癌症早筛新突破：牛津AI检测灵敏度高达94.9%

好的，根据您提供的要求和信息，我为您撰写一篇新闻报道，力求达到专业、深入且引人入胜的效果。

标题：癌症早期筛查迎来突破：牛津大学AI多模态ctDNA检测技术灵敏度高达94.9%

引言：

在与癌症的漫长斗争中，早期发现始终是提高患者生存率的关键。然而，传统的癌症筛查方法往往具有侵入性，且覆盖范围有限，导致许多患者错失最佳治疗时机。近日，牛津大学的研究团队在癌症早期检测领域取得了重大突破，他们开发出一种基于全基因组TET辅助吡啶硼烷测序（TAPS）的多模态循环肿瘤DNA（ctDNA）检测方法，该方法不仅能够同时分析基因组和甲基化数据，还在多种癌症类型的诊断中表现出高达94.9%的灵敏度和88.8%的特异性，为癌症早期筛查和患者分层带来了新的希望。这项研究成果于2025年1月8日发表在《自然通讯》（Nature Communications）杂志上，标志着液体活检技术在癌症早期检测领域迈出了重要一步。

主体：

1. 癌症早期检测的挑战与现有技术的局限性

癌症的早期检测对于改善患者的预后至关重要。然而，目前仅有不到30%的癌症类型可以通过现有筛查项目进行有效检测。这些筛查项目往往依赖于侵入性检查，如活组织切片，导致患者接受度较低。多癌种早期检测（MCED）技术虽然可以通过液体活检实现无创检测，但在无症状人群中的假阳性率较高，限制了其广泛应用。传统的ctDNA检测方法主要依赖于靶向深度测序，虽然灵敏度较高，但仅能检测特定类型的癌症和突变，无法充分利用多模态数据。此外，常用的亚硫酸氢盐测序技术会破坏80%的ctDNA，显著降低检测灵敏度。

2. TAPS技术：多模态分析的新突破

为了解决上述问题，牛津大学的研究团队开发了一种基于TAPS的全基因组测序方法。TAPS技术的核心在于其非破坏性，它通过TET酶和硼烷的组合，仅将5%的甲基化胞嘧啶转化为胸腺嘧啶，从而保留了基因组信息，并允许在同一测序数据中同时进行基因组和甲基化分析。这种方法不仅能够检测5-甲基胞嘧啶和5-羟甲基胞嘧啶，还能够在低ctDNA含量（低至0.7%）的情况下仍保持高灵敏度。研究团队通过对61例癌症患者和30例非癌症对照的样本进行深度测序（80x），验证了TAPS在多种癌症类型中的诊断准确性。

3. 多模态数据整合与AI分析

该研究的另一大亮点在于其多模态数据整合与分析方法。研究团队开发了一套复杂的数据分析流程，整合了拷贝数变异（CNA）、体细胞突变和甲基化信号，以提高ctDNA检测的灵敏度。他们首先将基因组划分为1kb的非重叠区间，统计每个区间的高质量比对读数，并进行去噪处理。随后，利用主成分分析（PCA）对非癌症样本的背景噪声进行建模，并通过Savitzky-Golay滤波器进一步平滑数据。在体细胞突变分析中，研究团队采用深度全基因组测序（80x）策略，结合TAPS特异性软件，有效区分了体细胞突变和测序误差。甲基化分析则基于TCGA数据库中的高甲基化区域，通过片段中心的方法提高了低ctDNA含量下的检测灵敏度。

4. 实验结果：高灵敏度与特异性

实验结果显示，该方法在模拟数据中，当ctDNA含量低至0.7%时，AUC值达到86%，表明其在低ctDNA含量下仍具有较高的区分能力。在临床样本中，整合多模态数据的检测灵敏度达到85.2%，显著高于单一数据模态的检测结果。更令人振奋的是，该方法在多种癌症类型的诊断中表现出高达94.9%的灵敏度和88.8%的特异性。此外，研究团队还开发了一个多类分类器，用于预测癌症类型，其平衡分类准确率达到71.7%。在结直肠癌患者的术后监测中，该方法成功追踪了ctDNA的动态变化，并与临床结果高度一致。

5. 挑战与未来展望

尽管该研究取得了显著进展，但其在实际应用中仍面临一些挑战，例如深度测序的成本较高，且在资源有限的临床环境中推广存在困难。未来的研究可以进一步优化测序深度，探索更经济的测序技术，并扩大样本量以验证其在更多癌症类型中的适用性。此外，构建基于TAPS的甲基化图谱将有助于提高癌症起源预测的准确性。

结论：

牛津大学的这项研究为癌症早期检测带来了新的希望。基于TAPS的多模态ctDNA检测方法不仅具有高灵敏度和特异性，还能够整合多模态数据，为癌症筛查和患者分层提供了新的工具。这项技术不仅为癌症早期检测提供了新的技术路径，也为多模态数据整合在液体活检中的应用开辟了新的方向。随着技术的不断进步和成本的降低，我们有理由相信，这种新型的检测方法将在未来为更多癌症患者带来福音。

参考文献：