左小磊等合作开发基于DNA框架的多维癌症诊断分子分类器

　　准确反映临床行为的疾病分子分类奠定了精准医疗的基础。计算机内分类器的发展加上基于DNA反应的分子实现标志着更强大的分子分类的关键进步，但处理多种分子数据类型仍然是一个挑战。

　　2023年3月27日，上海交通大学左小磊作为通讯作者在Nature Nanotechnology在线发表题为“DNA-framework-based multidimensional molecular classifiers for cancer diagnosis”的研究论文，该研究开发了一种基于DNA框架的多维癌症诊断分子分类器。

　　该研究介绍了一种DNA编码的分子分类器，它可以物理地实现多维分子临床数据的计算分类。为了在异质分子结合事件中产生统一的电化学传感信号，该研究利用基于DNA框架的具有n价的可编程原子样纳米颗粒来开发价编码的信号报告器，使几乎任何生物分子结合事件都能线性转化为信号增益。因此，计算分类中的多维分子信息被精确地分配为生物分析的权重。该研究演示了基于可编程的类原子纳米颗粒的分子分类器的实现，以执行生物标志物面板筛选和分析跨三维数据类型的六个生物标志物面板，用于前列腺癌患者的近确定性分子分类。

　　精准医学要求开发一种精确反映临床行为的疾病特异性分子分类方法。一个持续的研究趋势是获得大量的多维分子数据，包括DNA/RNA、蛋白质和小分子，这引发了人们对使用多种分子数据类型来更好地分类疾病的兴趣。然而，从各种类型的技术获得的数据的异构性相应地增加，并在数据集成和解释方面提出了巨大的挑战。例如，RNA测序和染色质免疫沉淀测序之间的测量灵敏度存在异质性，这会导致显著的基因表达变异，而染色质修饰无法反映这些变异。因此，要实现有效的多维数据集成，必须进行大量计算密集型的数据过滤和系统规范化。

　　计算机分类器的发展与基于DNA反应的分子实现相结合，提供了一种强大的和潜在的可推广的分子分类手段。Seelig和同事设计了一个内计算机分类器模型，可以将参数和数学函数转换为一类DNA探针报告器，以实现早期癌症和呼吸道感染诊断的多基因分类。同样，Han和同事展示了一种分子分类器，可以分析肺癌血清样本中的不同microRNAs (miRNAs)，诊断精度为86.4%。目标(DNA/RNA)与多个单链DNA报告者之间的结合事件被统一转换为用于计算机分析的权重分配。然而，由于这些结合过程的异质性，将这种方法扩展到蛋白质或代谢小分子的维度是很难实现的。因此，实现基于DNA的多维分子分类器的剩余挑战是开发一种信号报告器，可以将异构的多维分子信息以可编程的方式转换为统一的输出信号。

　　基于PAN的多维分子分类器在癌症诊断中的应用（图源自Nature Nanotechnology ）

　　该研究通过利用DNA框架来实现多维分子分类，开发了价编码的PAN信号报告器，从而在三维数据类型中使用6个生物标志物进行精确的PCa诊断(AUC为100%)。鉴于来自疾病的基因、RNA、蛋白质和代谢组学分析的分子信息不断增加，该多维分子分类器为精确诊断和治疗提供了依据。此外，该研究进一步开发了一个诊断面板筛选系统，使用PAN报告器进行与Gleason评分相关的分类。

　　原文链接：

　　https://www.nature.com/articles/s41565-023-01348-9