《The Innovation》：Exploration of multi-omics liquid biopsy approaches for multi-cancer early detection: The PROMISE study
编辑推荐：
本刊推荐：为解决现有癌症筛查方法依从性低、早期灵敏度不足等问题，PROMISE研究（NCT04972201）探索了cfDNA甲基化、蛋白质和突变的多组学整合策略。研究发现甲基化主导多癌早诊（MCDBT），蛋白质标志物（如AFP、CA125）对甲基化检测具显著互补性，联合模型将灵敏度提升至75.1%（特异性98.8%），尤其提升肝癌、卵巢癌的检出率。该研究为多癌早诊提供了优化路径，对公共健康具有重要价值。
癌症，如同隐匿的杀手，常常在悄无声息中侵蚀人类的健康。尽管针对肺癌、结直肠癌、乳腺癌和宫颈癌等已有较为成熟的筛查策略，但其性能不尽如人意，且患者依从性低，导致筛查效果大打折扣。以低剂量计算机断层扫描（LDCT）为例，虽然能降低肺癌死亡率，但其依从率仅3.3%-3.9%，且对小细胞肺癌的早期识别能力有限，辐射暴露还可能增加患癌风险。因此，科学家们将目光投向了血液中的癌症信号，试图通过液体活检开辟多癌种早期检测（MCDBT）的新天地，以期将癌症相关死亡率降低25%以上。
循环细胞游离DNA（cfDNA）甲基化特征因其能够预测肿瘤来源，并在多种MCDBT中表现出相当的敏感性和特异性，已成为当前最具前景的技术之一。在THUNDER研究（NCT04820868）中，基于cfDNA甲基化的MCDBT在独立验证队列中对六种癌症的灵敏度达69.1%，特异性达98.9%，肿瘤溯源准确率达83.2%。然而，甲基化方法依赖于癌症释放到血液中的DNA信号，早期癌症释放的DNA量较少，限制了其灵敏度。此外，甲基化方法在定位某些组织学特征相似的癌症时存在挑战，对于主要由DNA突变（如EGFR L858R、EML4-ALK融合或ERBB2扩增）驱动的癌症识别能力也可能不足。因此，提升甲基化MCDBT的性能成为当务之急。
有趣的是，不同的组学方法对不同癌种或特定特征表现出独特的优势。这催生了将不同维度的组学信息协同整合以增强甲基化MCDBT性能的创新理念。例如，基因组突变在MCDBT中的应用通常受限于肿瘤定位不准和灵敏度相对较低。然而，在CCGA1研究中，甲基化和突变在癌症检测方面表现出一定的互补性。与此同时，血清蛋白标志物——这一完全不同的组学维度——也显示出补充cfDNA基MCDBT的潜力。在DETECT-A研究中，整合蛋白质和基因组突变的MCDBT显示，54%的癌症病例突变呈阳性，42%蛋白质呈阳性，4%两者皆阳。某些癌种对特定蛋白有偏好，如甲胎蛋白（AFP）之于肝细胞癌，癌症抗原125（CA125）之于卵巢癌。OncoSeek assay通过分析七种血清蛋白，对九种癌症的检测灵敏度在37.1%至77.6%之间，特异性为92.9%，肿瘤溯源准确率为66.8%。尽管cfDNA甲基化已成为MCDBT的主流技术，但整合蛋白质、突变等其他组学数据能否在保持高特异性的同时，提升癌症检测的灵敏度和肿瘤定位的准确性，及其对公共健康的潜在影响，仍不明确。
为填补这一空白，PROMISE研究（NCT04972201）应运而生。这项前瞻性、多中心、病例对照研究针对头颈部（不包括鼻咽）、食道、肺、胃、肝、胆道、胰腺、结直肠和卵巢这九种高发高死亡的癌症类型展开，旨在探索多组学整合策略的可行性。
为了开展这项研究，研究人员主要运用了以下几项关键技术：首先，基于内部数据集、癌症基因组图谱（TCGA）和基因表达综合数据库（GEO）的DNA甲基化数据，通过酶促甲基化测序（ELSA-seq）技术，筛选出498,713个CpG位点，并聚类为40,359个差异甲基化区域（DMRs），构建了定制化的靶向甲基化Panel。其次，前瞻性收集了1,706名参与者（840名非癌症，866名癌症）的血液样本，随机按7:3比例分为训练集和验证集。对样本进行了cfDNA甲基化测序、基于Onco Compass Target panel的突变测序以及16种血清蛋白标志物的检测。最后，研究人员分别构建了基于甲基化、突变和蛋白质的单组学分类器，分析了各组学间的互补性，并利用CatBoost算法构建了整合甲基化和蛋白质特征的多模态分类器进行10分类（9种癌症+非癌症）。此外，还采用拦截模型评估了将年度多模态分类器筛查纳入标准护理流程后，对癌症分期转移和5年死亡率的潜在公共健康影响。
参与者入组情况
研究共纳入1,706名参与者，经过质量控制，1,659份样本纳入最终分析（训练集1,158份，验证集501份）。训练集与验证集参与者的基线特征（如年龄、性别、癌症类型和分期）具有可比性，确保了模型评估的可靠性。
