纽约 - 北京大学人民医院研究人员领导的团队的新研究表明，血脂曲线可以提供用于检测早期肺癌的线索。
像他们报道在科学翻译医学在周三，调查人员将血脂水平改变为早期肺癌，导致质谱血脂测试被称为肺癌人工智能探测器（LCAID）v2.0。
“本研究证明了LCAID v2.0对基于脂质体的大规模群体筛查的潜在应用，特别是对于肺癌风险高的人群，”共同高级和联合对应作者Yuxin Yin和Jun Wang，研究人员北京大学健康科学中心和胸部外科，他们的同事写道。
使用基于10x基因组学的单细胞RNA测序，研究人员首先将脂质代谢相关的转录特征跨越近26,700个单独的细胞分离出从五个尚未治疗的非小细胞肺癌肿瘤中分离，并将它们与新的和新的细胞进行比较发布的ScRNA-SEQ型材在55,860个单个细胞上，来自八个健康的肺样本。
随着植入肺癌和健康肺样本的九个细胞谱系的簇，团队在NSCLC中发现了脂质代谢的转变。这促使他们在来自有或没有肺癌的个体的血浆样本上进行一系列未标准化的脂质体分析。
具有高效液相色谱 - 质谱分析和相关的支持载体机算法分析从171名血液样本从早期的非小细胞肺癌和140个未受影响的对照个体的血液样本分析，该团队将九个脂质标记为明显的联系至早期 -阶段肺癌 - 一套它们评估的额外数据为550个案例或对照样品。
研究人员指出，LCAID v2.0集合在初始验证队列中，由99名癌症和40名的样本组成的初始验证队列。
当他们继续使用从低剂量计算机断层扫描肺癌筛查计划中收集的样品中收集的样本来评估方法在北京医院并从另一个109人中预期收集样本研究人员报告说，检测早期肺癌的敏感性90％，具有92％的特异性，提出了92％LCAID v2.0.“在早期肺癌检测的情况下表现良好。“
此外，该团队指出，在用于LCAID v2.0分析的后续群组中，临床肝脏腺癌的禁烟参与者在用于LCAID v2.0分析的后续群体中，表明脂质族和机器学习方法可能捕获在相对较早的位置的情况疾病过程。
作者写道，“[T]他的工作建立了未确定的脂族的原型方法，进一步细化靶向脂质族学的疾病检测程序，与[机器学习]相结合，”“作者写道。