利用MALDI-TOF质谱与机器学习方法结合的血清肽组学技术用于原发性肝癌的诊断

《ANALYTICAL AND BIOANALYTICAL CHEMISTRY》：Serum peptidomics by MALDI-TOF MS coupled with machine learning approaches for diagnosis of primary liver cancer

肝癌诊断策略通过整合高 throughput 血清多肽组学、化学计量工具与机器学习算法开发，基于433例肝癌患者和145例健康对照的MALDI-TOF MS数据分析，采用PLS-DA、随机森林和LASSO筛选出12个关键特征，支持向量机（SVM）模型灵敏度达99%，并利用SHAP方法解释模型，为大规模筛查提供临床参考。

　　

摘要

原发性肝癌（PLC）是全球最常见的恶性肿瘤之一。由于其发病隐匿，70%至80的患者在晚期才被诊断出来。只有约20%的患者在早期出现可检测的症状，这种缺乏明显早期征兆的情况预示着预后较差。在这项研究中，通过整合高通量血清肽组学、化学计量学工具和机器学习（ML）算法，开发出了一种用于PLC的诊断策略。共纳入了433份PLC患者的血清样本和145份健康对照组（HC）的血清样本，并使用基质辅助激光解吸/电离飞行时间质谱法（MALDI-TOF MS）进行了分析。首先对原始质谱数据进行了预处理，然后从“指纹”分析的角度研究了PLC组和HC组之间的整体模式相似性和差异。特征选择采用了偏最小二乘判别分析（PLS-DA）、随机森林（RF）和最小绝对值收缩选择算子（LASSO）算法。这三种算法的结合识别出了12个对PLC诊断具有高代表性和区分能力的关键特征。这些特征有助于后续使用九种ML算法构建和评估模型。其中，基于支持向量机（SVM）的模型表现出最佳的判别性能，其灵敏度、准确率和特异性分别为99%、95%和95%。Shapley加性解释（SHAP）方法被用来对特征重要性进行排序，并进一步解释SVM模型的诊断机制。该方法在PLC的大规模筛查和检测中具有一定的应用潜力，并提供了相应的临床参考价值。

图形摘要