游离 DNA 检测用于胰腺癌的检测和预后预测

引言

胰腺癌恶性程度极高，5 年生存率仅 10%，多数患者确诊时已处于晚期，手术切除率仅 10%-20%。吸烟、慢性胰腺炎、糖尿病等是其危险因素，BRCA2、CDKN2A 等基因的生殖系突变也与发病相关。

目前缺乏可靠的胰腺癌筛查方法，CA19-9、CEA 等常用生物标志物灵敏度和特异性不足，在良性胰腺疾病和其他消化道肿瘤中也可能升高，难以满足早期诊断需求。

游离 DNA（cfDNA）作为液体活检的重要标志物，具有检测技术成熟、稳定性强等优势，其片段组学、突变、甲基化等特征已被用于多种癌症的早期检测。本研究通过多中心、大样本队列研究，整合 cfDNA 的四大核心特征，构建并验证了胰腺癌诊断与预后预测模型，旨在解决胰腺癌早期检测难、预后评估不精准的问题。

本研究构建了集成游离 DNA（cfDNA）末端基序、片段化特征、核小体足迹（NF）和拷贝数变异（CNA）四大核心特征的液体活检体系，通过 LASSO 特征筛选、SVM 建模与逻辑回归整合实现双模型构建。cfDNA 四大特征借助基因组层面的差异表达与片段分布规律，赋予模型高灵敏度与特异性；模型通过多中心队列验证与算法优化，提升检测稳定性与预后预测准确性。该体系可在临床常规检测场景下，通过 PCM 评分（诊断模型）区分胰腺癌与非癌人群、早期胰腺癌与健康人群，通过 PCP 评分（预后模型）预测患者总生存期与无复发生存期，并结合 CA19-9 进一步提升诊断效能，实现胰腺癌早期筛查与预后评估的精准化。

2.结果与讨论

cfDNA 的特征性标志：胰腺癌患者 cfDNA 片段中位数为 175 bp，显著短于良性疾病患者（182 bp）和健康对照（186 bp），且片段长度与 AJCC 分期相关。其核小体足迹差异基因富集于癌症相关通路，CNA 数量显著高于非癌人群，这些特征可有效区分不同人群。

图1：a 健康对照、CP + PBT 和胰腺癌参与者的 cfDNA 片段大小分布（Z 分数表示短片段与长片段的比率）；b 健康对照与胰腺癌之间 NF 的 KEGG 通路分析。使用超几何检验检测特定基因集是否显著富集；c 健康对照、CP + PBT 和胰腺癌患者的血浆 cfDNA 端基 motif 特征分布。d 不同胰腺癌亚型、PBT、CP 和健康对照的 cfDNA 片段大小分布。箱线图表示中位数（中间线）、25%、75% 百分位数（箱子）以及最小值和最大值（须线）以及异常值（单个点）。e 健康对照、CP + PBT 和胰腺癌患者的 CNA 特征。源数据以 Source Data 文件提供。PDAC 胰管腺癌，ASCP 胰腺腺鳞癌，IPMN 胰管内乳头状黏液性肿瘤，PNET 胰腺神经内分泌肿瘤，SCN 浆液性囊性肿瘤。

患者和队列：研究共纳入 967 名受试者，分为训练队列（432 例）、测试队列（267 例）及两个外部验证队列（129 例、139 例）。包含胰腺癌及胰腺良性肿瘤患者、慢性胰腺炎患者和健康对照，覆盖多种胰腺疾病亚型，健康对照随机分布于各队列。

图2：我们研究纳入了 3 家医院的病人，使用血浆 cfDNA 的 CNA、片段大小、基序和 NF 特征来构建分类器。

PCM 评分的建立：整合 cfDNA 的 CNA、片段、基序及 NF 四大特征，经 LASSO 筛选、SVM 建模和逻辑回归整合构建诊断模型。在各队列中区分胰腺癌与非癌人群的 AUC 达 0.975-0.992，对早期胰腺癌和 CA19-9 阴性患者检测效能优异，联合 CA19-9 后性能进一步提升。

图3：a 对训练队列中的 NF、基序、片段和组合模型（PCM 评分）进行 ROC 曲线分析。b 对测试队列中的 NF、基序、片段或组合模型进行 ROC 曲线分析。c 外部验证队列 1。d 外部验证队列 2。源数据以源数据文件形式提供。

图4：a ROC 曲线分析用于区分胰腺癌和 HC 的 NF、基序、片段或组合模型（PCM 评分）。b ROC 曲线分析用于区分胰腺癌早期（I 期、II 期）和 HC 的 NF、基序、片段或组合模型（PCM 评分）。c ROC 曲线分析用于区分胰腺癌和 PBT 的 NF、基序、片段、组合模型（PCM 评分）和 CA19-9。d ROC 曲线分析用于区分 CA19-9 阴性胰腺癌和 HC 的 NF、基序、片段和组合模型（PCM 评分）。源数据以 Source Data 文件提供。HC 健康对照。

建立 PCP 评分：基于 cfDNA 的末端基序、片段和核小体足迹特征构建预后模型。高评分组患者总生存期和无复发生存期显著缩短，在外部验证队列中高危患者识别准确率达 89.5%-100%，可有效预测患者预后风险。

图5：a Kaplan–Meier 分析显示 PCP 评分与培训队列的总生存率。使用对数秩检验比较两组的生存分布。b Kaplan–Meier 分析显示 PCP 评分与综合队列（测试队列+外部验证队列 1+外部验证队列 2）的总生存率。使用对数秩检验比较两组的生存分布。c Kaplan–Meier 分析显示 PCP 评分与培训队列的无复发生存率。使用对数秩检验比较两组的生存分布。d Kaplan–Meier 分析显示 PCP 评分与综合队列的无复发生存率。使用对数秩检验比较两组的生存分布。源数据以源数据文件形式提供。

3. 总结

本研究成功构建了基于 cfDNA 多特征的胰腺癌诊断（PCM 评分）和预后预测（PCP 评分）模型，并在多中心队列中验证了其优异性能。PCM 评分能精准区分胰腺癌与非癌人群、早期胰腺癌与健康人群，且对 CA19-9 阴性患者仍有高检测效能，联合 CA19-9 后性能进一步提升；PCP 评分可有效预测患者总生存期和无复发生存期，为高危患者筛查提供依据。

该模型整合了 cfDNA 的多重特征，克服了单一生物标志物的局限性，为胰腺癌的早期无创筛查、病情鉴别和预后评估提供了新的技术方案，有望改善胰腺癌患者的诊疗现状。未来需通过前瞻性、多种族队列研究进一步验证模型，推动其临床转化与应用。

论文链接：https://doi.org/10.1038/s41467-025-61890-z