早期预测

Ⅱ型糖尿病早期预测研究获突破中科院上海生科院营养科学研究所林旭团队和生物化学与细胞生物学研究所吴家睿、曾嵘团队在Ⅱ型糖尿病早期预测研究方面取得新进展。相关成果日前在线发表于《糖尿病护理》杂志。肉碱是转运长链脂肪酸进入线粒体内膜进行β氧化的重要载体，在线粒体脂肪代谢中起到重要作用。酰基肉碱作为肉碱代谢的中间产物，在动物研究中能反映早期的脂肪酸氧化失衡和线粒体应激状况。然而，酰基肉碱谱能否预测Ⅱ型糖尿病的发生仍不清楚。在“中国老龄人口营养健康状况研究”前瞻性追踪队列样本库的基础上，研究人员采用液相色谱—串联质谱法，对该项目2103名志愿者的血浆酰基肉碱谱进行了检测，并发现34种游离肉碱和酰基肉碱。分析发现，血浆特定酰基肉碱，尤其是长链酰基肉碱能显着增加Ⅱ型糖尿病的6年发病风险，并且独立于体质指数（BMI）、空腹血糖、糖化血红蛋白（HbA1c）等多种已知的传统风险因素。此外，受试者工作特征曲线（ROC）分析发现，若仅采用传统风险因素（如年龄、BMI、空腹血糖、HbA1c、糖尿病家族史等）建立的模型，其曲线下面积（AUC）仅为0.74。而当模型中加入特定酰基肉碱后，AUC显着增加到0.89（AUC越接近1，表示模型的预测效果越好）。因此，研究表明，酰基肉碱谱能显着增加Ⅱ型糖尿病早期预测的效能。

中科院上海生科院营养科学研究所林旭团队和生物化学与细胞生物学研究所吴家睿、曾嵘团队在Ⅱ型糖尿病早期预测研究方面取得新进展。相关成果日前在线发表于《糖尿病护理》杂志。　　肉碱是转运长链脂肪酸进入线粒体内膜进行β 氧化的重要载体，在线粒体脂肪代谢中起到重要作用。酰基肉碱作为肉碱代谢的中间产物，在动物研究中能反映早期的脂肪酸氧化失衡和线粒体应激状况。然而，酰基肉碱谱能否预测Ⅱ型糖尿病的发生仍不清楚。　　在“中国老龄人口营养健康状况研究”前瞻性追踪队列样本库的基础上，研究人员采用液相色谱—串联质谱法，对该项目2103名志愿者的血浆酰基肉碱谱进行了检测，并发现34种游离肉碱和酰基肉碱。分析发现，血浆特定酰基肉碱，尤其是长链酰基肉碱能显著增加Ⅱ型糖尿病的6年发病风险，并且独立于体质指数(BMI)、空腹血糖、糖化血红蛋白(HbA1c)等多种已知的传统风险因素。　　此外，受试者工作特征曲线(ROC)分析发现，若仅采用传统风险因素(如年龄、BMI、空腹血糖、HbA1c、糖尿病家族史等)建立的模型，其曲线下面积(AUC)仅为0.74。而当模型中加入特定酰基肉碱后，AUC显著增加到0.89(AUC越接近1，表示模型的预测效果越好)。因此，研究表明，酰基肉碱谱能显著增加Ⅱ型糖尿病早期预测的效能。

岛津制作所与神户大学研究生院医学研究科以及国家癌症研究中心联手，利用三重四级杆气质联用仪的代谢组学分析技术，通过对血液中的代谢物进行综合分析，开发出了能够在大肠癌早期阶段及时诊断的最新筛查方法。该研究结果已刊登在2月4日的美国科学杂志《Oncotarget》的电子期刊上。【研究成果概况】神户大学的吉田准教授小组于2012年使用基于气相色谱质谱联用仪（GC-MS）的临床代谢组学分析技术，对大肠癌患者和正常样品的血清进行分析，开发出4种可用于大肠癌代谢物标记以及基于这些代谢物标记的高可靠性诊断预测方法。该预测方法虽然较以往的基于CEA及CA 19-9等肿瘤标记物方法有更高的实用性，但作为筛查方法在灵敏度、特异性方面还不够完善。岛津制作所结合高速扫描控制技术（ASSP）和Smart MRM技术独创了高速、高灵敏度GC/MS/MS技术。岛津制作所和神户大学组成的共同研究小组使用该技术，开发出了更高精度的血浆代谢物定量分析手法。采用这种手法，对国立癌症研究中心所保存的临床信息明确的600个以上的标本进行分析，最终开发出了高性能的筛查方法。通过对患者及正常人样本血浆中的代谢物进行综合分析，发现了8种多生物标记物可以用于大肠癌诊断（丙酮酸，乙醇酸，色氨酸，棕榈油酸，富马酸，鸟氨酸，赖氨酸，3-羟基异戊酸）。制作出基于这8种代谢物数据的灵敏度、特异度指标均高于96%的大肠癌诊断预测方法。并且，经确认，最新开发的诊断预测方法对于处于阶段0和阶段1的早期大肠癌患者也获得很高的灵敏度。 本研究由日本医疗研究开发机构（AMED）的医疗领域研究成果开发事业尖端分析测试技术/仪器开发计划（开发课题名称《全自动超早期大肠癌检查诊断系统的实用化》，组长：岛津制作所分析测试仪器事业部经理尾岛典行 副组长：神户大学研究生院医学研究科副教授吉田优）协助开展。 ※科学技术振兴机构研究成果开发事业（尖端分析测试技术、仪器开发计划）于2013年采纳，2015年4月AMED接管。 论文信息：Shin Nishiumi*, Takashi Kobayashi*, Shuichi Kawana, Yumi Unno, Takero Sakai, Koji Okamoto, Yasuhide Yamada, Kazuki Sudo, Taiki Yamaji, Yutaka Saito, Yukihide Kanemitsu, Natsuko Tsuda Okita, Hiroshi Saito, Shoichiro Tsugane, Takeshi Azuma, Noriyuki Ojima, Masaru Yoshida: Investigations in the possibility of early detection of colorectal cancer by gas chromatography/triple-quadrupole mass spectrometry,（http://www.impactjournals.com/oncotarget/index.php?journal=oncotarget&page=article&op=view&path%5B%5D=15081&path%5B%5D=48221）Oncotarget Advanced Publications 2017 （Oncotarget网站链接）DOI :10.18632/oncotarget.15081 关于岛津 岛津企业管理（中国）有限公司是（株）岛津制作所于1999年100%出资，在中国设立的现地法人公司，在中国全境拥有13个分公司，事业规模不断扩大。其下设有北京、上海、广州、沈阳、成都分析中心，并拥有覆盖全国30个省的销售代理商网络以及60多个技术服务站，已构筑起为广大用户提供良好服务的完整体系。本公司以“为了人类和地球的健康”为经营理念，始终致力于为用户提供更加先进的产品和更加满意的服务，为中国社会的进步贡献力量。 更多信息请关注岛津公司网站www.shimadzu.com.cn/an/。 岛津官方微博地址http://weibo.com/chinashimadzu。 岛津微信平台

