血蛋白质高性能生物标记物用于早期诊断结肠直肠癌
Haoran Jin1,2, Kai Deng1,2, Shaochong Qi1,2,3
1Department of Gastroenterology and Hepatology, West China Hospital, Sichuan University, Chengdu 610041, China.
Journal of proteome research
|September 10, 2025
概括
这项研究使用机器学习识别关键蛋白质生物标志物,以准确检测结直肠高级瘤. 这些发现支持开发一种用于早期检测结直肠癌 (CRC) 的非侵入性测试.
科学领域:
- 生物化学 生物化学
- 在瘤学瘤学.
- 机器学习 机器学习
背景情况:
- 结肠直肠癌 (CRC) 是全球健康的重大负担,发病率和死亡率很高.
- 早期检测癌前病变和早期CRC对于改善患者存活率至关重要.
- 目前用于晚期腺瘤的诊断方法存在局限性,需要新的高性能策略.
研究的目的:
- 为了确定蛋白质生物标志物用于早期诊断结直肠晚期瘤 (AN).
- 开发和验证用于使用这些生物标志物的AN检测的机器学习模型.
- 为早期CRC诊断建立一个非侵入性临床检测套件的基础.
主要方法:
- 使用Olink Explore 384心脏代谢面板进行近距离延伸测定.
- 确定了15种蛋白质生物标志物,其中8种被选择用于模型开发 (MMP7,GDF15,REG1B,RNASE3,REG1A,TFF3,MFAP5,TGM2).
- 在发现 (n=80) 和验证 (n=69) 队列中开发和验证机器学习模型.
主要成果:
- 机器学习模型在AN诊断的发现队列中实现了曲线下的面积 (AUC) 值>0.90.
- 模型在AN和晚期腺瘤的验证队列中显示出显著的诊断性能 (AUC>0.88).
- 核心生物标志物MMP7和GDF15被确定并验证了它们的临床意义.
结论:
- 多蛋白签名被确定并验证在两个队列具有高诊断性能结肠直肠AN.
- 鉴定到的生物标志物和模型显示出开发结直肠癌的非侵入性早期检测套件的前景.
- 这项研究有助于推进CRC的早期诊断策略,可能改善患者的治疗结果.
