下一代蛋白质组学改善了肺癌风险预测
Megha Bhardwaj1, Clara Frick1,2, Ben Schöttker1
1Clinical Epidemiology of Early Cancer Detection, German Cancer Research Center (DKFZ), Heidelberg, Germany.
Molecular oncology
|November 20, 2025
概括
使用四种蛋白质标记物的新血液测试可以识别患肺癌 (LC) 高风险的个体. 这种基于血液的蛋白质标记模型改善了低剂量计算机断层扫描 (LDCT) 查的选择,提高了整体疗效.
科学领域:
- 在瘤学瘤学.
- 生物标志物发现发现
- 医学诊断 医学诊断 医学诊断
背景情况:
- 低剂量计算机断层扫描 (LDCT) 查降低了重度吸烟者肺癌 (LC) 死亡率.
- 确定从LDCT查中获益最多的个体对于成本效益至关重要,并且需要改进风险分层.
- 目前的风险评估模型可能无法最佳地选择高风险人群进行查.
研究的目的:
- 开发和验证一种基于血液的蛋白质标记模型,用于增强肺癌风险分层.
- 改善对高风险个人进行LDCT查的选择.
- 将新型蛋白标记模型的性能与已建立的肺癌查标准进行比较.
主要方法:
- 一个两阶段的研究设计,使用衍生集 (英国生物银行,n=18,868) 和一个独立的验证集.
- 使用近距离延伸试验对2025个蛋白质标记物的分析.
- 使用最小绝对收缩和选择操作员回归 (LASSO) 进行风险预测算法的开发.
主要成果:
- 开发的蛋白质标记模型,包括CEACAM5,CXCL17,MMP12和WFDC2,表现出强大的歧视性性能 (两组AUC为0.814).
- 该模型的表现优于PLCOm2012模型,并且在添加到该模型时改善了风险预测.
- 与LDCT试验标准相比,蛋白质标记模型显著提高了识别未来LC病例的灵敏度.
结论:
- 一种新的基于血液的蛋白质标记模型有效地识别了患肺癌高风险的个体.
- 该模型提高了低剂量计算机断层扫描 (LDCT) 查的选择精度.
- 这些发现表明,通过更好的患者分层,改善了肺癌查效率.