话题介绍如何预测稳定性实验？对于ADC研发人员来讲，通过进行一系列蛋白质评估将有助于降低早期开发过程中最终产物不稳定的风险，特别是在优化偶联过程中，这些评估策略显得尤为重要。在本期文章中，我们来重点讲讲如何进行预测稳定性实验。借助PR Panta蛋白稳定性分析仪来推断低浓度样本在提高剂量, 并在更高浓度下用于临床给药后的表现。因为，这对于降低筛选过程的风险和确保筛选过程中获得最稳定的候选分子至关重要。一起看看PR Panta提供的真实数据示例，它们比较了裸抗--Trastuzumab（或称Herceptin），与ADC药物分子Kadcyla，和另一种来源于同类裸抗的ADC药物分子 RC48之间的多个维度预测信息。实验热稳定性实验背景 首先，很重要的第一步，我们要先了解标准的热稳定性实验。在PR Panta上进行这些实验很简单，使用相同的样本收集信息，根据候选分子的热稳定性（如Tm和Ton）以及通过PDI、Tsize和Tagg 的胶体稳定性参数对其进行排名。简单地说，首先比较每种的热变性曲线。Herceptin，裸抗，具有最高的热稳定性，与ADC药物分子Kadcyla相比具有更高的Tm1和更清晰的变性展开转变Kadcyla和RC48都表现出Tm1的峰增宽，表明大多数药物与该展开转变相关的结构域缀合--这是个好现象，因为Tm1对应CH2结构域，而Tm2和Tm3分别是Fab结构域和CH3--尽管它们通常很接近，仅显示单个Tm2RC48是一种由另一个母版裸抗构建的ADC药物，与Kadcyla相比，Tm1略有进一步降低。此外，可以判断它是一种与Herceptin不同的裸抗，因为变性展开的曲线轮廓有很大的变化，包括分别展现出的Tm2和Tm3PR Panta高分辨率的热变性展开数据，对每个ADC或mAb的变性结构展开提供了高度精细的分辨率，使其能够在结构域水平上体现出低至0.2°C的差异。这三种药物都经过了优化，可用于临床，因此稳定性的变化是最佳的，不像在开发过程的早期，需要比较候选药物分子--比如，需要筛选不同的偶联策略。因此，这些数据是了解偶联过程如何影响ADC稳定性的好方法。实验预测数据:3个实验了解ADC当我们已经了解了热变性曲线的数据，接下来是时候看看PR Panta可以解锁的预测参数了。1自缔合自缔合参数kD和第二维里系数B22都是告知生物在高浓度下可能如何表现的参数。其中任何正值都表明药物分子不太可能自我缔合--这是一个理想的结果。自缔合会导致聚集和高粘度，由于许多治疗方法在临床上是以高浓度给药，因此，最好在开发过程的早期就了解ADC是否容易发生自缔合。 自缔合参数kD自缔合参数kD是利用PR Panta的DLS检测模块导出的关于扩散常数的信息，来评估分子与自身相互作用的可能性。正kD表示排斥力（这是好的）；负kD是有吸引力的（要避免）。数据显示：裸抗（mAb）具有高度自排斥性，表现出具有强趋势线的正kD。这意味着它不太可能在高浓度下的发生自缔合。在PR Panta中表征的数据结果与其他已发表的数据结果一致Kadcyla也有正kD，尽管它没有那么强的自我排斥。然而，它仍然被认为是一个“好”的结果，kD为正RC48表现出自缔合的倾向，kD为负第二维里系数B22第二维里系数B22是利用PR Panta的SLS检测模块得出的，是着眼于整体情况下自身相互作用的强度。尽管B22和kD之间存在关系，但它们是相互独立的进行判断，因此并不总是完美地一致。SLS的散射数据在用于低浓度样本下更容易出错。然而，一些研究人员更喜欢B22而不是kD，因为B22的数据被认为是对样本内相互作用的更“全局”的测量。如下图所示， B22的趋势看起来与kD的趋势非常相似。PR Panta数据计算出的Herceptin自缔合数值较好地反映了文献值，所提供的自缔合数值为您的分子，在放大工艺生产之前，提供了更宝贵的预测信息。2动力学稳定性动力学稳定性实验，着眼于表征以不同的升温速率设置热变性展开实验时，候选分子的热稳定性行为。通过测量蛋白质随着热升温速率的变化而展开的速度，可以计算出展开的活化能。只需以不同的速率设置一系列热变性曲线，然后比较熔化展开温度如何随速率变化即可。之后，使用Arrhenius方程，将这些信息用于预测构建的分子在不同储存温度下的半衰期。 这三位候选分子的比较情况：&bull 显示动力学稳定性Herceptin Kadcyla RC48，这与自缔合行为趋势相呼应&bull 与Herceptin相比，Kadcyla的半衰期显著缩短，但仍在两个月左右&bull RC48的半衰期非常低，表明偶联方法极不稳定362°C下的等温稳定性等温稳定性是进行加速稳定性研究的另一种方法。与动力学稳定性实验类似，可以使用高温下较短时间的稳定性来推断-20°C、4°C或RT（室温）下的长期稳定性。我们可以看到候选分子的变化趋势：&bull 根据累积半径（Cumulant radius，即纵坐标），可以明显检测到轻微的去折叠展开的变化&bull 在62°C下800分钟（13小时以上）后，Herceptin没有明显的大小变化&bull 两个ADC有着显著尺寸变化，RC48有着更明显的大小变化，再次表明它是所有候选分子中最不稳定的实验总结以上结果展示了除热变性试验参数外，PR Panta提供的其他多维度参数，对于预测长期稳定性是极有价值的。在早期开发和风险评估期间， PR Panta提供了关于如何选择的最佳候选药物的额外预测信息，可以用于进一步推进药物开发。并且与许多其他下游分析技术相比，PR Panta所需的样本更少，因此，从预测分析进而深入了解偶联过程对ADC的影响，PR Panta将会是研究者优先考量的选择。PR Panta蛋白稳定性分析仪（仪器价格咨询）欢迎联系我们，进一步了解PR Panta如何为您的ADC和其他生物制品提供高分辨率、高质量的数据。

