《Frontiers in Immunology》：Leveraging cfDNA fragmentomic features for the early detection of colorectal cancer
编辑推荐：
本综述系统阐述了利用循环游离DNA（cfDNA）片段组学特征（包括末端基序、断裂点基序、Alu元件、长末端重复序列LTRs等）结合机器学习算法（广义线性模型GLM）进行结直肠癌（CRC）早期非侵入性检测的最新进展。研究通过多中心队列验证，证实该模型在训练集、内部验证集和外部验证集中均表现出优异性能（AUC最高达0.979），尤其在高阶阶段（III+IV期）CRC、女性及年轻患者中表现更佳。文章深入分析了恶性与良性样本在重复元件分布、核小体定位及染色质可及性等方面的差异分子特征，为开发高精度CRC液体活检技术提供了重要理论依据和技术路径。
背景
结直肠癌（CRC）是全球癌症相关死亡的主要原因之一，早期检测对改善患者预后至关重要。传统筛查方法如结肠镜检查具有侵入性，而粪便潜血试验灵敏度有限。循环游离DNA（cfDNA）分析作为一种非侵入性液体活检技术，通过分析血液中凋亡和坏死细胞释放的DNA片段，可捕获肿瘤的遗传和表观遗传信息。近年来，测序技术和计算算法的进步使得cfDNA片段组学特征（如末端基序、断裂点模式、重复元件分布等）的精细分析成为可能，为CRC早期检测提供了新思路。
方法与材料
研究纳入浙江大学医学院附属邵逸夫医院等四个医疗中心的573名参与者（2023年4月1日至2025年12月12日），分为训练集（308例）、内部验证集（133例）和外部验证集（132例）。通过低深度全基因组测序（WGS）获取cfDNA数据，并系统提取四类片段组学特征：
- 1.
序列特征：包括4bp/6bp末端基序（如CCCA、CCAA）、6bp断裂点基序（如CTCC、AATTGC）；
- 2.
全局特征：片段长度分布、E-index（末端多样性指数）、N-index（片段大小分布均匀性指数）；
- 3.
基因组区域特征：通过ichorCNA分析拷贝数变异（CNA），利用LIQUORICE算法评估染色质可及性，通过Griffin流程分析核小体定位；
- 4.
重复元件特征：包括Alu元件（AluY、AluS、AluJ等亚家族）、长末端重复序列（LTRs，如LTR_ERVL）、转座子元件（如DNA_hAT_Charlie）及RNA元件。
采用广义线性模型（GLM）和深度神经网络（DNN）进行模型训练，并通过200次10折交叉验证优化参数。最终锁定性能更优的GLM模型进行验证。
结果
模型性能验证
GLM模型在训练集、内部验证集和外部验证集中的AUC分别为0.959、0.979和0.959。在内部验证集中，对早期（I+II期）和晚期（III+IV期）CRC的AUC分别为0.969和0.982；外部验证集中分别为0.953和0.965。模型在女性（AUC=0.969）和年龄<65岁人群（AUC=0.967）中表现更优。
恶性与良性样本的分子特征差异
- 1.
末端基序：恶性样本中CCCA、CCAA、CCCT等基序频率显著升高（P<0.001）；
- 2.
Alu元件：良性样本中AluY、AluS、AluJ频率均高于恶性样本；
- 3.
LTRs：恶性样本中LTR_ERVL等亚家族频率更高；
- 4.
染色质结构：Griffin分析显示恶性样本核小体覆盖振幅改变，LIQUORICE揭示其片段深度分布更分散；
- 5.
转座子：DNA_hAT_Charlie等在恶性样本中频率降低，而Tigger15a等DNA转座子在良性样本中更活跃。
讨论
本研究通过整合多维度cfDNA片段组学特征，构建了高性能CRC检测模型。与既往仅关注末端基序或断裂点的研究相比，本研究纳入重复元件（如Alu、LTRs）和染色质特征，显著提升模型区分恶性与良性病变的能力。Alu元件在良性组织中高频率可能反映其基因组保护作用，而LTRs的激活可能与癌症基因组不稳定性相关。局限性包括外部验证集早期CRC检测性能有待提升，以及模型在跨人群泛化性需进一步验证。
结论
cfDNA片段组学特征（尤其是重复元件差异）结合机器学习算法，在CRC非侵入性检测中展现出巨大潜力。该策略为开发高灵敏度、高特异性的CRC液体活检工具奠定了方法学基础，并深化了对结直肠癌发生发展中基因组结构变化的理解。
