《Nature Medicine》一种快速且精准的脑肿瘤分类新方案

研究人员针对脑肿瘤术中分子诊断难题，开展 MethyLYZR 相关研究，可快速准确分类脑肿瘤，意义重大。

　　

《Rapid brain tumor classification from sparse epigenomic data》这一研究成果发表于《Nature Medicine》，为脑肿瘤的诊断带来了新的曙光。在现代医学中，脑肿瘤的准确诊断是有效治疗的关键。然而，目前脑肿瘤的诊断面临着诸多挑战。约 100 种已知的脑肿瘤实体，其术中分子诊断在过去十年一直是神经病理学的目标，但在活检后 1 小时内实现临床相关的诊断仍难以达成。现有全基因组分子方法，如基于甲基化微阵列的技术，虽能对中枢神经系统（CNS）肿瘤进行分类，像 DKFZ Brain Classifier 12.8 可识别多达 184 种 CNS 肿瘤类别，但检测周转时间长达数天甚至数周，无法满足术中快速诊断的需求。因此，开发一种能够在术中快速、准确地对脑肿瘤进行分类的方法迫在眉睫。

为解决这些问题，来自德国 Christian-Albrecht University of Kiel、Max Planck Institute for Molecular Genetics 等多个研究机构的研究人员展开了深入研究。他们提出了 MethyLYZR，这是一种基于朴素贝叶斯框架的算法，能够利用稀疏的表观基因组数据对癌症表观基因组进行实时分类。

研究人员在研究过程中运用了多种关键技术方法。首先是纳米孔测序技术，它具有独特优势，核苷酸分辨率的序列数据在 DNA 或 RNA 链进入纳米孔后仅需几毫秒即可用于分析，还能同时获取表观遗传修饰信息，且基于转座酶的文库制备可在几分钟内完成。此外，研究使用了公开的 450k 甲基化阵列图谱进行模型训练，并对 DNA 提取和文库制备方法进行了优化，以适应术中测序的需求。

在研究结果部分，MethyLYZR 展现出了卓越的性能。从算法训练角度来看，其训练高效快速，在高性能服务器上仅需几分钟，在普通个人电脑上也能在不到 1 小时内完成。研究人员通过生成合成数据集模拟浅纳米孔甲基化模式评估其性能，结果显示，使用仅 1000 个随机选择的 CpG 位点，总体中位数准确率在不同分类中可达 91.45% - 97.02%，随着 CpG 位点增加，准确率进一步提高，在约 7500 个 CpG 位点时达到稳定。当引入高达 10% 的甲基化检测错误率时，准确率依然稳定。

在临床样本测试方面，研究人员对 51 例患者的活检样本进行了 75 次纳米孔测序实验。在优化的工作流程下，从活检采集到预测可在 1 小时内完成，且在 15 分钟的测序时间内，平均可获得约 7500 个 CpG 位点的数据。对这些样本的分析表明，MethyLYZR 在 73 个样本中获得了高置信度的预测，准确率达到 94.52%。对于 22 例同时进行快速纳米孔测序和 EPIC 甲基化阵列检测的活检样本，诊断结果高度一致，进一步证实了该方法的可靠性。

此外，MethyLYZR 在不同场景下都表现出色。它能够区分脑肿瘤和转移性肿瘤样本，准确率可达 88.76% - 90%；在处理脑脊液（CSF）中的游离 DNA（cfDNA）样本时，也能准确分类肿瘤，在 16 个符合预测阈值的样本中，准确分类了 15 个，包括正确识别一个转移瘤为非 CNS 肿瘤。而且，与其他方法如神经网络（Sturgeon）和基于随机森林（nanoDx）的预测相比，MethyLYZR 在有限数据下表现更优。

在研究结论和讨论部分，MethyLYZR 为神经系统恶性肿瘤的实时分子分类提供了潜在的应用方案。它的出现，使得脑肿瘤的术中诊断有了新的可能，有望改变传统的医疗系统结构，推动个性化肿瘤学的发展。然而，目前该研究仍存在一些局限性，例如需要通过多中心临床试验和前瞻性研究进一步验证其在不同样本队列和测序条件下的稳健性，且公开可用的测序 DNA 甲基化训练和测试数据稀缺，限制了模型的进一步发展。但总体而言，MethyLYZR 的研究成果为脑肿瘤的诊断和治疗开辟了新的道路，具有重要的临床意义和研究价值，为未来的相关研究和临床应用奠定了坚实的基础。