肺癌是癌症患者发生死亡的主要原因，通过是在疾病晚期阶段才被诊断出来，而此时患者的生存率往往较低。早期肺癌大多数没有症状，而目前检测早期肺癌病变的手段—低剂量的螺旋CT作为普通人群的广泛筛查似乎并不可行，因为其成本较高且反复筛查会给患者带来一定的辐射危害。近日，一篇发表在国际杂志PNAS上题为“Screening human lung cancer with predictive models of serum magnetic resonance spectroscopy metabolomics”的研究报告中，来自哈佛医学院等机构的科学家们通过研究揭示了利用一滴血或许就能揭示无症状患者的机体肺癌。图片来源：https://www.pnas.org/content/118/51/e2110633118研究者Cheng表示，我们的研究表明，未来我们或有望开发出一种敏感的筛查手段来用于肺癌的早期诊断；我们所创建的这种预测性模型能帮助识别出可能患上肺癌的人群，随后可疑人群就会进一步利用成像测试来进行评估，比如低剂量的CT，从而给个体进行明确的诊断。文章中，研究人员根据机体血液中的代谢组学资料建立了一种肺癌预测模型，代谢组学分析揭示了细胞的代谢流，并通过研究代谢组（即机体所有细胞、体液和组织中所发现的动态生化组件）就能解析机体的健康和病理学状态；肺癌的存在及其所改变的生理和病理学特征或会引发肺癌中癌细胞所产生或消耗的血液代谢产物的改变，研究人员利用高分辨率的核磁共振光谱技术测定了血液中代谢组学的特征，这种工具能通过测定代谢产物的集体反应来检查活细胞中一系列的化合物。此外，研究人员还筛选了储存在麻省总医院生物样本库和其它地方的数万份血液样本，结果发现了25名非小细胞肺癌患者，其血液标本是在诊断时和诊断前至少6个月所获得的，研究者将其与25名健康对照个体进行对比研究。首先，研究人员通过训练他们所开发的统计学模型，通过测定患者在诊断时所获得的血液样本中的代谢组学特征值，并将其与健康对照个体的血液样本进行比较，从而来识别出肺癌患者。这篇文章中，研究人员表示，这种预测性模型或能产生健康对照组和患者在诊断时的数值；这一点就让人非常激动，因为对早期疾病的筛查应该检测出介于健康和疾病状态之间的血液代谢组学特征的改变，随后研究人员使用了另外一组54名非小细胞肺癌患者在癌症诊断时所获得的血液样本来测试其所开发的模型，这就证明了这种模型的预测功能或许就是准确的。从诊断前的血液样本中所测定了预测模型的数值或能预测患者未来5年的生存率，这或许有望帮助指导临床策略和疗法角色；此前研究人员通过研究发现，基于磁共振光谱的代谢组学模型在区分癌症类型和疾病分期方面具有一定的潜力；而在临床实践中，还需要更多的研究来证实如何利用血液代谢组学模型来作为非小细胞肺癌早期筛查的工具来使用。接下来，研究人员还分析了肺癌临床特征的代谢组学特性，旨在理解疾病的整个代谢图谱，这或许有助于帮助选择靶向性的疗法；此外研究人员还测定了400多名前列腺癌患者机体的代谢组学特征，从而就能创建一种模型来区分需要监测的“懒惰”的癌症和需要理解治疗的更具侵袭性的癌症类型；同样研究人员还制定使用相同的技术来利用血液样本和脑脊液进行阿尔兹海默病的筛查。综上，本文研究结果表明，从患者诊断前所测定的代谢组学预测模型的值或许能帮助预测局部患病患者的5年生存率。原始出处：Tjada A. Schult,Mara J. Lauer,Yannick Berker, et al. Screening human lungcancer with predictive models of serum magnetic resonance spectroscopy metabolomics, Proceedings of the National Academy of Sciences (2021). DOI: 10.1073/pnas.211063311

)美国佐治亚理工学院癌症综合研究中心(ICRC)科学家将机器学习与血液代谢物信息相结合开发出一种新方法，使卵巢癌样本检测准确率达93%。相关研究论文发表于最新一期《妇科肿瘤学》杂志。　　卵巢癌被称为沉默的杀手。因为这种疾病刚出现时通常没有症状，在癌症后期被发现时已经很难治疗。最新研究负责人、ICRC创始主任约翰麦克唐纳表示，虽然晚期卵巢癌患者平均5年生存率约为31%，但如果及早发现并治疗，平均5年生存率将超过90%。　　尽管30多年前，科学家就开始研究卵巢癌早期检测方法，但结果一直差强人意。麦克唐纳解释说，因为卵巢癌是从分子水平开始的，所以即使是同一种癌症，也有多种产生途径。目前他们还没有找到卵巢癌的单一通用诊断生物标志物。鉴于此，他们使用人工智能(AI)的分支机器学习，来开发新型早期诊断方法。　　研究团队指出，代谢水平上的变化可反映多个分子水平上共同作用的潜在变化，所以他们选择患者个人的代谢图谱作为整个检测方法的基础。质谱法能通过检测代谢物的质量和电荷特征来识别血液中代谢物的存在，将其纳入基于机器学习构建的预测模型内，类似于使用单个面部特征构建面部模式识别算法。已知有数千种代谢产物在人体血液中循环，通过质谱分析和机器学习，可以很容易、很准确地检测它们。以此开展卵巢癌早期检测，准确率高达93%。　　麦克唐纳表示，新方法使用患者个人的代谢图谱，在检测卵巢癌方面的准确性高于现有常规检测方法。这种个性化的方法代表了一个极富前景的卵巢癌早期检测方向，有望应用于其他癌症检测。

