《Frontiers in Oncology》：Enhancing the accuracy of molecular classification of pediatric CNS tumors: a dual-classifier approach using DNA methylation profiling
编辑推荐：
本文评估了两种DNA甲基化分类器（Heidelberg分类器与NIH/Bethesda分类器）在单中心儿科队列中的应用，证实其在儿童中枢神经系统（CNS）肿瘤诊断中与整合组织病理学诊断的一致性达88.0%，并在54.7%的病例中提供了更精细的诊断。研究强调了分类器作为决策支持工具的价值，但需结合病理学复核（如WHO 2021指南）以避免误判非肿瘤性病变。
引言
准确诊断和分子分类中枢神经系统（CNS）肿瘤对患者管理至关重要。传统组织学诊断存在观察者间变异性和经验差异的局限性，而世界卫生组织（WHO）自2016年起将分子分析纳入CNS肿瘤分类体系。DNA甲基化谱分析作为一种强大工具，尤其适用于形态学不典型或具有挑战性的肿瘤诊断，如胶质瘤、室管膜瘤和髓母细胞瘤的亚型区分。例如，后颅窝A组和B组室管膜瘤通过DNA甲基化谱能精确区分，直接影响预后和临床试验设计。本研究旨在单中心儿科队列中并行评估Heidelberg分类器与NIH/Bethesda（Methylscape）分类器的性能，并分析技术因素（如组织保存、CpG数量、芯片版本）对分类结果的影响。
材料与方法
研究纳入96例儿科患者（75例CNS肿瘤、10例非CNS肿瘤和11例非肿瘤性CNS病变），使用Illumina MethylationEPIC芯片（850K/930K）生成甲基化数据。DNA从福尔马林固定石蜡包埋（FFPE）或新鲜冷冻（FF）组织中提取，通过Heidelberg分类器（版本12.8）和NIH Methylscape分类器进行分析。分类器输出包括甲基化“超家族”或“家族”级别的分类及校准评分（0-0.99），评分阈值设定为≥0.9（高置信度）和≥0.84（Heidelberg）或≥0.5（NIH）。同时进行t-SNE分析以可视化样本聚类。
结果
在CNS肿瘤中，Heidelberg分类器在超家族和亚类级别的匹配率分别为79%和59%（评分≥0.9），而NIH分类器分别为92%和68%。两者在CNS肿瘤分类中高度一致（超家族级别98.66%），但NIH分类器评分略高。非CNS肿瘤中分类器表现良好，但非肿瘤性CNS病变中，NIH分类器偶尔错误地将良性病变（如海绵状血管瘤）归类为低级别胶质瘤，凸显了病理复核的必要性。技术参数分析显示，FF与FFPE组织间CpG检测数量有差异（FF更高，p=0.0056），但分类器评分无显著影响；EPIC v2芯片虽增加CpG检测量，未提升分类评分。DNA输入量低至300ng仍可获得有效结果。重复性实验中，内部对照样本评分稳定，但亚类级别存在轻微波动。
讨论
DNA甲基化分类器在儿科CNS肿瘤诊断中与整合病理学的一致性高（88.0%），且能显著细化诊断（54.7%），与既往研究一致。分类器性能不受组织类型或芯片版本影响，但需注意非肿瘤病变中的误分类风险。t-SNE/UMAP嵌入分析有助于解析低置信度病例的生物学合理性。研究强调分类器应作为决策辅助工具，在 multidisciplinary team（MDT）框架下结合组织学、分子数据和临床背景进行解读。局限性包括单中心回顾性设计和样本量较小，未来需多中心前瞻性研究验证临床效用。
结论
双分类器策略可提升儿童CNS肿瘤分子分类的准确性，但需在明确阈值和病理主导的审阅下整合应用，以避免孤立依赖算法输出导致的诊断错误。
