患者入组与样本采集
收集肺结节患者的血液和组织样本，用于后续检测和模型验证。
在两个中心连续入组肺结节患者，采集外周血和手术组织样本，并进行病理诊断和分期。
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
一种无创循环肿瘤DNA甲基化分类器用于鉴别良性肺结节
A Noninvasive Circulating Tumor DNA Methylation Classifier to Identify Benign Pulmonary Nodules
实验完整度
高包含SAMT-Seq技术性能验证、多中心队列的模型建立与独立验证，以及体外和临床样本的多个证据层级。
主要模型
血浆ctDNA样本 肺癌组织与癌旁组织 肺结节患者队列
重点核对
样本来自两个中心，训练队列(153例恶性、86例良性)与验证队列1、2的分配比例 血浆ctDNA提取量及SAMT-Seq的文库制备条件（线性扩增循环数、连接温度时间） LASSO回归的α=0.03选择了30个标志物 GP模型参数（径向基核、平滑度=1、10次重启） 模型阈值0.57下的灵敏度与特异性
摘要
目的：低剂量计算机断层扫描在评估肺结节时存在较高的假阳性率。循环肿瘤DNA（ctDNA）甲基化是一种有前景的补充生物标志物，但其检测受到ctDNA高度片段化特性的阻碍。实验设计：我们开发了单链扩增甲基化靶向测序（SAMT-Seq），针对片段化ctDNA中的甲基化检测进行了优化。从本中心队列和癌症基因组图谱数据库中鉴定肺癌特异性甲基化标志物，并在30例早期肺癌患者的配对组织和血浆样本中进行验证。使用最小绝对收缩和选择算子（LASSO）回归在训练队列（n=239）中筛选出30个关键标志物。开发了高斯过程分类器，并在两个独立队列（n=59和n=207）中进行验证。结果：与标准商业Swift方法相比，SAMT-Seq表现出更高的分析灵敏度和目标效率。在训练队列和验证队列1、2中，包含30个标志物的分类器产生的曲线下面积值分别为0.95、0.95和0.92。值得注意的是，它在结节类型（实性/亚实性）、大小、吸烟状态和原位癌中均保持稳健性能。使用预定义阈值，模型在验证队列1和2中分别达到了100%和92.16%的特异性，表明其在减少假阳性分类方面的潜在效用。结论：我们开发了一种高特异性的ctDNA甲基化分类器，可作为肺结节风险分层的实用补充工具，并具有显著减少不必要侵入性操作的潜力。正在进行的前瞻性诊断验证研究将评估其临床性能。转化相关性：肺结节的准确分层仍是一个主要的临床挑战，因为低剂量计算机断层扫描（LDCT）经常产生不确定结果，导致不必要的活检和手术。在本研究中，我们开发了单链扩增甲基化靶向测序（SAMT-Seq）——一种针对片段化血浆ctDNA优化的方法，并构建了包含30个标志物的甲基化分类器。该分类器表现出高特异性和在不同结节类型、大小、吸烟状态和早期疾病中的稳健性能，与Mayo模型和血清肿瘤标志物癌胚抗原相比，显著降低了假阳性率。这种方法为评估LDCT检测到的性质不明的肺结节提供了一种微创、基于血液的工具，旨在改善风险分层和临床决策。通过将分子特征整合到常规临床工作流程中，我们的平台有潜力减少过度治疗、指导及时干预，并加速将ctDNA甲基化分析转化为精准肺癌管理。
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
- 如何利用ctDNA甲基化标志物和优化的检测技术，准确鉴别LDCT检测到的良性肺结节，减少不必要的侵入性操作。
- 核心机制
- 肿瘤特异性的DNA甲基化标记，通过优化的SAMT-Seq技术检测，建立的高斯过程分类器评分（LCMS）区分良恶性结节。
- 主要证据
- 30个甲基化标志物的分类器在训练队列（AUC=0.95）和两个独立验证队列（AUC=0.95和0.92）中表现良好，并在不同结节类型、大小、吸烟状态和原位癌中保持稳健性能，特异性高。
- 研究意义
- 为LDCT检出肺结节提供一种高特异性的无创补充检测工具，有助于降低假阳性率，减少不必要的有创检查并改善风险分层。
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。
SAMT-Seq技术性能验证
评估SAMT-Seq在检测片段化ctDNA甲基化时的灵敏度和准确性。
使用不同甲基化比例的参考标准（短、正常、长片段）对比SAMT-Seq和Swift方法的测序深度、目标区域读数百分比等，并验证高度重复性。
甲基化标志物发现与筛选
筛选肺癌特异性且低背景的ctDNA甲基化标志物。