本文摘要粒度和粒度分布通常是定义产品性能的重要参数。本文记录了使用Mastersizer 3000不同分散装置应对颗粒粗细不同的样品的测量，证实其既能支持产品开发的早期阶段，也可以在规模化生产质量控制时取得优异可对比的测量结果。实验背景介绍粒度和粒度分布通常是定义产品性能的重要参数。粒度测量可以作为预测和控制产品稳定性、均匀性、流动性和外观等性能的工具，也可以帮助了解新材料的可加工性。因此，在开发的早期阶段测量颗粒大小对于需要设计特定产品属性的研究人员来说是非常有益的。在早期开发期间，进行粒径分布测量相关的挑战之一是可用的材料数量可能有限。因此，粒度仪测量小体积样品的能力非常重要。然而，在后期开发和生产的阶段，考虑如何扩大所选测量方法以处理更大的样本量就显得尤为重要。这使得在早期阶段设置的任何规范都得以继续执行，并取得一致性的测量结果。本文记录了使用Mastersizer 3000激光粒度仪作为颗粒表征工具，用于整个产品的开发生命周期的模拟实验。Mastersizer 3000的Hydro SV小体积分散单元旨在实现早期开发阶段的测量，而更大体积的Hydro MV, Hydro EV和Hydro LV分散单元旨在测量更大的样品，作为产品扩大和制造的一部分。我们考虑了两种不同的材料（粒度较粗的产品及粒度较细的产品）在采样和分散方面代表了不同的测量挑战。实验目的是证明Mastersizer3000基于Hydro SV测量开发的规程可以方便地转移到更大的体积分散单元，以实现产品量产时粒度质量的准确把控。案例1：粗颗粒的测量将粒径规格从小体积样品测量转移到大体积样品测量相关的挑战之一涉及用于选择样品进行分析的过程的控制。当测量含有大于70-100 μm颗粒的粗材料时，这通常是测量变异性的最大来源。一旦选择了采样程序，材料就必须以一种确保以具有代表性的方式测量整个尺寸分布的方式呈现给激光衍射测量系统。这要求在测量过程中控制样品的悬浮。图1显示了使用Hydro SV (6ml分散剂体积) 和Hydro MV (120ml分散剂体积) 获得的粗颗粒材料的粒径分布。这种材料的粒径分布很广 (粒径跨越10个数量级) ，它含有大颗粒，所以如果要在小体积和大体积下获得类似的结果，必须控制采样。图1: 使用Hydro SV小体积分散单元和Hydro MV大体积分散单元报告的粗样品平均粒径分布的叠加从图1中可以看出，使用每个进样器产生的结果是相似的，因此具有直接可比性。表1证实了这一点，其中显示了使用每个进样器报告的中位数粒径 (Dv50)、第90百分位数(Dv90)和分布宽度(Span)。这些参数显示出密切的一致性，使我们在小体积下获得的结果的准确性有信心。表1: 与图1所示粒径分布相关的Dv(50)、Dv(90)和Span值的比较这些数据表明，在该产品的早期研发阶段建立的规格可以有效地转移到后期的开发或生产中。这不仅将确保一致的产品质量，而且还有助于解决在扩大过程中可能需要的任何问题。案例2：细颗粒的测量与粒径测量相关的另一个挑战是分散性。当测量含有胶体颗粒 (粒径小于20 μm的颗粒) 的细材料时，这通常是测量变化的最大来源。对于Hydro SV，在将样品添加到进样器之前，必须控制样品的分散状态，因为该单元不包括超声探头。相比之下，Hydro MV提供了在自动化测量序列中对样品进行声波处理的能力，提供了更大程度的分散控制。因此，在扩大过程中，在各单元之间转移规格需要了解和控制分散过程。图2显示了使用Hydro SV和Hydro MV测量的典型微粉化材料的粒径分布。该样品的整体尺寸分布在20 μm以下，因此如果要获得等效的结果，需要控制分散性。在使用Hydro SV的情况下，在样品被添加到分散单元之前，使用外部超声浴来分散样品，而Hydro MV使用内部超声。图2: 使用Hydro SV小体积分三期和Hydro MV大体积分三期对细、微粉化样品报告的平均粒径分布叠加。如图2所示，使用两种进样器产生的结果是相似的。Dv50、Dv90和Span也具有可比性 (表2)，这表明两组测量的分散过程都在控制之下。与第一个案例研究一样，这使得使用Hydro SV获得的数据具有代表性，并且从这些数据中得出的任何规格都可以用作控制扩大过程的基础。表2: 与图2所示粒径分布相关的Dv(50)、Dv(90)和Span值的比较。结论Conclusion颗粒大小和粒度分布通常是定义材料性能的关键参数。因此，在新产品开发的早期，测量这些指标是有利的。这里提供的数据证实了Mastersizer 3000使用Hydro SV和Hydro MV进样器对不同样本量样品检测产生可比结果的能力。能够一致地测量小体积和大体积样品的能力，使激光衍射法既能用于支持产品开发的早期阶段，亦可方便应用于产品规模化生产。

肺癌是目前世界上人类癌症死亡的主要原因之一，早期肺癌大多无明显临床症状，这种无症状状态往往延误了患者的就医及治疗，所有阶段的肺癌5年总生存率为19%，然而早期肺癌的检出率增加5%，其生存率可提高为57%。因此肺癌的早期筛查显得尤为重要，既往的早期癌症筛查主要手段是胸部低剂量螺旋CT检查，但因主动检查意愿不足以及存在辐射危害等原因，很难做到尽早发现肺癌的目的。　　近日，来自哈佛医学院等研究机构的研究团队发现了一种通过血液检查建立的早期肺癌诊断预测性模型，可以有望实现对肺癌的早期筛查。相关研究成果发表在《PNAS》上，题为“Screening human lung cancer with predictive models of serum magnetic resonance spectroscopy metabolomics”。　　该项研究通过收集健康人群和早期肺癌患者的血液，进行代谢组学资料解析了机体健康和病理学状态研究，并利用高分辨率核磁共振光谱技术测定了血液中代谢组学的特征后发现，机体存在肺癌及其所改变的生理和病理学特征，可能会引发癌细胞所产生或消耗的血液代谢产物的改变。同时，研究人员将健康对照个体与非小细胞肺癌患者血液样本进行代谢组学特征值比对测试，成功识别出了患有肺癌的样本。　　这项研究利用磁共振光谱技术进行代谢组学模型检测，在区分癌症类型和疾病分期方面具有一定的潜力，有望在未来成为一种早期肺癌筛查的新手段。　　论文链接：　　https://www.pnas.org/content/118/51/e2110633118

清华大学天文系教授蔡峥课题组通过观测发现，大质量星体的反馈作用对于早期宇宙重元素起源的影响力，比之前普遍认知的大得多。相关研究9月27日发表于《自然—天文学》。　　蔡峥告诉《中国科学报》，宇宙中，绝大部分物质不在星系里，而在星系间。这部分弥散在星系之间广袤空间里的物质被称为星系际介质。　　天文学家从距离大爆炸仅10亿年的宇宙中确认了星系际介质中已存在较重的元素。　　这些早期宇宙中的重元素究竟从何而来？目前科学界比较公认的理论认为小质量星系的活动似乎是星际介质重元素起源的原因。但小质量星系本身亮度低，且可能被尘埃所遮蔽，传统光学观测不能有效支持上述理论。　　蔡峥课题组将观测手段转向了射电观测。他们利用国际上最大的射电望远镜——ALMA阵列，观测到宇宙早期某颗类星体所发射的光束，在途经距离地球125亿光年外的宇宙某区域时，出现了比较明显的氧吸收现象，导致课题组观测到的宇宙早期中性氧吸收线出现明显折叠。“这说明该片区域存在一个较强的氧元素吸收体，而该吸收体中存在的氧元素，便是周围星系通过自身的反馈作用‘抛’入宇宙中，进而富集于此的。”蔡峥说。　　在进行数据分析和处理后，团队发现一个位于这些宇宙早期星际介质中氧元素附近的候选星系，该星系与氧吸收体的距离约6万光年。这一发现表明，大质量星系的反馈作用可能比之前认为的重要。　　在进一步的观测中，课题组将该星系与理论上的数值模拟进行对比，并发现该候选星系的质量比通过现有理论预言的质量重1~2个数量级，且该星系与其吸收体的距离也超出理论预测1个量级。　　“这清晰地表明，宇宙早期星际介质中的重元素，也许并不全部起源于小质量星系的活动，大质量星系的贡献很可能比先前科学界所认为的重要得多。”蔡峥说，该研究对于目前科学界通行的星系反馈和大质量星系形成的理论构成了一定的挑战，对于理解大质量星系的形成与演化有关键意义。　　相关论文信息：https://doi.org/10.1038/s41550-021-01471-4

