灵敏度高达94.9%!牛津团队AI多模态ctDNA检测方法,进行癌症早期筛查

编辑 | 2049在癌症诊疗的漫长征程中,早期检测始终是最具挑战性的环节之一,液体活检技术因其无创性和高灵敏度而备受关注。 然而,现有的检测方法大多依赖于深度靶向测序,难以同时整合多模态数据,导致检测灵敏度和特异性受限。 正是基于这一技术痛点,牛津大学的研究团队开发了一种基于全基因组 TET 辅助吡啶硼烷测序(TAPS)的多模态循环肿瘤 DNA(ctDNA)检测方法。

图片

编辑 | 2049

在癌症诊疗的漫长征程中,早期检测始终是最具挑战性的环节之一,液体活检技术因其无创性和高灵敏度而备受关注。然而,现有的检测方法大多依赖于深度靶向测序,难以同时整合多模态数据,导致检测灵敏度和特异性受限。

正是基于这一技术痛点,牛津大学的研究团队开发了一种基于全基因组 TET 辅助吡啶硼烷测序(TAPS)的多模态循环肿瘤 DNA(ctDNA)检测方法。

该方法不仅能够同时分析基因组和甲基化数据,还在多种癌症类型的诊断中表现出高达 94.9% 的灵敏度和 88.8% 的特异性。这一突破性技术为癌症早期筛查和患者分层提供了新的可能性。

该研究以「Multimodal cell-free DNA whole-genome TAPS is sensitive and reveals specific cancer signals」为题,于 2025 年 1 月 8 日发布在《Nature Communications》。

图片

研究背景

癌症的早期检测对改善患者预后至关重要。然而,现有的筛查项目仅覆盖不到 30% 的癌症类型,且依赖于侵入性检查,导致接受度较低。多癌种早期检测(MCED)技术通过液体活检实现无创检测,但其在无症状人群中的假阳性率较高,限制了其广泛应用。

传统的 ctDNA 检测方法主要依赖于靶向深度测序,虽然灵敏度较高,但仅能检测特定类型的癌症和突变,无法充分利用多模态数据。此外,常用的亚硫酸氢盐测序技术会破坏 80% 的 ctDNA,显著降低检测灵敏度。

为了解决这些问题,研究团队开发了一种基于 TAPS 的全基因组测序方法,能够在单次测序中同时分析基因组和甲基化数据,从而显著提高检测的准确性和适用范围。

TAPS 技术的核心理念与理论基础

TAPS 是一种基于碱基分辨率的新型测序技术,能够检测 5-甲基胞嘧啶和 5-羟甲基胞嘧啶。与传统的亚硫酸氢盐测序不同,TAPS 通过 TET 酶和硼烷的组合,仅将 5% 的甲基化胞嘧啶转化为胸腺嘧啶,从而保留了基因组信息,并允许在同一测序数据中同时进行基因组和甲基化分析。

这一技术的核心优势在于其非破坏性,能够在低 ctDNA 含量(低至 0.7%)的情况下仍保持高灵敏度。研究团队通过对 61 例癌症患者和 30 例非癌症对照的样本进行深度测序(80x),验证了 TAPS 在多种癌症类型中的诊断准确性。

图片

图示:研究概述。(来源:论文)

多模态数据整合与分析方法

研究团队开发了一套多模态数据分析流程,整合了拷贝数变异(CNA)、体细胞突变和甲基化信号,以提高 ctDNA 检测的灵敏度。

首先,通过将基因组划分为 1 kb 的非重叠区间,统计每个区间的高质量比对读数,并进行去噪处理,以去除 GC 含量和可映射性引入的系统偏差。随后,利用主成分分析(PCA)对非癌症样本的背景噪声进行建模,并通过 Savitzky-Golay 滤波器进一步平滑数据。

图片

图示:拷贝数变异分析。(来源:论文)

在体细胞突变分析中,研究团队采用深度全基因组测序(80x)策略,结合 TAPS 特异性软件,有效区分了体细胞突变和测序误差。

图片

图示:体细胞突变负担分析。(来源:论文)

甲基化分析则基于 TCGA 数据库中的高甲基化区域,通过片段中心的方法提高了低 ctDNA 含量下的检测灵敏度。

图片

图示:甲基化信号分析。(来源:论文)

