较。外部验证使用公开可用的数据集进行。结果：我们发现了由2-4种蛋白质组成的生物标志物，可将每种肿瘤类型的病例与健康对照区分开，ROC AUC分别为CRC：CEACAM5、FLT1、IL19、铁蛋白（AUC 0.89），LuCa：FNDC5、MDK、PLAUR、CEACAM5（AUC 0.91），OvCa：MUC16/CA125、PLG（AUC 0.97）。这些生物标志物的诊断性能与既有检测相当，有时甚至超过，如Epi proColon（AUC 0.82）和Cologuard（AUC 0.93）。代谢物对肿瘤分期区分有信息价值，尤其是在LuCa和OvCa中。在CancerSeek数据集中的外部验证显示生物标志物性能高度一致。结论：本研究中发现的复合蛋白质生物标志物为常见肿瘤类型的检测、分期和鉴别诊断提供了新的机会。代谢物更适用于肿瘤分期而非早期检测。有限数量的高性能分析物有助于在临床诊断中经济有效地实施，并值得进一步评估。
实验结论
提炼研究问题、关键发现与证据，快速把握文章的核心贡献。
- 研究问题
- 能否通过联合蛋白质组学和代谢组学识别出血浆复合生物标志物，用于CRC、LuCa和OvCa的早期检测，且性能优于现有FDA批准的检测方法？
- 核心机制
- 肿瘤相关蛋白质（如CEACAM5、MUC16、MDK等）的异常表达和代谢物（如GlycA、白蛋白）的变化反映了肿瘤存在和进展，但具体机制未深入探讨。
- 主要证据
- 在U-CAN和EpiHealth队列中测量165种蛋白质和244种代谢物，通过ROC分析筛选复合生物标志物，并在CancerSeek数据集中验证，AUC分别为0.89（CRC）、0.91（LuCa）、0.97（OvCa）。
- 研究意义
- 复合蛋白生物标志物有望用于常见癌症的检测、分期和鉴别诊断，且分析物数量少，便于临床应用，但需进一步前瞻性验证。
研究路径
按研究推进顺序梳理实验设计、验证步骤与关键观察。
蛋白质和代谢物测量
定量血浆中165种蛋白质和244种代谢物水平，用于后续生物标志物筛选。
使用Bio-Plex 200平台和抗体面板测量蛋白质水平，使用NMR技术测量代谢物水平。
单分析物生物标志物筛选
识别在癌症患者与非癌症对照之间显著变化的蛋白质和代谢物。
计算每个分析物的ROC AUC，使用Mann-Whitney U检验和Bonferroni校正评估显著性。
复合生物标志物构建与优化
构建由2-4个分析物组成的复合生物标志物，以区分癌症患者与健康对照，并优化其ROC性能。
对每个肿瘤类型，从显著分析物中筛选候选，使用穷举搜索和逻辑运算（AND/OR）组合，计算ROC AUC，并与基准检测（Epi proColon、FIT、Cologuard）比较。
分期相关生物标志物分析
识别与肿瘤分期相关的蛋白质和代谢物，并构建分期判别生物标志物。
使用Spearman相关分析和Mann-Whitney U检验，评估分析物与分期的相关性，构建复合生物标志物区分不同分期。
外部验证
在独立数据集（CancerSeek）中验证蛋白质生物标志物的性能。
使用CancerSeek数据，计算相同组合的ROC AUC，并与本研究结果比较。
研究方法
按研究目的归类文中使用的方法，便于定位所需技术。
产品清单
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| 蛋白质测量 | Bio-Plex 200 | Bio-Rad | -- |
| 人循环癌症生物标志物Panel 1 | -- | -- | |
| 人循环癌症生物标志物Panel 3 | -- | -- | |
| 人循环癌症生物标志物Panel 4 | -- | -- | |
| 人癌症转移生物标志物Panel | -- | -- | |
| 人免疫肿瘤检查点蛋白Panel 1 | -- | -- | |
| 血管生成Panel 2 | -- | -- | |
| 人细胞因子/趋化因子Panel | -- | -- | |
| 人细胞因子/趋化因子Panel II | -- | -- | |
| 人细胞因子/趋化因子Panel IV | -- | -- | |
| 人肌肉因子Panel | -- | -- | |
| xPONENT软件 | ThermoFisher | -- | |
| 代谢物测量 | NMR血液分析服务 | Nightingale Health | -- |
关键环节
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 队列选择 | 病例和对照来源队列、年龄范围、性别比例、肿瘤分期分布 阅读提示：Methods - Cases and controls; Table 1 |
| 样本采集和处理 | 采血前是否空腹、样本处理时间、储存温度 阅读提示：Methods - Cases and controls |
| 蛋白质测量 | 使用的抗体面板、仪器平台、数据收集设置（50 beads） 阅读提示：Methods - Measurements of proteins and metabolites |
| 代谢物测量 | NMR分析协议、质量控制程序 阅读提示：Methods - Measurements of proteins and metabolites |
| 数据预处理 | 缺失值处理（NaN）、显著性阈值、Bonferroni校正、预分析差异过滤条件 阅读提示：Methods - Data analysis; Results - Protein and metabolite levels altered in cancer patients versus non-cancer controls |
| 复合生物标志物构建 | 组合大小（2-4）、分类场景（AND/OR）、截止值优化方法、基准检测（Epi proColon、FIT、Cologuard） 阅读提示：Methods - Composite biomarkers for cancer detection; Table 3 |
| 外部验证 | 外部数据集（CancerSeek）的样本量、癌症类型、分期、蛋白质测量平台 阅读提示：Methods - External validation of protein biomarkers; Results - External validation of proteomic biomarkers |