研究人员基于肿瘤类器官（或3D组织培养物）创建了一项测试，它能帮助预测晚期结直肠癌（CRC）患者对化疗做出的反应。在一项前瞻性的临床试验中，他们的基于类器官的检验预测了80％的使用伊立替康标准疗法治疗的患者的反应。他们的系统可以帮助识别那些可能对毒性化疗没有反应的患者，并可能最终帮助临床医生设计更加个性化和有效的化疗方法。化疗被认为是大多数癌症治疗的支柱，但许多患者对治疗没有反应，并会感受到严重的副作用。因此，科学家将研发能够预测哪些患者最有可能受益于化疗药物的方法列为优先考虑的事务。但是，这些方法中有许多仅取得了有限的成功，或仍处于早期开发阶段。Salo Ooft和同事制定了一种新的策略，它用患者自身肿瘤的类器官模型来预测患者的癌症会如何对化疗药物做出反应。他们收集了61例转移性CRC患者的样本，并使用这些组织来生成类器官；他们用伊立替康单独治疗这些类器官或与5-FU合用进行化疗。该类器官系统通常能反映患者会如何对治疗做出反应，并正确分类了80％的接受依立替康治疗的患者。此外，这些类器官可以在21天内生成并被筛选——这比以前的系统（需要进行2到6个月的准备）有了长足的改善。研究人员指出，这些类器官无法预测患者会如何对5-FU和奥沙利铂药物组合所做出的反应。尽管如此，这些发现提示，通过进一步的改善，源自患者的类器官可帮助防止癌症患者接受不必要的基于伊立替康的治疗。

“该发现不仅突破了传统阿尔茨海默病诊断标志物的局限性，还显著提高了诊断的准确度。此外，这些新发现的生物标志物不仅限于脑脊液研究，还可能在血液检测中展现出同样的诊断潜力。”复旦大学附属华山医院神经内科郁金泰教授团队联合复旦大学类脑智能科学与技术研究院的冯建峰/程炜团队发现了对阿尔茨海默病（Alzheimer’s disease，AD）诊断和预测具有重要价值的新型生物标志物——YWHAG，它在识别生物学定义的AD和临床诊断的AD痴呆时的准确度分别高达96.9%和85.7%。当地时间2024年7月10日，该研究在线发表于《自然-人类行为》（Nature Human Behaviour）上。阿尔茨海默病是一种起病隐匿、呈进行性发展的神经退行性疾病，临床特征主要为认知障碍、精神行为异常和社会生活功能减退。据美国阿尔茨海默病协会（Alzheimer’s Association）数据，全球约有5500万人患有阿尔茨海默病和其他痴呆症。因发病机制未明，阿尔茨海默病被认为是“研发黑洞”。当地时间2023年7月6日，美国食品药品监督管理局（FDA）完全批准日本卫材药业（Eisai）和美国渤健公司（Biogen）联合开发的阿尔茨海默病新药Leqembi上市，它也成为20年来首款获FDA批准上市的阿尔茨海默病新药。当地时间2024年7月2日，美国药企礼来（LLY.US）的阿尔茨海默病新药Kisunla获FDA批准上市。两款新药均用于早期阿尔茨海默病患者，这也让早期诊断成为关键。由于两种靶向药物的获批，以及阿尔茨海默病生物标记物研究的进展，美国阿尔茨海默病协会和美国国家衰老研究所在当地时间2024年6月27日更新了《阿尔茨海默病诊断和分期的修订标准（2024年）》（以下简称“新标准”），它将阿尔茨海默病定义为一种生物衰老过程，在无症状时，人们就已经出现阿尔茨海默病神经病理变化，这些变化可以通过生物标记物检测出来。因此，新标准认为不能仅凭临床表现诊断阿尔茨海默病，要通过生物标记物来确诊。郁金泰告诉澎湃科技，通过临床表现诊断阿尔茨海默病即基于患者的认知功能下降和行为改变，结合临床评估、神经心理测试和影像学检查等来定义该疾病。这种诊断通常在病情进展到中晚期时进行，主要依赖于症状和体征。而通过生物标记物来诊断阿尔茨海默病是指基于脑组织的病理特征来诊断该疾病，即β-淀粉样蛋白病理和tau病理的存在，这些病理变化可以通过活检、PET（正电子发射断层扫描）成像或脑脊液（CSF）生物标志物检测来评估，是目前公认的诊断标准。这种定义更加依赖于明确的生物学特征，使得诊断更加客观和精准。新标准将β-淀粉样蛋白病理和tau病理归类为阿尔茨海默病神经病理变化的核心生物标记物，除此之外，阿尔茨海默病的生物标记物还包括疾病发展过程中的非核心生物标记物，如炎症标记物、免疫激活生物标记物等；与非阿尔茨海默病共有的常见病理标记物，如脑血管疾病、神经元α-突触核蛋白疾病生物标记物等。郁金泰团队发现了一种新的生物标记物。其研究共纳入707名参与者，包括认知正常、轻度认知障碍和阿尔茨海默病的人。通过对SomaScan平台（美国Somalogic公司研发的蛋白质生物标志物检测平台，通过高通量分析生物样品中蛋白质浓度变化来监测健康和疾病）检测的脑脊液蛋白质组学数据进行深入分析挖掘，研究团队在6361个蛋白质中筛选出对阿尔茨海默病生物学诊断最重要的四个生物标志物：YWHAG、SMOC1、TMOD2和PIGR蛋白，以及对阿尔茨海默病临床诊断最重要的五个生物标志物：ACHE、YWHAG、PCSK1、MMP10和IRF1蛋白。YWHAG在识别生物学定义的阿尔茨海默病和临床诊断的阿尔茨海默病痴呆时表现最佳，准确度分别达96.9%和85.7%。使用前述四个和五个蛋白分别组成的组合可将诊断准确性提高到98.7%和97.5%。YWHAG、SMOC1、TMOD2和两种蛋白组合的卓越性能不仅在独立的外部队列中得到了验证，而且在区分尸检病理证实的阿尔茨海默病与非阿尔茨海默病时也得到了验证，甚至优于经典的阿尔茨海默病脑脊液核心标志物（Aβ42、p-tau181、t-tau）以及这三种经典标志物的组合。除了卓越的诊断效能，它们在预测阿尔茨海默病临床进展方面也表现良好，与阿尔茨海默病核心病理和认知能力下降密切相关。郁金泰向澎湃科技解释，YWHAG是一种14-3-3蛋白家族成员，也称为14-3-3 gamma。YWHAG蛋白可参与调节细胞周期、信号传导和代谢等多种细胞过程。YWHAG在阿尔茨海默病患者的脑脊液中表现出显著的表达变化，其异常表达与神经退行性变和病理变化相关，通过检测YWHAG的变化，可以反映出阿尔茨海默病病理过程中的神经元损伤和细胞信号通路改变，有助于早期检测和诊断阿尔茨海默病。据郁金泰介绍，检测YWHAG蛋白的方法包括：酶联免疫吸附测定（ELISA），即使用特异性抗体检测YWHAG蛋白，定量分析其在血浆或血清中的水平；质谱分析（LC-MS），即通过液相色谱-质谱联用技术对YWHAG蛋白进行精确检测；免疫印迹（Western blot），即使用抗体对YWHAG进行特异性检测，评估其表达水平；以及SOMAscan，这是一种蛋白质组学技术，利用适体（DNA或RNA寡聚体）进行蛋白质检测，能够高通量、高灵敏度地检测包括YWHAG在内的多种蛋白质。郁金泰团队认为，此次研究成果不仅为阿尔茨海默病的早期诊断和疾病预测提供了全新的生物标志物，更在临床应用和未来研究方面展现了广阔的前景。该发现不仅突破了传统阿尔茨海默病诊断标志物的局限性，还显著提高了诊断的准确度。此外，这些新发现的生物标志物不仅限于脑脊液研究，还可能在血液检测中展现出同样的诊断潜力。据悉，相关的血液YWHAG研究已经在进行中，相关成果已申请专利。研究团队表示，这预示着更加便捷、非侵入性的阿尔茨海默病诊断方法或许将在不久的将来成为现实。新标准特别提到，近年来阿尔茨海默病诊断领域最重要的进展是血液标志物（BBM）的发展，其中一些（不是全部）检测方法表现出准确的诊断性能，这使得阿尔茨海默病的生物学诊断更易获取，并有望彻底改变临床护理和研究。该领域目前正处于过渡阶段，在此期间，血液标志物正在与传统的脑脊液和PET生物标志物相结合进行诊断。

