首页走进工研院科研进展正文

宁波材料所在膀胱癌生物标志物及早期诊断模型应用方面取得进展

发布时间：2024-04-22 来源：宁波材料所

膀胱癌（BC）是世界十大恶性肿瘤之一，发病率和死亡率较高，严重威胁患者生命健康。2020年，全球报告约57.3万例新增BC病例，超过21.2万人死于BC。据中国国家癌症中心（2022年）的报告，中国每年约有8.23万例新增BC病例和3.37万例死亡病例。该疾病表现为非肌层浸润膀胱癌（NMIBC）、肌层浸润膀胱癌（MIBC）或疾病的转移形式（Metastatic Spread）。与NMIBC相比，MIBC作为晚期表现形式，患者手术更复杂、风险更大，术后并发症多且生活质量显著降低。因此，BC的早期筛查与诊断具有重要意义。目前BC的诊断仍依赖于肾活检和膀胱镜检查。肾活检是一种有创的、具有侵入性的检查手段，膀胱镜检查是一种高敏感的检测方法，但具有侵入性且价格昂贵，患者常常在检查过程中感到不适。无创的血清或尿液生物标志物的发现及相关早期诊断模型的建立将有助于BC的早期筛查和诊断，改善治疗现状。

针对上述问题，中国科学院宁波材料技术与工程研究所基因诊疗材料团队与宁波第一医院吴科荣研究团队开发了基于机器学习的诊断模型，对BC进行早期筛查和诊断。该模型包括血清和尿上清共14个生物标志物的诊断模型，其曲线下面积（AUC）为0.91，准确度为0.86，灵敏度为0.87，特异度为0.82。模型在检测低风险BC（包括低分级和低分期的BC）方面的表现优于荧光原位杂交（FISH），并且在检测不同分级、分期和大小的BC病例方面更为优越。由于肿瘤发展期间的分子变化极其复杂，具有多种诊断特征的标志物组合与单一诊断标志物相比表现出更好的性能。该成果为BC的早期筛查和诊断提供了有价值的研究基础。相关成果以“Identification of novel protein biomarkers from the blood and urine for the early diagnosis of bladder cancer via proximity extension analysis”为题，发表在Journal of Translational Medicine, 2024;22(1):314. doi:10.1186/s12967-024-04951-z。

研究过程中，团队回顾性收集了BC患者和健康对照组的血清和尿液样本，利用Olink临近延伸分析（PEA）技术检测了92种与炎症相关的蛋白质的表达水平（图1）。通过单变量分析评估差异蛋白质表达（p <0.05）（图2）。选定的潜在生物标志物（AREG、RET、WFDC2、FGFBP1、ESM-1和PVRL4）通过免疫组化和单细胞测序在BC和邻近组织中进行了进一步验证，表明其可作为BC的潜在生物标志物进行进一步的研究（图3，图4）。通过LASSO回归构建诊断模型，以区分BC患者和健康对照组，并与FISH的检测能力进行了比较。区分BC和健康对照的灵敏度模型（87.23%）显著高于FISH（65.22%）（p < 0.05）。在高级别肿瘤（HG）患者中，模型的表现优于FISH（94.23% vs. 80.77%）。在低级别肿瘤（LG）患者中，模型的灵敏度显著高于FISH（78.38% vs. 45.71%）（p < 0.05）。对于5例低恶性潜能的乳头状尿上皮肿瘤样本，模型可检测到4例（80%），而FISH只能检测到2例（40%）。该模型对于NMIBC样本的灵敏度显著高于FISH（85.71% vs. 65.22%）（p < 0.05）。检测MIBC方面模型的灵敏度也显著高于FISH（84.21% vs. 73.68%）（p < 0.05）。模型在Ta期患者中的检测率显著高于FISH（80.43% vs. 50%）（p < 0.05），在T1期患者中的灵敏度达到100%，显著高于FISH的灵敏度（82.75%）。该模型对于较大肿瘤（≥30 mm）检测的灵敏度约为92.11%，对于较小肿瘤（<30 mm）检测的灵敏度约为83.93%（图5）。

PEA的新型液体活检技术结合了基于抗体和基于DNA的检测方法的优点，具有高度敏感性和特异性，对疾病筛选和鉴定、疾病诊断和分层、检测生物标志物具有重要价值。

以上研究得到了宁波市3315创新团队基金（2019A-14-C）、国家自然科学基金（22105124）、宁波市自然科学基金（2021J037）、中国科学院宁波材料技术与工程研究所所长基金（2021SZKY0203）、浙江省医药卫生科技计划青年创新项目（2023RC079）、浙江省动脉粥样硬化疾病精准医学重点实验室（2022E10026）、宁波市优秀医学与健康科研项目（2022020203）以及中国科学院特聘研究助理计划的支持。