Small Methods:基于房水代谢指纹监测视网膜母细胞瘤

视网膜母细胞瘤(Retinoblastoma, RB)是最常见的儿童眼内恶性肿瘤,约占儿童癌症的10%,可导致患者完全失明甚至死亡。因此,有效的RB监测方法对其治疗决策具有重要意义,在发达国家可提高5年生存率至95%,同时显著降低患者医疗成本,改善视力质量。然而,常规的RB监测方法需要结合眼底检查、影像学检查和组织病理检查等,其操作复杂,费用高,并且需要专业人员操作。此外,在资源有限的地区RB监测仍然不足,死亡率甚至可能达到70%以上。因此,开发新型简便的RB监测工具显得尤为重要,特别是对于资源有限地区的儿童。

生物体液中生物标记物的检测正逐渐取代传统的活检和成像技术。在细胞水平上,对血液中循环肿瘤细胞等特定细胞分析可以动态监测癌症进展。在分子水平上,直接检测特定分子有利于生物体液的大规模应用。特别地,与蛋白和基因生物标志物相比,代谢生物标志物作为通路的最终产物,以更远端的方式描述了正在进行的生理病理过程。值得注意的是,与单一生物标志物相比,构建一组生物标志物组合对于表征复杂生物系统至关重要。

针对以上问题,上海交通大学钱昆教授课题组联合上海交通大学医学院附属第九人民医院贾仁兵教授基于纳米颗粒增强激光解吸电离平台,开发了高性能房水代谢指纹方法,并用机器学习成功区分了不同分期的RB病人。首先,他们使用纳米颗粒增强激光解吸电离平台,获得了高性能房水代谢指纹,其具有样本量消耗低(40 nL),可重复性高(变异系数 < 10%)以及灵敏度高(低至0.3 pmol)等优点。随后,他们采用机器学习区分早期和晚期RB患者,其曲线下面积(area-under-the-curve, AUC)超过0.9,准确率超过80%。最后,他们鉴定出了一个包含7个代谢物的生物标志物组合,在代谢通路分析中发现,有5个相关代谢通路受到显著影响。该工作由钱昆教授课题组硕士研究生刘万山和贾仁兵教授实验室罗颖秀共同完成,相关结果发表在Small Methods(DOI: 10.1002/smtd.202101220)上。

论文信息:

Monitoring retinoblastoma by machine learning of aqueous humor metabolic fingerprinting

Wanshan Liu, Yingxiu Luo, Jingjing Dai, Ludi Yang, Lin Huang, Ruimin Wang, Wei Chen, Yida Huang, Shiyu Sun, Jing Cao, Jiao Wu, Minglei Han, Jiayan Fan, Mengjia He, Kun Qian*, Xianqun Fan*, Renbing Jia*

Small Methods

DOI: 10.1002/smtd.202101220

原文链接:

https://onlinelibrary.wiley.com/doi/10.1002/smtd.202101220