卡内基梅隆大学和俄罗斯圣彼得堡国立大学的研究人员提出一种算法——MolDiscovery，提高了小分子识别的效率和准确性。该算法使用分子的质谱数据来预测未知物质的「身份」，在研究早期告诉科学家他们是偶然发现了新事物，还是仅仅重新发现了已知事物，可节省发现新的天然医药产品的时间和金钱。　　该研究于6月17日以「MolDiscovery: learning mass spectrometry fragmentation of small molecules」为题发表在《自然通讯》（Nature Communications）杂志上。 MS 是一种电离化学物质并根据其质荷比（质量-电荷比）对其进行排序的分析技术。广泛应用于各个学科领域中通过制备、分离、检测气相离子来鉴定化合物。　　质谱图是小分子的指纹，可以用一组质量峰表示，但与指纹不同的是，没有庞大的数据库来匹配它们。尽管已经发现了数十万种天然分子，但科学家们无法获得他们的质谱数据。　　目前，已经出现了包含数万个小分子注释质谱的谱库，为开发基于机器学习的方法来提高计算机数据库搜索的灵敏度和特异性铺平了道路。然而，现有方法对于超小分子（1000 Da）在计算上不足。　　现在，该研究团队提出一种质谱数据库搜索方法—— MolDiscovery，通过学习概率模型来将小分子与其质谱相匹配，大大提高了小分子识别的准确性，同时使搜索效率提高了一个数量级。　　从全球天然产物社会分子网络（GNPS；http://gnps.ucsd.edu) 搜索了 800 万个串联质谱后，MolDiscovery 以 0% 的错误发现率 (FDR) 鉴定了 3185 个独特的小分子，与现有方法相比，增加了 6 倍。在具有已知基因组的 GNPS 存储库的一个子集上，MolDiscovery 正确地将 19 个已知和三个假定的生物合成基因簇与其分子产物联系起来。　　MolDiscovery 框架　　MolDiscovery 框架主要分两个过程：训练过程和评分过程。具体步骤：　　从构建代谢物图和生成碎片图开始。对于后者，MolDiscovery 使用一种新的高效算法来查找代谢物图中的桥接和 2-cuts；　　MolDiscovery 继续学习匹配碎裂图和质谱的概率模型；　　对小分子光谱对进行评分，计算 FDR。基准测试　　MolDiscovery 与其他五种最先进的方法进行了比较，数据库搜索结果显示，MolDiscovery识别效果最好，平均可以正确识别测试 GNPS 和 MoNA 数据中的 43.3% 和 64.3% 的小分子。所有测试方法的最高 K = 1、3、5 和 10 准确度。（来源：论文） MolDiscovery 也是针对 DNP 搜索 GNPS 的最快和最节省内存的方法之一。在预处理阶段，MolDiscovery 比其中一种方法快 300 倍以上。　　还根据正确分子匹配的质量范围评估了运行时间。对于质量 1000 Da 的分子光谱，相同质量范围内，MolDiscovery 平均只需 6 分钟和 24 秒。　　注释 8 倍多的光谱，识别出 6倍多的独特化合物　　从GNPS 搜索了 800 万个串联质谱，在严格的 0% FDR 水平下，MolDiscovery 注释了 8 倍多的光谱，并识别出比 Dereplicator+ （一种从MS中识别小分子的数据库搜索复制器）多6倍的独特化合物。　　MolDiscovery 搜索在 10 个线程上花费了 34 天，与单线程上的预测 329 天非常接近。值得注意的是，在搜索如此大规模的光谱数据集时，MolDiscovery 比其他方法要高效得多，只需要对分子数据库进行一次预处理，可以有效地搜索未来的光谱。　　节省新药研发时间、成本　　「科学家们浪费了大量时间来分离已知的分子。」研究团队成员 Hosein Mohimani 说。「早期检测分子是否已知，可以节省时间和数百万美元，并有望使制药公司和研究人员更好地寻找可能用于新药开发的新型天然产品。」　　Mohimani 解释说：「例如，科学家检测出一种在海洋或土壤样本中有望成为潜在药物的分子后，可能需要一年或更长时间才能识别出这种分子，而不能保证该物质是新的。MolDiscovery 使用质谱测量和预测机器学习模型快速准确地识别分子，且无需依赖质谱数据库进行匹配。」　　该团队希望 MolDiscovery 将成为实验室发现新型天然产物的有用工具。MolDiscovery 可以与 Mohimani 实验室开发的机器学习平台 NRPminer 协同工作，帮助科学家分离天然产物。

