Science子刊:北大尹玉新团队开发AI辅助代谢组学诊断胰腺癌新方法

胰腺癌（PancreaticCancer），这是一种消化道恶性，恶性程度高，诊断和治疗困难。近年来，胰腺癌的发病率和死亡率明显上升。胰腺癌早期诊断率不高。它通常是晚期。此时，癌细胞已扩散，难以治疗。5年生存率不足7%，是预后最差的恶性。因此，它也被称为癌症之王。WHO最新数据显示，胰腺癌是2020年中国发病人数第7的癌症(预计2020年新增12万)，死亡人数第6的癌症(预计2020年死亡人数为12万)。除了传统的血液标志物CA19-9目前还没有其他有效的胰腺癌诊断方法。因此，开发有效的检测方法，实现胰腺癌的早期、准确、无创检测，将提高胰腺癌的诊断效率，降低胰腺癌的死亡率。代谢组学是继基因组学和蛋白质组学之后广泛应用于精确医学的另一种组学方法。预计血液代谢产物的变化将通过代谢组学来实现癌症的早期诊断。最近，北京大学基础医学院尹玉新教授团队ScienceAdvances在线发表题为：Metabolicdetectionandsystemsysesofpancreaticductaladenocarcinomathroughmachinelearning,lipidomics,andmulti-omics研究论文。尹玉新团队将机器学习与脂质组学和多组学技术相结合，综合分析胰腺导管腺癌（PDAC，胰腺癌的主要类型)开发了一套人工智能辅助的代谢特征PDAC血清代谢检测方法，并显示了相关的分子机制。尹玉新团队和合作伙伴开发了一种无创的胰腺癌检测方法，用于应用机器学习辅助代谢组。基于支持向量机的应用-贪婪算法和高分辨率质谱分析非靶向代谢组学数据，筛选出17个血清代谢标志物，并建立了基于液相色谱的基础-质谱多反应检测模式靶向代谢检测方法和人工智能疾病分类模型。该方法检测了1800多个样本，包括1033名不同阶段的胰腺癌患者。在1000多个大型外部验证队列和包括胰腺良性病变的前瞻性临床队列中，分别实现了86.74%，85.00%分类检测的准确性明显优于CA19-9与CT检查。结合单细胞转录组数据、组织蛋白质组学、代谢组学、质谱成像等多组学技术，揭示了胰腺癌组织中脂质代谢变化的机制，探索了机器学习辅助代谢组学习胰腺癌早期检测的有效策略。综上所述，本研究建立了一种结合机器学习和靶向代谢组学的胰腺癌检测和分析方法。它展示了机器学习辅助血清代谢组学检测胰腺癌的优势及其在癌症诊断中的应用前景。该方法的临床应用可能会使更多的胰腺癌患者受益于早期和准确的诊断，以便及时接受治疗和监测。北京大学基础医学院博士后王光西、中国科学院自动化研究所副研究员姚汉涛、解放军总医院副主任医师龚燕、江苏省人民医院副主任医师陆子鹏是本论文的共同第一作者，北京大学系统生物医学研究所尹玉新教授、北京大学基础医学院病理系副教授郭丽梅、解放军总医院曾强教授、江苏省人民医院姜奎荣教授。