《Molecular & Cellular Proteomics》：Plasma proteomic profiling was used to discover a biochemical recurrence prediction model for prostate cancer
编辑推荐：
本研究针对前列腺癌（PCa）术后生化复发（BCR）预测难题，通过DIA定量蛋白质组学分析222例PCa及159例对照血浆，构建了17-蛋白预测模型。该模型在独立队列中经PRM验证，预测效能优于ISUP分级及病理分期，为PCa精准预后提供了新型微创生物标志物资源。
前列腺癌（PCa）是男性泌尿系统最常见的恶性肿瘤之一，全球每年有近150万新发病例。虽然根治性前列腺切除术是局部PCa的主要治疗手段，但术后约有40%的患者会出现生化复发（BCR），即血液中前列腺特异性抗原（PSA）水平再次升高。BCR是疾病进展为转移性PCa的重要预警信号，然而，目前临床依赖的预后指标——如ISUP（国际泌尿病理学会）分级、病理TNM分期和术前PSA水平——对个体患者的BCR预测能力有限，常导致过度治疗或治疗不足。因此，开发高精度的微创生物标志物工具，以实现PCa的早期风险分层和复发监控，是临床亟待突破的瓶颈。
针对这一挑战，来自复旦大学附属肿瘤医院等团队的研究人员在《Molecular & Cellular Proteomics》上发表研究，利用高通量血浆蛋白质组学技术，首次系统描绘了PCa的血浆蛋白图谱，并成功构建了一个超越传统临床参数的17-蛋白BCR预测模型。
关键技术方法概览
研究纳入了复旦大学附属肿瘤医院（FUSCC）的两个独立队列：发现队列（222例PCa、159例健康对照）和验证队列（116例PCa）。技术核心是数据非依赖采集（DIA）质谱技术，结合自建的包含215,529个前体离子的高精度谱图库（基于327例组织样本构建），对血浆样本进行深度蛋白质组定量。模型验证采用了平行反应监测（PRM）靶向质谱技术，确保了结果的可靠性。
研究结果深度解读
1. 描绘PCa血浆蛋白质组景观与分子分型
研究人员首先对381例血浆样本进行了DIA分析，共定量了数千种蛋白质。通过整合ISUP分级、PSA水平等临床特征，他们发现了一系列与肿瘤恶性程度相关的蛋白网络。更重要的是，无监督聚类分析将PCa患者分为三个具有显著异质性的分子亚型（PCa-I, PCa-II, PCa-III）。这些亚型不仅在蛋白表达谱上截然不同，更对应着差异显著的临床预后，其中PCa-III亚型表现出最强的侵袭性特征和最高的复发风险，这为后续的精准预测奠定了分子基础。
2. 构建并验证17-蛋白BCR预测模型
基于机器学习算法，研究团队从海量数据中筛选出了一个由17种血浆蛋白组成的预测标志物面板，并据此建立了BCR预测模型。在发现队列中，该模型的预测效能（C-index）显著优于ISUP分级和病理分期。为了确证其临床转化价值，团队在独立的116例患者队列中进行了PRM靶向验证。结果显示，17-蛋白模型在验证队列中依然保持了优异的预测性能，能够有效识别出传统方法难以甄别的高危复发患者。
3. 揭示复发相关蛋白的生物学功能
进一步的功能分析表明，这17个核心蛋白并非随机组合，它们富集在细胞外基质组织、血管生成、免疫炎症反应等与肿瘤转移密切相关的生物学通路中。例如，一些在复发患者中高表达的蛋白参与了基质重塑和补体系统激活，这提示肿瘤微环境的改变在BCR发生过程中扮演了关键角色。
结论与意义
这项研究不仅提供了迄今为止最大规模的PCa血浆蛋白质组资源库，更重要的是，它向临床转化迈出了关键一步。17-蛋白血浆模型作为一种微创（仅需抽血）工具，有望在术后早期更准确地识别出高复发风险患者，从而指导个体化的辅助治疗和密集随访策略，避免低危患者的过度治疗。该研究为PCa的精准医疗提供了强有力的新工具。