通过RRBS测序分析临床肺癌队列和TCGA数据，结合反向筛选（排除血液和非肺组织高甲基化标志物）得到204个候选标志物。
模型建立与验证
使用筛选出的标志物构建并验证分类器区分良恶性结节。
在训练队列中用LASSO筛选30个标志物，训练四种机器学习模型（GP、LR、SVM、RF），选择最优GP模型，并在两个独立验证队列中评估性能。
临床实用性评估
评估模型在真实临床场景中的潜在价值。
与Mayo模型和CEA比较，进行亚组分析，并计算在假定患病率下的PPV，展示其降低假阳性的潜力。
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。
甲基化检测
标志物筛选
产品清单
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| 样本采集 | EDTA采血管 | -- | -- |
| DNA提取 | QIAamp循环核酸提取试剂盒 | Qiagen | -- |
| DNeasy血液与组织提取试剂盒 | Qiagen | -- | |
| DNA定量 | Qubit双链DNA高灵敏度检测试剂盒 | Thermo Fisher Scientific | -- |
| DNA片段化 | Covaris | -- | -- |
| 质量控制标准制备 | PRELUD基因组DNA提取试剂盒 | Apogenomics | -- |
| CpG甲基转移酶M.SssI | Thermo Fisher Scientific | -- | |
| REPLI-g Midi试剂盒 | Qiagen | -- | |
| 琼脂糖凝胶DNA回收试剂盒 | Tiangen | -- | |
| 亚硫酸盐转化 | EZ DNA甲基化闪电试剂盒 | Zymo Research | -- |
| SAMT-Seq | OPERA Mars单引物扩增试剂盒 | Apogenomics | -- |
| PRELUD磁性生物素DNA纯化试剂盒 | Apogenomics | -- | |
| OPERA单链DNA连接试剂盒 | Apogenomics | -- | |
| PRELUD片段DNA大小选择试剂盒 | Apogenomics | -- | |
| 文库质量控制 | 安捷伦2100生物分析仪 | Agilent | -- |
| 高灵敏度DNA试剂盒 | Agilent | -- | |
| 测序 | Illumina NovaSeq 6000 | Illumina | -- |
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 |
|---|---|
| 患者入组和样本采集 | 患者入组时间段、两个中心、入组标准（肺结节），以及10 mL外周血的采集、离心参数。 阅读提示：Methods: Patient enrollment 和 Sample preparation |
| DNA提取和质量控制 | cfDNA提取量（2-4 mL血浆）、提取试剂盒、定量方法，以及质量控制标准（阴阳性对照）的制备条件。 阅读提示：Methods: Sample preparation and DNA extraction 和 Preparation of methylation quality control standards |
| SAMT-Seq文库制备 | 亚硫酸盐转化的条件（温度和时间）、线性扩增的循环数、连接酶和缓冲液体系、预扩增和最终扩增的循环数。 阅读提示：Methods: Bisulfite conversion 和 Single-strand amplification methylation-targeted sequencing analysis |
| 标志物筛选和模型构建 | DMR筛选阈值（覆盖度、P值、长度）、候选标志物筛选标准、LASSO回归的α值、训练/验证队列的划分比例、GP模型参数。 阅读提示：Methods: Marker discovery 和 Model development and validation |
| 测序数据分析 | 比对软件参数、去重方法、MHL计算中涉及的最小分子数（u≥10）和CpG数（t≥4）。 阅读提示：Methods: Bioinformatics analysis |
| 模型性能评估 | AUC计算方式、最优cutoff确定方法（Youden指数）、验证队列的划分、预测概率（LCMS）的阈值。 阅读提示：Methods: Statistical analysis 和 Results: Independent validation |