作为最常见的恶性肿瘤之一，胃癌(GC)在中国成为了因癌症导致死亡的第三大原因。胃癌在早期阶段是无症状的，大部分胃癌患者的死亡是由于筛查不及时而使病情贻误至晚期而引起的。因此，研究人员也一直在寻找能够鉴定胃癌的可靠生物标志物，以改善胃癌筛查状况。近日，来自贵州中医药大学的研究团队采用干血点(DBS)采样和质谱(MS)技术相结合的方法检测了166名胃癌患者和183名健康个体的血液代谢谱。研究显示，与健康个体相比，胃癌患者包括Ala、Arg、Gly、Orn、Tyr/Cit、Val/Phe、C4-OH、C5/C3、C10:2等代谢物发生了一定变化。研究团队认为，这些代谢物可能成为早期检测胃癌的潜在生物标志物。　　研究结果以“Metabolite biomarker discovery for human gastric cancer using dried blood spot mass spectrometry metabolomic approach”为题发表在scientific reports上。　　　　胃癌的发生是一个多步骤，多因素进行性发展的过程，其中一个途径是从幽门螺杆菌感染开始，到非活动性胃炎，再到慢性活动性胃炎，并逐步发展为胃癌的前驱病变，最后演变成胃癌。目前的数据表明，晚期胃癌患者的5年总生存率降低到20%。早期发现能够极大地干预胃癌的诊疗，提高胃癌患者的5年生存率。　　在早期胃癌筛查方法中，内窥镜检查在临床是最灵敏的一种手段，不过，可能出现的并发症和患者对内镜的不适感限制了其广泛使用。此外，尽管目前已经有相关的癌症循环生物标志物，但由于其灵敏度低，胃癌患者的筛查诊断效果并不尽人意。因此，寻找更加灵敏的癌症生物标志物对于改善胃癌患者的预后至关重要。　　液相色谱质谱 (LC-MS) 具有高分辨率、高灵敏度和可重复性等特点，是代谢组学研究中最常用的平台之一，可用于检测生物分子。研究团队运用液相色谱质谱代谢组平台对受试者进行检测，并发现与健康人群相比，胃癌患者有16种代谢物水平发生了变化，包括Ala、Arg、Gly、Orn、Tyr/Cit、Val/Phe、C4-OH、C5/C3、C10:2等，这些都将可能成为早期检测胃癌的潜在生物标志物，有利于进一步建立区分胃癌患者和健康个体的预测模型。　　同时，研究人员在本次试验采用了一种叫干血点 (DBS) 采样的技术，这是一种微量采样技术，通过脚跟或手指穿刺采集血液样本。与传统的全血采样相比，它具有相对较高的稳定性和安全性，所需血量更小，能够更简单地进行储存和转移，降低传染性病原体的感染风险。干血点 (DBS) 采样和质谱技术的结合可以支持进行高通量、可靠和稳定的生物标志物检测。　　不过，研究人员表示，这项研究尚存在一定的局限性，在之后的研究中，他们将招募更多的非活性慢性胃炎患者和晚期胃癌患者，检测更多的代谢物，并加大样本量，让研究变得更系统化。

p 　　King Faisal Specialist医院和Fowzan Alkuraya研究中心的团队对辣子两个怀孕有苦难的家庭女性进行了同和性作图和外显子测序，这些女性即使进行体外受精，怀孕也十分困难。研究人员本周在《Genome Biology》上报道了他们的结果，他们发现，TLE6中的突变似乎在早期终止了胚胎发育。胚胎后发育中，其他基因的活性与胚胎杀伤作用的联系已经有所发现，但是研究人员会说，这是第一个在胚胎植入前具有杀伤活性的。 ?? /p p 　　“我们的数据表明，TLE6突变是一种造成人类女性不孕的罕见突变，并且其是现在已知的，最早的对胚胎具有杀伤力的单个基因的突变，” Alkuraya和他的同事们在文章中这样写道。 /p p 　　看似健康的精子与看似健康的卵子在胞浆内注射受精失败是十分罕见的，研究人员说，值得注意的是，在20年的体外受精的经验中，他们只记得有8对夫妇出现了这样的情况。而其中两队夫妇是近亲，因此研究人员能够与他们取得联系。研究人员补充道，一个女性患者也有一个受此影响的姐姐。 /p p 　　两姐妹都来自同一个家庭，这个家庭中的另外的兄弟姐妹都是健康和可孕的，但是她们却经历了多次失败的精子注射。只有三个卵子发育成了两个生殖核，这表明受精正常，但是这些受精卵在1个，2个4个细胞阶段停止了发育。 /p p 　　研究人员说，其他家庭的女性也表现出了类似的模式，这表明这些女性的表型是胚胎移植前具有杀伤力。 /p p 　　对于三个女人中的两个，Alkuraya和他的同事们进行了全外显子测序，以寻找他们受精卵中纯合子编码区或者可变剪接体。 /p p 　　在经过这些信息过滤后，一个新的变体变得清晰明显：在TLE6中出现了纯合子S510Y的替换。 /p p 　　研究人员进一步报道，这三个女性的受精卵都具有这个突变。她们都有一个相同的单体型，这表明他们具有共同的祖先。 /p p 　　他们还指出，来自一个家庭的某个兄弟是这个变种的纯合子，但是他是可孕的，这表明这种变异的影响仅仅局限于女性。 /p p 　　研究人员报道说，在哺乳动物的TLE6同源基因中，其变异残基似乎具有普遍的保守性，此外，使用PolyPhen和SIFT预测，S510Y变体是一种致病的突变。 /p p 　　Alkuraya和他的同事们补充说，TLE6编码一种蛋白，其是分皮质孕产妇复合物(SCMC)的一部分，而这种在但是是动物卵母细胞的一种结构，其对胚胎早期发育是至关重要的。他们还补充说，这种基因是目前已知的，为数不多的几个哺乳动物的母性效应基因。 /p p 　　蛋白激酶A是已知的，能够的磷酸化的TLE6，，研究人员怀疑说，氨基酸残基的更换会影响TLE6的磷酸化位点。 /p p 　　通过一系列的细胞系和免疫印迹分析，他们发现，表达TLE6突变的细胞会出现TLE6磷酸化的损伤。 /p p 　　同样，通过免疫沉淀反应和免疫印迹分析，他们进一步指出，OOEP，KDHC3L和SCMC之间的结合力减弱了-这是SCMC的另外两个元件。 /p

