血浆蛋白质组与代谢组特征可实现对乳腺癌的无创早期检测及淋巴结风险分层

尽管超声检查和乳腺X光检查被广泛使用，但早期乳腺癌的检测准确性仍不尽如人意，尤其是在乳腺组织密度较高的亚洲女性中。这凸显出亟需基于生物学原理的无创诊断方法。目前，对于早期乳腺癌患者体内循环蛋白组及代谢组的改变，尤其是在大规模、经过充分验证的群体中的系统研究仍较为有限。在此，我们利用一项已注册的多中心前瞻性研究（NCT06016790）以及一个独立的外部验证队列，从九家医疗机构招募了662名参与者，旨在评估基于血浆的多组学液体活检技术在无创检测中的应用。通过数据独立获取的蛋白组学分析和非靶向代谢组学分析，共检测到了5,549种蛋白质和630种代谢物，随后在独立队列中对这些结果进行了针对性验证。综合分析显示，存在协调的分子重构现象，表现为细胞骨架及相关黏附蛋白（如ACTN1、VCL、ITGA2B和MYH9）的表达增加，同时脂质代谢途径也发生了变化。通过网络分析和轨迹建模，进一步识别出了13个与恶性肿瘤相关的蛋白质模块以及两种与疾病进展相关的代谢轨迹。基于这些特征，我们开发了ProMeta-BC模型，该模型结合了15种蛋白质和5种代谢物，能够有效区分良性与恶性病变（在训练集和验证集中的A值分别为0.973和0.951）；同时还开发了ProMeta-BC-LN模型，用于预测腋窝淋巴结转移情况（A值分别为0.841和0.753）。值得注意的是，在影像学检查结果与病理学检查结果不一致的情况下，该模型成功检测出了9例影像学阴性的癌症中的8例，同时正确重新分类了56例淋巴结状态判断有误的患者中的38例，显示出其重要的临床应用价值。总体而言，这些研究结果表明，循环蛋白组及代谢组中所编码的协调分子特征能够反映与疾病相关的生物学机制，为乳腺癌的无创检测和风险分层提供了可扩展且易于理解的框架。

论文链接：https://link.springer.com/article/10.1186/s12943-026-02713-7