研究设计及流程图。

　　本报讯 近日，清华大学药学院胡泽平研究员团队与合作者共同研究发文，揭示了胃癌患者血浆的代谢重编程图谱，发现基于代谢组学构建的机器学习模型能准确诊断胃癌患者，并预测患者预后风险。
　　胃作为具有高度异质性的消化器官，其癌变和进展受到基因突变和环境扰动的双重影响，伴随显著的代谢重塑。然而，代谢重编程及其在胃癌诊疗中的潜在应用并未被系统性深入地研究过，未能满足临床对胃癌早诊和患者分层治疗的需求。目前的胃癌生物标志物研究很大程度上受限于队列规模小、缺乏独立的验证队列、样本类型和检测方法的差异导致的结果再现性低，以及受分析技术限制的检测灵敏度有待提高等问题。因此，使用多中心、大队列、特征明确的胃癌和对照人群进行代谢组学分析对于识别和验证具有转化潜力的生物标志物，从而开发和完善适合临床应用的代谢生物标志物仍然势在必行。
　　研究人员收集了702例胃癌患者和非胃癌对照的血浆样本，进行了靶向代谢组学数据分析。结果显示，胃癌患者血浆发生了明显的代谢重编程，其中最显著改变的代谢通路为谷胱甘肽代谢。通路中的两种关键代谢物还原型谷胱甘肽GSH和氧化型谷胱甘肽GSSG在胃癌血浆中显着降低。此外，作为氧化应激紊乱指示物的GSH/GSSG比率在胃癌患者中显着上调，并随着疾病进展而逐渐增加，表明胃癌患者血浆中氧化应激严重失调。此外，胃癌患者的半胱氨酸和蛋氨酸代谢通路也发生显著失调。与非胃癌对照相比，胃癌患者的S-腺苷-L-同型半胱氨酸（SAH）下调，S-腺苷甲硫氨酸（SAM）上调，并且SAM/SAH比值随疾病进展而增加。作为通用甲基供体，SAM丰度和SAM/SAH比值的失调可能反映了胃癌患者甲基池的扰动。这些胃癌血浆中的代谢重编程特征为开发胃癌检测和患者预后预测生物标志物奠定了基础。
　　该研究描述了胃癌患者血浆的整体代谢重编程，并结合机器学习算法构建了两个模型，分别识别胃癌患者并预测其预后，有助于进一步理解胃癌的分子病理学特征，促进了胃癌早期检测的发展，并为实现胃癌的精准治疗提供理论基础。
　　该研究强调了胃癌中循环代谢物的预测价值，并成功应对了生物标志物探究工作普遍面临的结果再现性低，无法进行临床推广应用的挑战。未来可以通过建立靶向两个模型中代谢物的特定子集的靶向定量代谢组学检测方法以提高效率并降低成本，并在来自更多中心的更大规模临床样本中进行验证和优化。此外，基于这两种预测模型有望促进胃癌无创早期检测，并根据患者的风险分层为临床决策提供信息，从而实现辅助胃癌精准诊疗策略的临床转化。
　　研究成果以“代谢组学结合人工智能在准确诊断胃癌及预测患者预后中的临床应用潜能”为题，发表在《自然·通讯》（Nature Communications）期刊上。胡泽平、哈尔滨医科大学附属肿瘤医院主任韩鹏、中国医学科学院肿瘤医院主任田艳涛为该论文的共同通讯作者。清华大学药学院2021级博士生陈洋子、赵宜滋，博士后王博弘、王铭铄，中国医学科学院肿瘤医院博士邵欣欣、马福海为共同第一作者。 （药学院）