机器学习工具识别结直肠癌中的代谢线索

快速阅读: 《News-Medical.Net》消息，俄亥俄州立大学研究人员开发机器学习工具PANDA，通过分析代谢物和转录物区分结直肠癌患者与健康人，揭示疾病进展和遗传突变关联的代谢变化。该工具有潜力作为非侵入性诊断和监测工具，但仍需进一步验证和临床应用。

俄亥俄州立大学开发机器学习工具助力癌症诊断

俄亥俄州立大学的研究人员开发了一种机器学习工具，能够识别结直肠癌患者与健康人群之间的代谢分子特征差异。通过对超过1000人的生物样本进行分析，研究揭示了与疾病严重程度变化以及已知增加结直肠癌风险的基因突变相关的代谢变化。尽管还需进一步验证，但这项“生物标志物发现管道”展现了作为非侵入性诊断工具及监测疾病进展的潜力。该研究的共同资深作者、俄亥俄州立大学人类科学副教授朱江江指出：“我们认为这是一个优秀的疾病诊断和监测工具，尤其因为基于代谢的生物标志物分析也可以用于监测治疗效果。”

朱教授同时是俄亥俄州立大学综合癌症中心分子致癌与化学预防研究项目的成员，他补充道：“当患者服用药物A或药物B时，尤其是对于癌症，时间至关重要。如果他们没有良好的反应，我们希望尽快得知以便调整治疗方案。如果代谢产物能比传统方法如病理学或蛋白质标志物更快地反映治疗效果，我们希望它们能成为医生照顾病人的好指标。”

该工具并非旨在取代结肠镜检查作为癌症筛查的金标准，朱教授提到，并计划在未来的研究中使用更多样本，使该管道准备好应用于临床环境。这项研究近期发表于《iMetaOmics》期刊。

这项研究代表了机器学习技术的进步，结合了两种现有方法构建新平台：偏最小二乘判别分析（PLS-DA）用于区分分子特征的大范围，以及人工神经网络（ANN），在此情况下用于提升平台的预测能力。研究团队将由此产生的生物标志物管道命名为PANDA，即PLS-ANN-DA的缩写。

研究团队从血液样本中提取了两组生物数据用于分析：代谢物，即生化反应的产物，这些反应分解食物以产生能量并执行其他基本功能；转录物，DNA指令的RNA读出，预测相关蛋白的变化。生物样本是本研究的重要组成部分，朱教授指出，因为它们是在大型研究项目中收集的：俄亥俄结直肠癌预防倡议（OCCPI）和俄亥俄州韦克斯纳医学中心临床实验室生物库。共有626个样本来自结直肠癌患者，包括具有高危遗传突变的患者。另外402个年龄和性别匹配的健康个体样本由该研究的共同资深作者、俄亥俄州立大学医学院病理学副教授临床系的李继力获得。

“作为人类，在我们生命的各个阶段，实际上有着相当不同的生物化学，”朱教授说。“这批珍贵的样本使我们能够开展高通量代谢组学分析，以了解无癌人群与癌症患者间的分子变化，以及早期到晚期疾病的分子变化。”

“我们也拥有携带遗传突变患者的资料，我们可以将其与代谢物数据对比，以查看代谢变化是否为遗传突变预测价值的指标。据我们所知，这是首次在这个范围内和规模上这样做，因为我们实际上是在研究数百名患者。”

生物标志物在不同人群中用于诊断时非常棘手，因为许多因素会影响活体系统中的分子特征——因此，这项研究强调了几种在评估全国代表性患者群体中结直肠癌存在与进展方面具有潜力但不确定性的分子变化。与一类名为嘌呤的化合物相关的代谢途径在分析中尤为突出，因为它们在癌症患者中总体上更为活跃，而在肿瘤更晚期时则不那么活跃。

“这无疑表明这种生物标志物可能与癌症生物学的潜在机制相关，”朱教授说。“我们谨慎乐观地说，我们不仅在进行生物标志物发现，还在为机制研究提供线索。”

研究团队计划继续分析与不同类型生物信号相关的代谢物，以完善PANDA生物标志物管道。“我们鉴定的一些标记较为敏感，这些信号中存在大量干扰，但我们已经推动了这一领域的进步，以开发下一代生物标志物和新型生物信息学工具，用于结直肠癌的诊断和监测，”朱教授说。

这项工作得到了美国国家普通医学科学研究所、俄亥俄州立大学奖学金以及Pelotonia的支持，后者资助了全州范围内的OCCPI。朱教授还得到了俄亥俄州立大学校长办公室的猩红与灰色副教授计划的支持。其他合著者包括第一作者徐瑞、郑惠英、傅阿里、张世志、雷切尔·皮尔曼和金宁，全部来自俄亥俄州立大学，以及希望之城国家癌症中心的希瑟·汉佩尔。

**来源**：俄亥俄州立大学
**期刊参考**：徐瑞等。（2025）。新型机器学习生物信息学揭示了增强结直肠癌诊断和监测的显著代谢改变。《iMetaOmics》。doi.org/10.1002/imo2.70003

(以上内容均由Ai生成)