致力于推进癌症诊断的科学家们开发了一种机器学习工具，该工具能够识别结直肠癌患者和健康人之间代谢相关的分子谱差异。

对来自 1,000 多人的生物样本的分析还揭示了与疾病严重程度变化以及已知会增加结直肠癌风险的基因突变相关的代谢变化。

该研究的共同资深作者、俄亥俄州立大学人文科学副教授Jiangjiang Zhu表示，尽管还有更多的分析要做，但由此产生的“生物标志物发现管道”显示出作为诊断结直肠癌和监测病情进展的非侵入性方法的前景。

“我们相信这是一种很好的疾病诊断和监测工具，特别是因为基于代谢的生物标志物分析也可以用来监测治疗效果，”Jiangjiang Zhu说。

当患者在服用A药还是B药时，尤其是治疗癌症时，时间至关重要。如果他们的反应不佳，我们希望尽快知道，以便调整治疗方案。如果代谢物能够比病理学或蛋白质标记等传统方法更快地指示治疗效果，我们希望它们能够成为照顾患者的医生的良好指标。

Jiangjiang Zhu表示，该工具并非旨在取代结肠镜检查作为癌症筛查的黄金标准，在准备应用于临床之前，还计划使用更多样本进行进一步研究。

该研究最近发表在《iMetaOmics 》杂志上。

这项工作也代表了机器学习技术的进步，它结合了两种成熟的方法来设计这个新平台：一种是用于全面区分分子谱的偏最小二乘判别分析 (PLS-DA)，另一种是用于精确定位能够提高平台预测价值的分子的人工神经网络 (ANN)。研究团队将最终的生物标志物流程命名为 PANDA，即 PLS-ANN-DA 的缩写。

“我们取两者之长，将它们结合起来，发挥各自的优势，相互补充，以弥补各自的潜在弱点，我们研究了各种可能性，以找出能够预测或指示疾病进展和不同阶段的生物标志物。这让我们充满信心，相信这种方法在未来的诊断中拥有巨大的潜力。”

分析了从血液样本中提取的两组生物数据：代谢物，即分解食物以产生能量并执行其他基本功能的生化反应产物；以及转录本，即预测相关蛋白质变化的 DNA 指令的 RNA 读数。

Zhu教授表示，生物样本是本研究的一大亮点，因为它们是大型研究项目的一部分：俄亥俄州结直肠癌预防倡议(OCCPI) 和俄亥俄州立大学韦克斯纳医学中心临床实验室生物库。共计 626 份样本来自结直肠癌患者，其中包括携带高危基因突变的患者。此外，本研究的共同资深作者、俄亥俄州立大学医学院临床病理学副教授李杰丽还采集了 402 份年龄和性别匹配的健康个体样本。

“我们人类在生命的不同阶段，实际上有着截然不同的生物化学特征，这些宝贵的样本使我们能够进行高通量代谢组学分析，以了解非癌症患者与癌症患者之间，以及癌症从早期到晚期的分子变化。”

“我们还拥有来自基因突变患者的数据，可以将其与代谢物数据进行比较，以查看代谢变化是否能够指示基因突变的预测值。据我们所知，这是首次以如此广泛的范围和规模开展此类研究，因为我们研究的是数百名患者。”

由于许多条件会影响生物系统中的分子谱，因此很难依靠生物标志物对不同人群进行诊断——因此这项研究强调了几种具有潜力但不确定的分子变化，以评估具有全国代表性的患者群体中结直肠癌的存在和进展。

与嘌呤类化合物相关的代谢途径在分析中脱颖而出，嘌呤类化合物是 DNA 形成和降解所必需的，因为与健康对照组相比，它们在癌症患者中总体上更活跃，而在更晚期的肿瘤阶段活性较低。  

“这无疑表明这种生物标志物可能与癌症生物学的潜在机制相关，我们谨慎乐观地认为，我们不仅发现了生物标志物，还为机制研究提供了线索。”

该团队计划继续分析与不同类型生物信号相关的代谢物，以完善 PANDA 生物标志物管道。

“我们发现的一些标记有点挑剔，这些信号中有很多噪音，但我们已经推动了该领域的发展，开发了潜在的下一代生物标记和用于结直肠癌诊断和监测的新型生物信息学管道。”