灵敏度高达94.9%！牛津团队AI多模态ctDNA检测方法，进行癌症早筛

编辑 | 2049

在癌症诊疗的漫长征程中，早期检测始终是最具挑战性的环节之一，液体活检技术因其无创性和高灵敏度而备受关注。然而，现有的检测方法大多依赖于深度靶向测序，难以同时整合多模态数据，导致检测灵敏度和特异性受限。

正是基于这一技术痛点，牛津大学的研究团队开发了一种基于全基因组 TET 辅助吡啶硼烷测序（TAPS）的多模态循环肿瘤 DNA（ctDNA）检测方法。

该方法不仅能够同时分析基因组和甲基化数据，还在多种癌症类型的诊断中表现出高达 94.9% 的灵敏度和 88.8% 的特异性。这一突破性技术为癌症早期筛查和患者分层提供了新的可能性。

该研究以「Multimodal cell-free DNA whole-genome TAPS is sensitive and reveals specific cancer signals」为题，于 2025 年 1 月 8 日发布在《Nature Communications》。

研究背景

癌症的早期检测对改善患者预后至关重要。然而，现有的筛查项目仅覆盖不到 30% 的癌症类型，且依赖于侵入性检查，导致接受度较低。多癌种早期检测（MCED）技术通过液体活检实现无创检测，但其在无症状人群中的假阳性率较高，限制了其广泛应用。

传统的 ctDNA 检测方法主要依赖于靶向深度测序，虽然灵敏度较高，但仅能检测特定类型的癌症和突变，无法充分利用多模态数据。此外，常用的亚硫酸氢盐测序技术会破坏 80% 的 ctDNA，显著降低检测灵敏度。

为了解决这些问题，研究团队开发了一种基于 TAPS 的全基因组测序方法，能够在单次测序中同时分析基因组和甲基化数据，从而显著提高检测的准确性和适用范围。

TAPS 技术的核心理念与理论基础

TAPS 是一种基于碱基分辨率的新型测序技术，能够检测 5-甲基胞嘧啶和 5-羟甲基胞嘧啶。与传统的亚硫酸氢盐测序不同，TAPS 通过 TET 酶和硼烷的组合，仅将 5% 的甲基化胞嘧啶转化为胸腺嘧啶，从而保留了基因组信息，并允许在同一测序数据中同时进行基因组和甲基化分析。

这一技术的核心优势在于其非破坏性，能够在低 ctDNA 含量（低至 0.7%）的情况下仍保持高灵敏度。研究团队通过对 61 例癌症患者和 30 例非癌症对照的样本进行深度测序（80x），验证了 TAPS 在多种癌症类型中的诊断准确性。

图示：研究概述。（来源：论文）

多模态数据整合与分析方法

研究团队开发了一套多模态数据分析流程，整合了拷贝数变异（CNA）、体细胞突变和甲基化信号，以提高 ctDNA 检测的灵敏度。

首先，通过将基因组划分为 1 kb 的非重叠区间，统计每个区间的高质量比对读数，并进行去噪处理，以去除 GC 含量和可映射性引入的系统偏差。随后，利用主成分分析（PCA）对非癌症样本的背景噪声进行建模，并通过 Savitzky-Golay 滤波器进一步平滑数据。

图示：拷贝数变异分析。（来源：论文）

在体细胞突变分析中，研究团队采用深度全基因组测序（80x）策略，结合 TAPS 特异性软件，有效区分了体细胞突变和测序误差。

图示：体细胞突变负担分析。（来源：论文）

甲基化分析则基于 TCGA 数据库中的高甲基化区域，通过片段中心的方法提高了低 ctDNA 含量下的检测灵敏度。

图示：甲基化信号分析。（来源：论文）

实验结果与性能评估

研究团队通过 ROC 曲线分析评估了该方法的性能。在模拟数据中，当 ctDNA 含量低至 0.7% 时，AUC 值达到 86%，表明该方法在低 ctDNA 含量下仍具有较高的区分能力。在临床样本中，整合多模态数据的检测灵敏度达到 85.2%，显著高于单一数据模态的检测结果。

图示：用于 ctDNA 检测的基因组数据模式的整合。（来源：论文）

此外，研究团队还开发了一个多类分类器，用于预测癌症类型，其平衡分类准确率达到 71.7%。在结直肠癌患者的术后监测中，该方法成功追踪了 ctDNA 的动态变化，并与临床结果高度一致。例如，在一例结直肠癌患者中，术后 1 年检测到的 ctDNA 与 3 年后发现的转移性癌症相关。

图示：多模式 ctDNA 检测用于无匹配肿瘤的结直肠癌术后 MRD 和辅助治疗反应跟踪。（来源：论文）

结语

综上所述，基于 TAPS 的多模态 ctDNA 检测方法在癌症早期检测和术后监测中表现出显著的优势。其高灵敏度和特异性为癌症筛查和患者分层提供了新的工具。

然而，该方法在实际应用中仍面临一些挑战，例如深度测序的成本较高，且在资源有限的临床环境中推广存在困难。未来的研究可以进一步优化测序深度，探索更经济的测序技术，并扩大样本量以验证其在更多癌症类型中的适用性。

此外，构建基于 TAPS 的甲基化图谱将有助于提高癌症起源预测的准确性。该研究不仅为癌症早期检测提供了新的技术路径，也为多模态数据整合在液体活检中的应用开辟了新的方向。

论文链接：https://www.nature.com/articles/s41467-024-55428-y