前沿进展 | 精确预测早期卵巢癌，小分子显神通-赴美就医-远程会诊-大通福克斯美国本土机构

▌ 导语：

早期癌症由于症状不明显，往往难以发现，绝大多数患者就诊时已是临床晚期。分子诊断不受限于临床症状，能够在癌症早期甚至癌前病变时期就发现癌症的蛛丝马迹。不过，当前的分子诊断研究往往集中于特定蛋白质以及DNA、RNA等生物大分子，体内代谢的小分子是否也能帮助诊断早期癌症呢？

近日，佐治亚理工学院的科学家们运用先进的液相色谱分析和质谱技术，再加上机器学习的计算机算法，确定了一个由16个化合物组成的生物标记物组合，它能将卵巢癌早期诊断准确度提高到前所未有水平。

“这项工作提供了一个概念验证，即通过结合分析化学与机器学习算法，确定最优的诊断方法。” 佐治亚理工学院生物技术与综合癌症研究中心主任John McDonald教授说道， “我们认为我们的结果显示了非常好的应用前景，我们计划在更大样本上进一步验证我们的发现。”

从1000个候选化合物到16个化合物

研究人员首先从美国和加拿大的三个癌症治疗中心收集了46份早期卵巢癌血液样本以及49份正常女性血液样本。他们分离血清，将其中包含的生物大分子（蛋白质、DNA等）去除，只留下代谢小分子。

随后，研究人员通过超高效液相色谱-质谱法(UPLC-MS)分析其中的分子组成，能够精确鉴定具体的化合物。分析化学研究大概鉴定出了一千个候选化合物。随后，David Gaul通过研究，从集合中移除重复和不相关的分子，将这一数字减少到约255个。然后，将这255种化合物交给机器学习算法进行分析评估并尝试对卵巢癌进行预测。那些对预测准确性贡献较小的分子将被淘汰。最终，该算法筛选出了16个化合物，这组化合物预测卵巢癌的准确性大于90%！

“算法只是在不停比较癌症患者和正常人之前的代谢产物特征” McDonald教授解释道，“算法并不知道这些化合物是什么。它仅仅是寻找能够提供最佳预测精度的分子结合。令人鼓舞的是，机器筛选出的代谢产物中，很多已经被先前的研究证明与卵巢癌相关。”

下一步，研究人员计划建立一个更大范围的临床试验，他们很想知道这种新方法在亚洲人等其他族裔身上是否奏效。研究人员还表示，他们会尝试将相同方法迁移到其他癌症上。

参考资料：

http://medicalxpress.com/news/2015-11-metabolic-profiles-distinguish-early-stage.html

大通福克斯美国会诊中心（CMAA）是一家专注于为中国患者提供美国高端精准医疗咨询和服务的专业机构。自成立至今，已经为许许多多的中国患者提供了这样的服务，不仅让他们体会到了高端的，专业的服务，而且接受了精准的，个体化的治疗。最重要的是，通过中心提供的服务，很多病人获得了满意的，甚至是超越他们期望的治疗效果。