基于呼气代谢组学的结直肠癌个性化筛查新策略：短链脂肪酸与醛类代谢标志物的发现与验证

本研究通过整合转录组学、呼气代谢组学与临床分析，首次揭示结直肠癌(CRC)发生过程中短链脂肪酸(SCFA)和醛类代谢的显著失调特征，开发出灵敏度达0.25 ng/L的MS靶向检测技术，构建的呼气VOCs诊断模型AUC达0.89，为CRC无创筛查提供突破性解决方案。

　　

Highlight
单细胞RNA测序揭示CRC代谢异常
通过40,617个单细胞核RNA测序(snRNA-seq)数据，采用scMetabolism算法量化代谢通路活性。k均值聚类显示CRC组织与对照组的显著分离（图2A），特别是在短链脂肪酸(SCFA)β氧化和醛类代谢途径中观察到特征性扰动。上皮细胞亚群分析发现，CRC样本中SCFA代谢基因ACADS和ACAT1表达下调2.3-5.1倍（p<0.01），而醛脱氢酶ALDH3A1表达上调4.8倍（p=0.003），这些改变与后续呼气检测结果高度吻合。

呼气VOCs特征谱
质谱靶向分析鉴定出10种诊断性标志物：包括显著耗竭的丙酸（降低78%，p=0.007）和丁酸（降低65%，p=0.01），以及异常升高的丙醛（升高4.2倍）和己醛（升高5.8倍）。这些变化反映了CRC微环境中"脂肪酸代谢重编程"和"醛类蓄积"的病理特征。采用选择离子监测(SIM)模式开发的检测方法，灵敏度突破0.25 ng/L，精密度达88.2-105.2%。

诊断模型构建
基于5种机器学习算法开发的VOCs组合诊断模型，在验证队列中表现出优异性能：ROC曲线下面积(AUC)0.89（95%CI:0.76-0.91），灵敏度86%，特异性77%，显著优于传统血清标志物（AUC 0.69）。值得注意的是，该模型对Ⅰ-Ⅱ期CRC的检出率仍保持82.4%，为早期筛查提供可能。

Conclusion
本研究建立的呼气代谢组学平台，通过整合snRNA-seq指导的标志物发现策略与机器学习算法，成功实现CRC的精准无创检测。标准化的采样方案解决了呼气检测临床转化的关键瓶颈，10种VOCs组成的特征谱为大规模筛查提供新工具。未来研究将重点优化便携式检测设备，推动"呼气活检"技术的临床应用。