肺癌的早期检测：基于 LC-MS/MS 的挥发性有机化合物生物标志物分析

关键词：肺癌；生物标记；早期检测

对肺癌的早期诊断有助于提高治愈率，降低死亡率。  

低剂量CT筛查有助于肺癌的诊断，但其成本和电离辐射使其无法实现作为筛选手段而大范围普查；挥发性组学方法，特别是呼气挥发性有机化合物 (VOCs) 指纹分析，由于其方便、无创且耐受性好，在早期肺癌筛查中的应用受到强烈关注。

然而，呼气成分中的痕量VOCs疾病标记物的精准定量筛查方法目前仍无法满足临床要求。

2023年2月，由浙江大学和协和深圳医院联合完成、题为“LC-MS/MS Based Volatile Organic Compound Biomarkers Analysis for Early Detection of Lung Cancer”发表于Cancers杂志。

研究基于 LC-MS/MS 的挥发性组学分析进行了 VOCs 作为新型癌症生物标志物的呼吸分析，找到与早期肺癌相关的呼气挥发性有机化合物，为肺癌的早期筛选标记物提供了新的思路。

主要研究内容

在本研究中，研究者首次系统完整地建立了基于LC-MS/MS的从呼气采集、预处理到代谢分析的标准定量分析方法，并建立了可以应用于早期肺癌筛查的标记物组合和阈值。

标准的呼气采集方法，实现了对呼气成分不同食物和器官来源的区分；采用羰基衍生化方法的固相定量萃取过程，实现了气相样品到定量稳定可控的液相样品的转换；采用液相色谱串联三重四级杆质谱方法对液相衍生呼气样品进行检测，与目前的临床定量方法完全一致，且大幅提高定性结果的敏感性和可靠性。

检测对象为人体呼气中25种具有稳定衍生化反应和LC-MS/MS分析方法的小分子羰基VOCs，4种羰基VOCs无法检测且未显示。

除了寻找癌症患者呼出气的标记物差异外，研究者还进一步研究了癌症患者呼出气体中3-羟基-2-丁酮和2-戊酮（TG-4和TG-8）的可能代谢来源和代谢机制。

主要结果

与现有方法相比，本工作的系统方法具有优异的痕量气相样品分子的定量性能，精确揭示了不同VOCs成分在人体呼气中ppbv级别的差异。

通过对早期肺癌患者术前、术后1小时、术后 3 至 7 天、术后 4 至 6 周空腹及进食后呼气样品，与健康对照组进行比较， 结果显示，餐后仅 1小时h，3-羟基-2-丁酮（TG-4）、乙醇醛（TG-7）、2-戊酮（TG-8）、丙烯醛（TG -11)、壬醛 (TG-19)、癸醛 (TG-20) 和巴豆醛 (TG-22)，在肺癌患者和对照组之间存在显着差异，其中浸润性肺腺癌 (IAC) 的差异最为显着 ，其敏感性和特异性最高为70%和76%。

该研究调查了呼出气中羰基挥发性有机化合物 (VOC) 的来源。结果假设这些 VOCs 可能来自消化道/口腔，收集了受试者饮用 5% 葡萄糖溶液后口腔和鼻腔的呼气样本。

结果表明，TG-4和TG-10这两种羰基VOCs在口腔呼出气中的浓度明显高于鼻腔。这表明口腔代谢中的羰基 VOCs 是呼出气中的主要成分。

此外，饮用糖或口服糖后口腔呼气中TG-4浓度显着升高表明TG-4主要来自口腔。而TG-8可来源于人体内的脂质代谢。

结论

呼气检测作为一种新颖、无创的方法完全有望提高早期癌症的检出率，基于采集、定量衍生和LC-MS/MS检测的呼吸分析与目前的临床分析仪器和方法完全兼容。

本研究除了寻找癌症患者呼气的差异外，还研究了多种标记物在癌症患者呼气中的可能代谢来源和代谢机制，口腔细菌的糖代谢和人体的脂质代谢均能带来早期肿瘤患者等不同组间的样品区别。

其中TG-4的敏感性和特异性在受试者工作特性（ROC）曲线分析中差异最大，达到了70%和76%。

结果显示呼气分析作为一种无创、快速的诊断方法，有望应用于早期肺癌的诊断和筛查。

（图源：Ref 3）

编者按：

降低肺癌病死率的最重要方法是早期筛检；一个无创、易于操作、敏感性高的检测方法有助于临床的实施。

虽然仍需要很多工作来进一步验证呼吸 VOCs 分析对肺癌早期诊断的准确性，但这项研究及之前发表的类似研究已经表明，呼吸 VOCs 分析很可能是改善肺癌早期检测的一种有前途的方法。

为了促进临床筛检工具的批准和使用，通常需要从以下四个层次推进。

1）与健康对照者的比较

正如本研究所展示的，比较肺癌患者和健康人呼吸中的 VOC 水平，有助于确定与肺癌相关的特定 VOC。

这种方法可以帮助建立基线并确定两组之间的任何显著差异，也就是看到相关性（统计学相关和生物学相关）。

2）特定 VOC 的识别

相关性研究之后，有必要找到特异性。

不同类型的癌症具有独特的代谢和生化过程，可导致特定的 VOC 释放到呼吸中。

因此，识别和量化肺癌患者呼吸中的特定 VOC 有助于肺癌的早期诊断。

本研究也做了识别和量化，包括部分机制研究。

3）机器学习

机器学习算法可用于分析呼吸中挥发性有机化合物的模式，并预测是否存在肺癌。

这种方法有可能提高早期肺癌检测的准确性。

尽管初筛手段更多追求敏感性，但是特异性仍然是不可忽略的指标。

4）大规模临床试验

可进行涉及大量患者的临床试验，以评估呼吸VOCs在肺癌早期检测中的有效性。

这些试验有助于验证小型研究的结果，并提供更确凿的证据证明呼吸 VOC 在肺癌诊断中的效用。

总之，可以使用多种方法评估呼吸 VOC 对肺癌早期诊断的影响，包括与健康对照的比较、特定 VOC 的识别、机器学习技术和大规模临床试验。这些方法有助于验证呼吸VOCs在早期肺癌检测中的潜在效用，提高肺癌诊断的准确性。

点击👆，关注生物医学前沿！