实验结果与性能评估

研究团队通过 ROC 曲线分析评估了该方法的性能。在模拟数据中,当 ctDNA 含量低至 0.7% 时,AUC 值达到 86%,表明该方法在低 ctDNA 含量下仍具有较高的区分能力。在临床样本中,整合多模态数据的检测灵敏度达到 85.2%,显著高于单一数据模态的检测结果。

图片

图示:用于 ctDNA 检测的基因组数据模式的整合。(来源:论文)

此外,研究团队还开发了一个多类分类器,用于预测癌症类型,其平衡分类准确率达到 71.7%。在结直肠癌患者的术后监测中,该方法成功追踪了 ctDNA 的动态变化,并与临床结果高度一致。例如,在一例结直肠癌患者中,术后 1 年检测到的 ctDNA 与 3 年后发现的转移性癌症相关。

图片

图示:多模式 ctDNA 检测用于无匹配肿瘤的结直肠癌术后 MRD 和辅助治疗反应跟踪。(来源:论文)

结语

综上所述,基于 TAPS 的多模态 ctDNA 检测方法在癌症早期检测和术后监测中表现出显著的优势。其高灵敏度和特异性为癌症筛查和患者分层提供了新的工具。

然而,该方法在实际应用中仍面临一些挑战,例如深度测序的成本较高,且在资源有限的临床环境中推广存在困难。未来的研究可以进一步优化测序深度,探索更经济的测序技术,并扩大样本量以验证其在更多癌症类型中的适用性。

此外,构建基于 TAPS 的甲基化图谱将有助于提高癌症起源预测的准确性。该研究不仅为癌症早期检测提供了新的技术路径,也为多模态数据整合在液体活检中的应用开辟了新的方向。

论文链接:https://www.nature.com/articles/s41467-024-55428-y

相关资讯

基于Transformer的新方法,可从纳米孔测序中准确预测DNA甲基化

编辑 | 萝卜皮DNA 甲基化在各种生物过程中起着重要作用,包括细胞分化、衰老和癌症发展。哺乳动物中最重要的甲基化是5-甲基胞嘧啶,主要发生在 CpG 二核苷酸的背景下。全基因组亚硫酸盐测序等测序方法可以成功检测 5-甲基胞嘧啶 DNA 修饰。然而,它们存在读取长度短的严重缺陷,可能会引入扩增偏差。新加坡 A*STAR 的研究人员开发了一种深度学习算法 Rockfish,该算法通过使用纳米孔测序(Oxford Nanopore Sequencing,ONT)显著提高了读取级 5-甲基胞嘧啶检测能力。该研究以「Roc

更高分辨率,更经济,深度生成模型与主动学习策略结合,推进大规模单细胞研究

编辑 | 萝卜皮单细胞测序是分析复杂疾病细胞复杂性的重要工具。然而,其高昂的成本阻碍了其在广泛的生物医学研究中的应用。传统的细胞反卷积方法可以从更便宜的批量测序数据中推断出细胞类型比例,但它们无法提供单细胞水平分析所需的精细分辨率。为了克服这一挑战,加拿大麦吉尔大学(McGill University)的研究人员引入了「scSemiProfiler」,这是一个创新的计算框架,将深度生成模型与主动学习策略结合在一起。该方法具有高度精确性,能推断出大群体中的单细胞概况。可与真实的单细胞分析数据紧密结合,支持精细的细胞分

新加坡国立大学医院新建消化健康中心:利用 AI 量化打分、可检测早期癌症迹象

据新加坡“联合早报”报道,新加坡国立大学医院近日开建消化系统健康中心,该中心将于 2025 年上半年竣工,整合了一系列 AI 技术,旨在重点提升消化系统疾病的早期疾病检测、精确诊断、治疗和预防标准。▲ 图源 PixabayIT之家获悉,新中心将配备计算机辅助检测、诊断和品质控制三重 AI 系统;当这三个系统配合运用时,据称不仅能更有效地识别早期胃肠道病变,还可针对这些病变进行实时可量化打分的癌症诊断。新加坡国立大学医院肠胃与肝脏科主任兼高级顾问医生李冠辉客座副教授指出,从近几年的趋势来看,患消化系统疾病的人逐年增加