甲基化分类器的性能
基于定制Panel的甲基化分类器在验证集中表现出色，总体灵敏度为71.2%（95% CI, 65.3%-76.7%），特异性高达98.8%（95% CI, 96.4%-99.7%）。其灵敏度随癌症分期进展而显著提升：I期、II期、III期、IV期癌症的灵敏度分别为53.4%、55.9%、79.2%和92.1%。早期癌症（I/II期）的灵敏度为54.7%，晚期癌症（III/IV期）为85.0%。不同组织学类型的灵敏度存在差异，例如小细胞肺癌灵敏度达100%，肺鳞癌为78.6%，而肺腺癌为37.2%。在肿瘤溯源方面，顶级预测来源（TPO1）准确率为72.7%，前两级预测来源（TPO2）准确率达85.0%。头颈部癌、肺癌和卵巢癌的溯源准确率均超过90%。按诊断工具（如胃镜用于胃和食管癌，腹部磁共振用于肝、胆道、胰腺癌）分组后，组合TPO准确率为78.7%。
蛋白质和突变分类器的性能
蛋白质分类器在验证集中的总体灵敏度为42.3%，特异性为98.8%。突变分类器（使用168个癌症相关基因Panel）的总体灵敏度为45.2%，特异性为100%。两者的灵敏度均随分期升高。在特定癌种中，蛋白质标志物（如CA19-9、CEA、CA125、AFP）贡献了主要检测信号；而最常见的突变基因是TP53（26.8%）、KRAS（6.3%）、APC（4.6%）和PIK3CA（4.6%）。
蛋白质和突变在MCDBT中的附加价值
分析显示，甲基化在癌症检测上优于蛋白质和突变。重要的是，95.0%被突变分类器检出的癌症样本也能被甲基化分类器识别，而14.0%的蛋白质阳性样本却被甲基化分类器遗漏。在甲基化检测为阴性的癌症样本中，蛋白质标志物的阳性率高于突变，尤其在肝、胆道、胰腺、结直肠和卵巢癌中。此外，在甲基化能检测到癌症但定位错误的样本中，AFP特异性富集于肝癌，CA125和CA15-3特异性富集于卵巢癌，提示这些蛋白标志物有助于提升溯源准确性。综合考虑，蛋白质标志物比突变更适合作为甲基化的补充。
整合甲基化和蛋白质的多模态分类器性能
与单纯并联策略（任一阳性即判为阳性）会降低特异性不同，重新训练的多模态分类器在验证集中曲线下面积（AUC）显著高于甲基化分类器（0.869 vs. 0.850）。在保持98.8%特异性的前提下，多模态分类器的总体灵敏度提升至75.1%，显著优于甲基化分类器。提升主要体现在I/II期癌症（59.0% vs. 54.7%）和III/IV期癌症（88.6% vs. 85.0%），并且在肝癌（90.9% vs. 77.3%）和卵巢癌（96.4% vs. 85.7%）中改善尤为明显。多模态分类器的TPO1准确率为73.1%，TPO2为85.0%，组合TPO准确率为78.2%，与甲基化分类器相当。在由甲基化阴性转为多模态阳性的新增检出样本中，肝癌和卵巢癌的溯源准确率达到100%，而其他癌种仅为55.6%，这是因为后者的溯源主要依赖甲基化信号而非蛋白质。多模态分类器带来了更多的正确检测和正确溯源结果，其优势主要体现在依赖AFP和CA125/CA15-3的肝癌和卵巢癌。
潜在公共健康效益评估
通过拦截模型模拟在中国人群中实施年度多模态分类器筛查的潜在影响。在标准护理下，这九种癌症中57.6%在晚期（III/IV期）确诊。引入多模态分类器筛查后，在不同癌症生长速度假设下（慢速、快速、极快），晚期癌症比例可降至23.7%-29.5%，意味着48.8%-58.9%的病例从晚期转向早期诊断。相应地，九种癌症的5年死亡率预计从标准护理下的64.3%降至49.3%-52.2%，相对降低幅度达18.9%-23.3%。
PROMISE研究证实，基于cfDNA甲基化的分类器在九种高发癌症的早期检测和溯源中具有高准确性。蛋白质标志物，特别是AFP和CA125/CA15-3，相较于突变，能作为甲基化更有效的补充。整合甲基化和蛋白质的多模态分类器进一步提升了整体检测性能，尤其在肝癌和卵巢癌的检测和定位方面展现出显著优势。模拟研究表明，将这种非侵入性、便捷且依从性可能更高的多模态分类器测试纳入标准癌症筛查流程，有望通过大幅降低晚期癌症发生率和癌症相关死亡率，对公共健康产生积极影响。基于这些发现，甲基化和蛋白质组分已被选入PREDICT（NCT04817306）、PRESCIENT（NCT04822792）和PREVENT（NCT05227534）等更大规模的前瞻性研究和干预性研究中进行进一步开发和验证。当然，MCDBT在真实世界中的应用还面临成本、可及性、筛查间隔、领先时间偏倚、过度诊断以及大规模干预研究中模型实际表现等多重因素的挑战，需要未来更多的研究来评估其临床有效性和效用。
