编辑推荐：
本期为您推荐一篇关于胰腺癌早期诊断的前沿研究。该研究针对胰腺导管腺癌（PDAC）预后差的难题，开发了一种新型诊断系统。研究者利用高灵敏的胞外囊泡（EV）计数平台（ExoCounter），结合凝集素多重检测与机器学习分析，成功筛选出凝集素Jacalin与Agaricus bisporus凝集素（ABA）的最优组合。该基于血清EV的诊断系统展现出卓越的早期诊断性能（尤其对I期PDAC AUC达0.870），显著优于传统标志物CA19-9，为PDAC的液体活检提供了极具潜力的新策略。
胰腺导管腺癌诊断新系统：血清胞外囊泡检测与机器学习优化的凝集素组合
1. 引言
胰腺导管腺癌（PDAC）是最具侵袭性的恶性肿瘤之一，2024年已在美国成为癌症相关死亡的第四大原因。其五年生存率仅为13%，主要原因在于早期诊断困难。手术切除是唯一可能的根治手段，但确诊时仅约20-30%的患者符合手术条件。因此，开发可靠的PDAC筛查策略至关重要。现有血清学标志物，如碳水化合物抗原19-9（CA19-9），其诊断可靠性有限。肿瘤细胞常表现出异常的糖基化模式。胞外囊泡（EVs）是细胞分泌的膜性囊泡，含有核酸、蛋白等生物活性物质，参与癌症进展和转移过程。已有研究报道了PDAC相关EVs，但其作为筛查标志物的敏感性和特异性不足。本研究团队此前开发了高灵敏的EV计数系统（ExoCounter），能够定量血清中特定EVs的绝对数量。近期，团队还利用凝集素微阵列证明了PDAC患者血清中多种凝集素特异性EVs发生改变。本研究旨在通过基于凝集素的多重检测结合ExoCounter平台，分析PDAC患者血清EVs的糖基化改变特征，并利用机器学习筛选诊断性能最优的凝集素组合。
2. 材料与方法
本研究使用了ExoCounter平台。首先，从PDAC患者（两个独立队列）和正常对照（NC）的血清中，通过尺寸排阻色谱法分离出EVs。利用纳米颗粒追踪分析和扫描透射电子显微镜对分离的EVs进行表征验证。将11种凝集素（包括SSA、ACG、Jacalin、ACA、PNA、ABA、ConA、LTL、LEL、STL和LSL-N）预先包被在光学磁盘表面。将分离的血清EVs样本加入孔中，使携带特定糖基的EVs被凝集素捕获。随后，加入与纳米磁珠（FG beads）偶联的抗CD9抗体，对捕获的EVs进行标记。最后，通过ExoCounter对结合了磁珠的EVs进行定量计数。凝集素阳性EVs的计数被标准化为总CD9阳性EVs的计数。
数据处理与分析方面，使用支持向量机（SVM）构建机器学习模型。模型输入为从队列1（NC=41， PDAC=40）获得的标准化凝集素EV计数数据，目标是区分PDAC与NC。模型训练后，用队列2（PDAC=20， NC=20）的数据进行验证。通过计算受试者工作特征曲线下面积（AUC）评估各凝集素组合的诊断性能。此外，还测量了队列1部分样本的血清CA19-9水平用于对比。
3. 结果
3.1. 凝集素优化与机器学习筛选
首先，研究人员评估了11种凝集素单独使用时的诊断效能。在单个凝集素中，Jacalin的AUC最高，但仍未达到0.8，表明单一凝集素无法实现充分的诊断性能。为了优化诊断性能，研究人员利用机器学习模型系统评估了所有可能的凝集素组合。结果显示，大多数高性能组合都包含Jacalin。其中，Jacalin与Agaricus bisporus凝集素（ABA）的双凝集素组合在队列1、队列2及合并队列中均表现出优异且稳定的高AUC值（分别为0.890、0.971和0.917），显著优于单用Jacalin。
3.2. Jacalin/ABA组合的诊断性能
与临床常用的标志物CA19-9相比，Jacalin/ABA组合的诊断性能显著更高。在队列1中，CA19-9的AUC为0.752，而Jacalin/ABA组合的AUC为0.890。Delong检验显示两者AUC差异具有统计学意义。更重要的是，该组合在早期PDAC诊断中展现出巨大潜力。针对队列1中I期PDAC患者（n=9）与NC的分析显示，Jacalin/ABA组合的AUC高达0.870，敏感性为77.8%，特异性为88.9%。
3.3. 对其他癌症的检测性能
为了评估该组合的特异性，研究人员还检测了肺癌、结直肠癌、胃癌和乳腺癌患者的血清。结果显示，PDAC样本的SVM预测评分显著高于结直肠癌和乳腺癌样本。然而，在区分PDAC与肺癌时，该模型的效能有限（AUC=0.552），这表明肺癌也可能释放类似的Jacalin/ABA阳性EVs。
4. 讨论
本研究通过系统性评估凝集素组合，并借助机器学习分析，确定了Jacalin与ABA是诊断PDAC的最佳凝集素组合。Jacarin偏好结合截短的O-聚糖，而ABA可识别延伸的O-聚糖以及N-聚糖末端的N-乙酰葡糖胺（GlcNAcβ）残基。两者在识别不同类型糖基化上的互补性，很可能是其实现高诊断性能的基础。在PDAC中，MUC1等粘蛋白的异常O-糖基化已被广泛报道，这些可能是Jacalin/ABA结合的潜在靶抗原。
本研究也存在一些局限性。首先，所有样本均来自已确诊的PDAC患者，无法评估其在无症状人群中的真实筛查性能。其次，所有参与者均为日本人，可能存在选择偏倚。第三，使用同一批NC样本进行模型训练和验证。第四，PDAC来源EVs中具体的糖基化结构和糖基化抗原尚不明确。第五，CA19-9的测量仅在队列1中进行。第六，需进一步评估检测其他EV标志物（如CD63、CD81）的诊断性能。第七，需要利用多种EV标志物和阴性对照，进一步验证样本制备流程。第八，建立可靠的生物标志物还需要进一步的验证，包括分析性能（如糖特异性、重现性、线性、回收率、冻融稳定性等）和临床性能（如在其他癌症类型、慢性胰腺炎、胰腺导管内乳头状黏液性肿瘤等良性疾病中的特异性评估）。第九，需要进一步分析以确定用于检测包括肺癌在内的其他癌症类型的最佳凝集素组合。
5. 结论
本研究证明，利用最优化的Jacalin和ABA凝集素组合，可以实现对血清中PDAC特异性EVs的高灵敏度检测。尽管仍需进一步验证，但这种基于凝集素的EV计数系统，在作为PDAC早期诊断的筛查工具方面展现出巨大潜力。
