代谢组学分析结合模式判别技术研究大肠癌尿代谢标志物

早期诊断是治疗大肠癌的关键。本课题对大肠癌、大肠绒毛状腺瘤、炎症性疾病及正常对照组尿标本进行代谢组学分析。采用高效液相色谱（HPLC）在线系统分析具cis-diol（顺二醇）结构的100余种尿代谢组份；采用超高效液相色谱-飞行时间质谱（UPLC-TOFMS）分析尿中全代谢组分，包含3000余种离子信息。研究重点：一、通过自制峰匹配软件对实验所得数据进行全谱图峰匹配，采用SIMCA-P软件进行轮廓分析，建立模式识别图以对大肠癌、大肠良性疾病、炎症性疾病以及正常对照进行模式识别，达到诊断大肠癌目的。二、通过建立模式识别负荷图研究在模式判别中贡献较大的组分，并对其进行结构鉴定，有望发现新型大肠癌特异性标志物，进而评价该代谢组份作为新型大肠癌标志物的作用和意义。三、通过随访，研究术后各阶段大肠癌尿代谢物指纹变化，及其与术后复发转移的关系。为大肠癌的早期诊断、流行病学筛查、术后复发监测提供新型手段。

大肠癌的发病率及死亡率目前在世界范围内仍居前列，占我国居肿瘤相关死亡的第三位。早期大肠癌预后良好，因此选择高效的筛查方式提高大肠癌的早期检出率、减低死亡率、增加生存率很有帮助。本研究着重通过对比大肠癌患者和正常对照受试者尿液中代谢物之间的差异，从而选择具有显著意义的大肠癌代谢标志物，并结合模式判别技术进一步验证这些代谢标志物在一般人群中应用价值。在收集一定数量的结直肠癌病例和良性肿瘤（绒毛状腺瘤）及正常对照标本（血液、尿液、肿瘤组织）的基础上，本研究建立了超高效液相色谱-飞行时间质谱（UPLC-TOFMS）和液相色谱（HPLC）技术平台，通过分析大肠癌、良性肿瘤和正常对照的尿液样本而分别发现3000余种代谢物信息和13种修饰核苷。随后，研究采用模式判别技术结合UPLC-TOFMS 平台的3000余种代谢物信息建立了模式识别图，并对52例大肠癌、32例大肠良性肿瘤以及34例正常对照进行模式识别。在模式识别图中，50位大肠癌、32例大肠良性疾病和34例同龄正常人在OPLS(UV)得分散点图中可基本完全分开，Q2达到0.694，具有良好的区分能力，表明尿液中差异代谢标志物分析结合模式判别技术具有诊断大肠癌的价值。对尿液中全组分代谢标志物及核苷代谢物OSC-PLS模型的进一步研究分别发现了12种和7种潜在生物标志物，其ROC曲线的AUC值分别为0.959和0.894，显示出极高的鉴别肿瘤和非肿瘤病例的能力。本研究的发现表明，大肠癌尿液代谢标志物具有极高的临床价值和转化潜力，值得在更大的样本中进行进一步的应用价值验证；同时，需要对大肠癌患者代谢标志物谱系改变进行深入探讨，从而寻找潜在发病机制以及治疗靶点。