癌症是全球主要公共健康威胁，2020年全球癌症死亡达1000万例，早期发现、诊断和治疗能显著提高绝大多数癌症患者的生存率，降低癌症引起的社会经济负担。研究发现，血浆蛋白质在信号传导、物质运输、生长修复及抗肿瘤等生物过程中发挥关键作用。目前借助免疫亲和-质谱联用技术结合抗体特异性与质谱灵敏度，可从较强的背景噪声中检测低丰度标志物，然而大规模挖掘癌症的血浆蛋白标志物仍然是当前亟待解决的问题。

近日，复旦大学联合团队在《Nature Biomedical Engineering》发表题为"Cancer biomarkers discovered using pan-cancer plasma proteomic profiling"的文章。研究团队开发可在1小时内定量鉴定2000余种血浆蛋白质的非数据依赖采集质谱（DIA-MS）血浆蛋白质图谱分析系统，并通过队列筛选出6类肿瘤共47个核心标志物。该团队进一步整合随机森林和线性判别分析的机器学习算法开发癌症诊断、泛癌分类和预后检测模型，有望基于血浆蛋白质组实现癌症全周期管理。

该研究共纳入2251例样本（发现队列含1088例泛癌患者、278例良性病变和200例健康人；验证队列纳入585例初治泛癌患者和100例健康对照），构建的诊断模型在独立验证队列中表现优异：食管癌诊断AUC达0.98，膀胱癌/肾癌达0.95，远超传统标志物。诊断小细胞肺癌灵敏度超95%，而传统标志物AFP仅检出41%患者。且该研究纳入多中心685例样本作外部验证，泛癌多分类模型宏观AUC达0.98，证实其泛化能力。动态监测显示，CDK5等蛋白术后变化与治疗效果高度同步，例如1例患者术后CDK5水平下降80%，比影像学复发提示提前5个月。

该研究首次系统性验证血浆蛋白质组在泛癌种全周期管理中的潜力，为癌症早筛开辟新路径。其高灵敏度特点尤其适用于传统标志物阴性患者。随着技术优化，该方法有望成为癌症临床管理的核心工具。

论文链接：

https://doi.org/10.1038/s41551-025-01448-y

注：此研究成果摘自《Nature Biomedical Engineering》杂志，文章内容并不代表本网站的观点和和立场，仅供参考。