胃癌诊断的代谢特征和机械洞察:一个多中心研究
Juan Zhu1,2,3, Yida Huang4,5, Xue Li1,2,3
1Department of Cancer Prevention, Zhejiang Cancer Hospital, Hangzhou Institute of Medicine (HIM), Chinese Academy of Sciences, 310022, Hangzhou, China.
EMBO molecular medicine
|October 28, 2025
概括
来自血的新六代谢物面板显示了早期胃癌 (GC) 检测的高准确性. 这个小组,包括异乙烯尼丁 (C5),为胃癌提供了一个有前途的非侵入性诊断工具.
科学领域:
- 代谢学 代谢学 代谢学
- 机器学习 机器学习
- 在瘤学瘤学.
背景情况:
- 早期发现胃癌 (GC) 对于生存至关重要.
- 目前的GC生物标志物缺乏足够的灵敏度和特异性.
- 对于GC,需要使用非侵入性,高性能的诊断方法.
研究的目的:
- 使用代谢学和机器学习开发血代谢物面板,用于非侵入性GC诊断.
- 确定与特定代谢物相关的GC进展的机制性见解.
- 为了验证已识别的代谢物板的诊断性能.
主要方法:
- 来自两个队列 (n=597) 的血和组织样本的非向代谢量 (UPLC-MS).
- 机器学习算法用于识别和验证诊断代谢物板.
- 蛋白质组分析和功能分析以阐明分子机制.
主要成果:
- 一个由六个代谢物组成的小组显示出出色的诊断性能 (AUC 0.920-0.982) 和优越的敏感性 (0.900-0.940) 对于GC检测.
- 在GC患者中,异乙烯尼丁 (C5) 的下调一直在持续,并且与降低GC风险有因果关系.
- 异甲基尼丁 (C5) 通过向VE-cadherin和MMP2.2来抑制GC细胞的迁移和入侵.
结论:
- 一个新的六个代谢物板提供了一个高度敏感和特定的非侵入性生物标志物,用于早期检测胃癌.
- 异甲基尼丁 (C5) 在抑制GC进展方面发挥着显著的机械作用,表明其作为治疗点的潜力.
- 这种综合方法为GC诊断提供了强大的工具,并为治疗策略开辟了新的途径.
