基于机器学习的cfDNA碎片化分析,使用自动毛细管电泳来早期检测肝细胞癌
Sasimol Udomruk1, Songphon Sutthitthasakul1,2, Nuttida Bunsermvicha3
1Center of Multidisciplinary Technology for Advanced Medicine (CMUTEAM), Faculty of Medicine, Chiang Mai University, Chiang Mai, Thailand.
Communications medicine
|February 17, 2026
概括
一种名为CEliver的新方法使用无细胞DNA (cfDNA) 碎片化分析进行早期肝细胞癌 (HCC) 检测. CEliver显著优于α-fetoprotein (AFP) 和超声波,提供了一个实用和准确的查策略.
科学领域:
- 在瘤学瘤学.
- 基因组学就是基因组学.
- 生物技术是生物技术.
背景情况:
- 肝细胞癌 (HCC) 的早期检测是具有挑战性的,因为当前的工具,如α-fetoprotein (AFP) 和超声波的敏感性较低.
- 无细胞DNA (cfDNA) 碎片化分析显示出有希望的结果,但在基于测序的方法中面临成本和可扩展性问题.
研究的目的:
- 介绍CEliver,一种使用cfDNA碎片化分析进行早期HCC检测的预测模型.
- 开发和验证一种新的计算框架 (CF-2D特征),用于分析cfDNA片段长度.
主要方法:
- CEliver利用自动毛细管电泳来分析高维的cfDNA碎片化模式.
- 从电表图数据中提取了300多个定量特征,包括碎片大小分布和比率.
- 该CEliver模型将CF-2D特征与AFP水平进行了集成,以进行预测.
主要成果:
- CEliver的准确性很高,达到98%的总体灵敏度和96%的灵敏度,对早期HCC具有99%的特异性.
- 该模型的表现明显优于AFP,其整体灵敏度为60%,早期HCC的敏感度为35%.
- 外部验证证实了CEliver的稳定性,具有88%的灵敏度和100%的特异性.
结论:
- CEliver为早期HCC检测提供了一个实用,准确和可扩展的策略.
- 该方法利用可访问的电泳技术用于cfDNA碎片组学,桥梁研究和临床应用.
- CEliver有可能增强HCC监测计划.
