Page 30 - 《南京医科大学学报》2026年第1期
P. 30

第46卷第1期
              · 24   ·                           南 京    医 科 大 学 学         报                        2026年1月


              cfDNA中TP53突变和CDKN2A甲基化的联合检测，                      性 ［21］ 。片段组学绘制染色质空间构象图谱，如拓扑
                                            ［16］
              诊断灵敏度达78%，特异度为92%               。                 关联域重构与增强子⁃启动子环化共同解释MYC基
              2.2 预后评估                                          因过度表达      ［23］ 。蛋白质组与代谢组作为功能输出
                  多项研究表明，治疗前 cfDNA 浓度和其中的                       的终端验证，例如表皮生长因子受体（epidermal
              ctDNA 水平往往与 HNSCC 患者的预后密切相关。                      growth factor receptor，EGFR）突变激活丝裂原活化
              血浆中 cfDNA 浓度越高，cfDNA 中的 ctDNA 水平越                 蛋白激酶（mitogen activated protein kinases，MAPK）
              高，患者预后往往越差。Chen 等             ［17］ 的相关研究报         通路促进乳酸生成，代谢通量分析甚至可推断未检
                                                                               ［22］
              道，cfDNA>30 ng/mL的患者3年生存率仅为25%，而                   测的酶活性变化 。
              <30 ng/mL组为65%。并且有相关研究报道，cfDNA                         协同增效：多组学的协同增效将突破单组学的
              中的特定基因突变，例如 NOTCH1 突变的存在也与                        固有限制，在敏感性、特异性和系统性3个方面实现
              肿瘤分化障碍和肿瘤侵袭性增强相关，可造成患者                            全面提升。单组学的敏感性较低，这源于生物学的
              预后不良     ［18］ 。所以，通过对 cfDNA 分子层面的分                复杂性和相关检测技术的局限性。相关研究表明，
              析，可以揭示 HNSCC 患者的分子特征，从而预测患                        将 ctDNA、外泌体 miRNA 和相关蛋白质标志物整

              者的疾病复发、转移风险和生存时间，较传统的TNM                          合，可将早期癌症的检出率提升至92%                 ［24］ 。单组学
              分期可以提供更加个体化、精细化的预后评估。                             研究中数据的高噪声导致其数据的假阳性率较多
              2.3 治疗检测                                          组学明显偏高。研究表明，通过整合表达数量性状
                  cfDNA 的动态变化可以反映 HNSCC 的治疗                     位 点（expression quantitative trait loci，eQTL，转 录
              效果。相关研究表明，治疗 2 周后 cfDNA 浓度下                       组）、甲基化数量性状位点（methylation quantitative
              降>50%的患者，其客观缓解率显著高于下降幅度小                          trait loci，meQTL，表观组）和蛋白质数量性状位点
              的患者（78% vs. 32%） 。另外一项Ⅱ期临床试验                     （protein quantitative trait loci，pQTL，蛋白质组）数
                                 ［19］
              显示，基于cfDNA监测调整治疗方案可使HNSCC患                        据 ，可 显 著 提 高 功 能 性 单 核 苷 酸 多 态 性（single
                                            ［20］
              者中位无进展生存期延长3.2个月 。                                nucleotide polymorphism，SNP）的识别率和特异性       ［25］ 。
                  以上相关研究虽在HNSCC的早期诊断、预后评                        基于多组学的整合优势，可构建动态调控网络，较
              估及治疗检测中展现出较大潜力，但其单组学研究                            单组学的线性关系有着巨大的系统性的解析潜力。
              存在的固有限制使如今的研究人员不得不转向多                                  数据融合策略：通过整合基因组、表观组、蛋白
              组学整合。                                             质组和代谢组等多组学数据，并将其融合，可以进
                                                                一步展示生物系统间的复杂关系，并为精准医学提
              3  用于HNSCC早期诊断的cfDNA多组学整合策略
                                                                供基础和技术支持。数据融合策略主要包括特征
              与标志物
                                                                级、决策级、模型级。特征级融合，即通过标准化和
              3.1  多组学整合的概念及其核心理念                               降维技术将多组学中的特征投射到同一个空间。例
                  多组学整合，即同时采集和分析多种生物学层                          如，“泛癌图谱”（Pan⁃Cancer Atlas）项目整合了33种
              面的数据，如通过整合基因组、转录组、蛋白组和代                           癌症的基因组、表观组数据，并结合临床数据，探
              谢组等多维度数据，并通过生物信息学方法融合分                            索出了跨癌种的共同驱动通路               ［26］ 。决策级融合是
              析，以揭示疾病的分子机制            ［21-22］ ，是后基因组时代的         一种通过整合多个独立模型的预测结果从而提高
              重要方法论。多组学整合有三大核心理念。                               整体分析准确性的方法，主要通过加权投票和
                  互补性：多组学整合通过整合基因组学、表观                          Stacking 算法实现。目前已有研究基于 Stacking 算
              组学、片段组学和蛋白质组与代谢组，将上述生物                            法，利用机器学习开发出了预测准确率和预测性能
              信息组别协同解码，揭示了生物系统的复杂性与互                            较传统方法显著提高的新算法               ［27］ 。模型级融合则
              补性。基因组学通过识别遗传变异揭示疾病发生                             主要通过结合多个模型的预测结果来提高整体性
              的基础，例如 TP53 突变需结合染色质开放区域（片                        能。这 3 种策略各有优势，共同推动多组学整合在
              段组学）和启动子超甲基化（表观组）验证其功能性                           精准医学中的发展。
              影响。而表观组学通过 DNA 甲基化和组蛋白修饰                          3.2 HNSCC中各关键组学的标志物
              调控基因表达，表观沉默基因的蛋白质表达缺失                                  基因组学：可揭示 HNSCC 中的基因突变、染色
              可能早于转录水平变化，提示跨组学验证的必要                             体重排和拷贝数变异等信息。TP53 突变是HNSCC
   25   26   27   28   29   30   31   32   33   34   35