肺癌是癌症患者发生死亡的主要原因，通过是在疾病晚期阶段才被诊断出来，而此时患者的生存率往往较低；早期的肺癌大多数是没有症状的，而目前检测早期肺癌病变的手段—低剂量的螺旋CT作为普通人群的广泛筛查似乎并不可行，因为其成本较高且反复筛查会给患者带来一定的辐射危害。近日，一篇发表在国际杂志PNAS上题为“Screening human lung cancer with predictive models of serum magnetic resonance spectroscopy metabolomics”的研究报告中，来自哈佛医学院等机构的科学家们通过研究揭示了利用一滴血或许就能揭示无症状患者的机体肺癌。

图片来源：James Heilman, MD/Wikipedia

研究者Cheng表示，我们的研究表明，未来我们或有望开发出一种敏感的筛查手段来用于肺癌的早期诊断；我们所创建的这种预测性模型能帮助识别出可能患上肺癌的人群，随后可疑人群就会进一步利用成像测试来进行评估，比如低剂量的CT，从而给个体进行明确的诊断。

文章中，研究人员根据机体血液中的代谢组学资料建立了一种肺癌预测模型，代谢组学分析揭示了细胞的代谢流，并通过研究代谢组（即机体所有细胞、体液和组织中所发现的动态生化组件）就能解析机体的健康和病理学状态；肺癌的存在及其所改变的生理和病理学特征或会引发肺癌中癌细胞所产生或消耗的血液代谢产物的改变，研究人员利用高分辨率的核磁共振光谱技术测定了血液中代谢组学的特征，这种工具能通过测定代谢产物的集体反应来检查活细胞中一系列的化合物。

此外，研究人员还筛选了储存在麻省总医院生物样本库和其它地方的数万份血液样本，结果发现了25名非小细胞肺癌患者，其血液标本是在诊断时和诊断前至少6个月所获得的，研究者将其与25名健康对照个体进行对比研究。首先，研究人员通过训练他们所开发的统计学模型，通过测定患者在诊断时所获得的血液样本中的代谢组学特征值，并将其与健康对照个体的血液样本进行比较，从而来识别出肺癌患者。这篇文章中，研究人员表示，这种预测性模型或能产生健康对照组和患者在诊断时的数值；这一点就让人非常激动，因为对早期疾病的筛查应该检测出介于健康和疾病状态之间的血液代谢组学特征的改变，随后研究人员使用了另外一组54名非小细胞肺癌患者在癌症诊断时所获得的血液样本来测试其所开发的模型，这就证明了这种模型的预测功能或许就是准确的。

从诊断前的血液样本中所测定了预测模型的数值或能预测患者未来5年的生存率，这或许有望帮助指导临床策略和疗法角色；此前研究人员通过研究发现，基于磁共振光谱的代谢组学模型在区分癌症类型和疾病分期方面具有一定的潜力；而在临床实践中，还需要更多的研究来证实如何利用血液代谢组学模型来作为非小细胞肺癌早期筛查的工具来使用。

图片来源：https://www.pnas.org/content/118/51/e2110633118

接下来，研究人员还分析了肺癌临床特征的代谢组学特性，旨在理解疾病的整个代谢图谱，这或许有助于帮助选择靶向性的疗法；此外研究人员还测定了400多名前列腺癌患者机体的代谢组学特征，从而就能创建一种模型来区分需要监测的“懒惰”的癌症和需要理解治疗的更具侵袭性的癌症类型；同样研究人员还制定使用相同的技术来利用血液样本和脑脊液进行阿尔兹海默病的筛查。

综上，本文研究结果表明，从患者诊断前所测定的代谢组学预测模型的值或许能帮助预测局部患病患者的5年生存率。

原始出处：

Tjada A. Schult,Mara J. Lauer,Yannick Berker, et al. Screening human lung cancer with predictive models of serum magnetic resonance spectroscopy metabolomics, Proceedings of the National Academy of Sciences (2021). DOI: 10.1073/pnas.211063311