AI赋能疾病检测，癌症无创检测再创突破

细胞外囊泡（Extracellular Vesicles, EVs）是由细胞分泌的纳米级脂质双层颗粒，携带蛋白质、核酸等生物分子，反映亲本细胞的病理状态。近日，南开大学刘定斌教授课题组在《ACS Nano》在线发表了最新研究，团队首次聚焦于粪便细胞外囊泡（fEVs）中的microRNA（miRNA），利用CRISPR技术，辅助机器学习，开发了一种直肠癌无创早期检测的新方法（图1）。接下来我们对这项最新研究进行解读。

图1 研究方案示意图

核心发现：粪便细胞外囊泡中的microRNA特征（FEVOR）

研究团队通过高通量测序技术筛选出与CRC密切相关的miRNA特征组合——FEVOR。首先，研究人员从粪便中分离fEVs，之后对分离得到的fEVs进行分析（图2 A-C）。结果表明，对照组跟患者组中的fEVs谱存在明显的差异，其特征是miRNA表达的显著上调和下调，此后又通过KEGG通路分析解释了其中与“癌症通路”、“结直肠癌”相关的通路，这些发现强调了fEVs携带与CRC相关的miRNA特征的潜力以及其作为CRC诊断生物标志物的重大潜力。通过图2D中所示流程，鉴定出了11个miRNA座位候选的CRC生物标志物，其表达谱如图2E所示。

图2 fEVs的表征和miRNA测序

为了进一步验证11种miRNA候选生物标志物，研究人员在10个健康个体和30个CRC个体的粪便样本中进行了RT-qPCR，这些miRNA的表达谱如图3B，与健康个体相比，CRC具有明显的上调趋势。其中有4个标志物具有显著性（图3D），后续将这四种miRNA（miR1623p; miR3753p; miR378a3p; miR75p）作为quadra-FEVOR进行研究。

图3 通过RT-qPCR验证miRNA候选生物标志物

技术突破：CRISPR/Cas13a检测平台的构建 

传统miRNA检测方法（如RTqPCR）存在灵敏度低、操作复杂等问题。研究人员创新性地开发了基于CRISPR/Cas13a的检测系统，实现了对FEVOR的高效、快速定量分析：1. Cas13a蛋白与crRNA预孵育，形成复合物。2. 靶标miRNA与报告RNA结合，激活Cas13a的非特异性RNA切割活性。3. 荧光信号实时监测，灵敏度达飞摩尔级别（LOD = 0.1 fM）。 

图4 CRISPR/Cas13a检测系统原理及性能验证 

机器学习模型：诊断、预后与早期预警 

研究团队通过线性判别分析（LDA）结合非线性特征工程，构建了多场景应用模型：

1. CRC诊断模型 

- 训练队列（31例正常 vs 26例CRC）：LDA评分AUC达0.9864，准确率96.5%。 

- 验证队列（14例正常 vs 12例CRC）：准确率92.3%（图5），显著优于传统标志物CEA（26.3%）和CA199（7.9%）。 

图5 LDA评分在CRC诊断中的表现 

2. 术后预后评估 

通过监测术后患者（PO）FEVOR的动态变化（图6），LDA评分可预测肿瘤复发风险（AUC=0.9615）。

图6 术后患者FEVOR指标变化雷达图 

3. 结直肠腺瘤（CA）早期预警 

为了确认这种quadra-FEVOR在促进CRC早期预警方面的作用，研究团队分析了诊断为CA的FEVs，CA一般被认为是CRC的早期表征。结果表明，LDA评分可以区分CA和健康人群，AUC值为0.9003，特异性为71%，灵敏度达100%，准确率为78.6%。虽然该模型准确率略有不足，这可能是因为CA和健康人群之间存在细微的临床差异，但就目前缺乏有效的CA活检的方法，通过FEVOR预测CA仍然是该领域的宝贵贡献。

本研究通过整合多组学分析、CRISPR技术与机器学习，开创了结直肠癌非侵入性检测的新范式。FEVOR的发现不仅为CRC早期筛查提供了高效工具，也为其他癌症的液体活检研究提供了重要参考。未来，随着技术的进一步优化和临床验证，这一成果有望成为癌症精准医疗的里程碑。