“越早診斷出癌癥，患者治愈的可能性越大，癌癥的非侵入性診斷非常重要。”加州大學洛杉磯分校醫(yī)學院教授周向紅28日接受科技日報記者采訪時說，該團隊開發(fā)出一個計算機程序，能夠從單個血液樣品中檢測出多種癌癥，并能具體定位原發(fā)灶癌組織的器官位置，可用于癌癥篩查和早期診斷。相關研究成果發(fā)表在3月24日出版的生物學頂尖雜志《GenomeBiology》上。

　　據(jù)周向紅介紹，該程序的工作機制是在患者血液中尋找自由流動的癌癥DNA中的特殊表觀模式，并將其與數(shù)據(jù)庫中的不同癌癥類型的表觀遺傳數(shù)據(jù)相比較。因為來自腫瘤細胞的DNA在癌癥早期階段會進入血液，所以對疾病的早期檢測提供了獨特的標靶。

　　該團隊建立了表觀遺傳甲基化標志物的數(shù)據(jù)庫，這些標志物在許多類型的癌癥中都很常見，并對起源于特定組織的癌癥具有特異性。他們還匯編了非癌癥樣本的甲基化模式，從而擁有比較癌癥樣本的基線�！斑@些標志物可用于將血液中發(fā)現(xiàn)的自由DNA分解為腫瘤DNA和非腫瘤DNA�！彼�說。

　　研究人員利用乳腺癌、肝癌和肺癌患者的血液樣本對該程序進行測試，并與另外兩種常用的機器學習方法進行了比較。結果顯示，另外兩種方法的總錯誤率（產生假陽性的可能性）分別為0.646和0.604，而新程序的這一數(shù)字低為0.265。值得一提的是，該組受測人群中有30人患有早期癌癥，該程序能夠檢測出80%的病例。

　　“癌癥早期階段血液中存在的腫瘤DNA水平非常低，但該程序仍能做出診斷，證明該方法對癌癥早期檢測的潛力�！敝芟蚣t說。（記者姜靖）