导读脑卒中俗称中风，是全球范围内发病率、致死率以及致残率最高的疾病之一，治疗脑卒中所消耗的人力财力巨大，给患者和家人带来多重痛苦。 目前发现80%-85%的脑卒中为缺血型脑卒中，在发病前期有一个短暂的窗口期，有效地在窗口期诊断脑卒中可对后续治疗起到事半功倍的效果。目前已发现一些药物能有效减轻缺血引起的脑损伤，但机理尚不清楚。研究清楚脑卒中发病及药物作用机理，亦可帮助更有效的治疗。 近年来的研究表明，缺血性脑卒中与缺血缺氧引发的炎症反应有密切联系，而炎症反应多与脂质代谢相关联。通过比较健康人与患者体内脂质种类及浓度的差别，进而找到关键的“生物标志物”，既可帮助脑卒中的早期快速诊断，又有助于理解致病及治疗机理。广东医科大学蔡春教授团队及华南理工大学周婷老师团队利用岛津特色质谱仪，分别以靶向和非靶向代谢组学的手段开展了脑卒中相关研究，以下是相关成果简介。 蔡春教授团队使用岛津超高效液相-三重四极杆质谱联用仪LCMS-8045比较了122名健康志愿者和197名缺血性脑卒中病人血浆中158种脂肪酸的浓度差异，通过机器学习的方法建立了模型。该模型找到了一组生物标志物（AA、DHA、13-HODE等），能准确区分脑卒中患者与健康志愿者；另一组生物标志物（11-HETE和8-iso-15-keto-PGF2α）能区分初次发病患者和复发患者。这一研究发表在化学领域一区杂志Chemical Communications中，为脑卒中的早期诊断提供了新的有力工具，且通过一组而不是一个生物标志物的检验，能大大提高预测的准确性。 蔡春教授团队文章首页 岛津超高效液相-三重四极杆质谱联用仪 LCMS-8045 正常组与患病组脂肪酸浓度水平比较 周婷老师团队利用岛津超临界流体色谱仪与离子阱-飞行时间质谱仪联用系统（SFC-IT-TOF）研究了异甜菊醇钠治疗脑卒中的作用机制。首先，利用SFC-IT-TOF分析了正常大鼠、给药大鼠和脑卒中模型大鼠脑组织中的代谢物，通过PLS-DA、OPLS-DA等统计学手段找到组间差异性的生物标志物，再利用IT-TOF对代谢物质量数的精确测定，结合公共数据库，对差异性代谢物进行定性，最终筛选出20个生物标志物，其中溶血磷脂和多不饱和脂肪酸的水平显著升高，说明了脑卒中的病理机制可能与PLA2以及炎症反应有关。 岛津超临界流体色谱仪Nexera UC系统正常组与给药组OPLS-DA得分图 利用岛津特色质谱仪及液相前端系统，两个科研团队从不同的角度推进了我们对脑卒中的理解，让我们在战胜脑卒中的道路上更进了一步。 参考文献：Zhang L. et al., Integration of ultra-high-pressure liquid chromatography–tandem mass spectrometry with machine learning for identifying fatty acid metabolite biomarkers of ischemic stroke, Chem Comm, doi 10.1039/d0cc02329a Yang Y. etal., Lipidomics study of the protective effects of isosteviol sodium on stroke rats using ultra high-performance supercritical fluid chromatography coupling with ion-trap and time-of-flight tandem mass spectrometry. Journal of Pharmaceutical and Biomedical Analysis 157 (2018) 145–155

2024年2月23日，清华大学药学院胡泽平团队与合作者在《Nature Communications》发表题为“Metabolomic machine learning predictor for diagnosis and prognosis of gastric cancer”的研究论文，揭示了胃癌患者血浆的代谢重编程图谱，并发现基于代谢组学构建的机器学习模型能准确诊断胃癌患者，并预测患者预后风险。 研究背景 胃癌是东亚地区高发的致死性肿瘤。胃癌的早期确诊和及时干预对改善临床结果至关重要。然而，作为胃癌诊断金标准的内镜活检因其侵入性高且费用昂贵而限制了临床应用。因此，迫切需要开发具有高灵敏度和特异性的新型非侵入性胃癌检测方法。此外，对病人进行预后监测并及时进行干预有助于更好的临床结果。因此，开发一种更精确的患者预后预测方法至关重要。胃作为具有高度异质性的消化器官，其癌变和进展受到基因突变和环境扰动的双重影响，伴随显著的代谢重塑。然而，代谢重编程及其在胃癌诊疗中的潜在应用并未被系统性深入地研究过，未能满足临床对胃癌早诊和患者分层治疗的需求。目前的胃癌生物标志物研究很大程度上受限于队列规模小、缺乏独立的验证队列、样本类型和检测方法的差异导致的结果再现性低，以及受分析技术限制的检测灵敏度有待提高等问题。因此，使用多中心、大队列、特征明确的胃癌和对照人群进行代谢组学分析对于识别和验证具有转化潜力的生物标志物，从而开发和完善适合临床应用的代谢生物标志物的仍然势在必行。 研究过程 研究人员收集了702例胃癌患者和非胃癌对照的血浆样本，进行了靶向代谢组学数据分析。结果显示，胃癌患者血浆发生了明显的代谢重编程，其中最显著改变的代谢通路为谷胱甘肽代谢。通路中的两种关键代谢物 还原型谷胱甘肽GSH 和氧化型谷胱甘肽 GSSG 在胃癌血浆中显着降低。此外，作为氧化应激紊乱指示物的GSH/GSSG 比率在胃癌患者中显着上调，并随着疾病进展而逐渐增加。表明胃癌患者血浆中氧化应激严重失调。此外，胃癌患者的半胱氨酸和蛋氨酸代谢通路也发生显著失调。与非胃癌对照相比，胃癌患者的 S-腺苷-L-同型半胱氨酸 (SAH) 下调，S-腺苷甲硫氨酸 (SAM) 上调，并且 SAM/SAH 比值随疾病进展而增加。作为通用甲基供体，SAM 丰度和SAM/SAH 比值的失调可能反映了胃癌患者甲基池的扰动。这些胃癌血浆中的代谢重编程特征为开发胃癌检测和患者预后预测生物标志物奠定了基础。图1. 本研究设计及流程图尽管代谢组学在全面分析胃癌整体代谢特征方面具有独特的优势，能够大规模识别用于 GC 诊断和预后的有希望的生物标志物，但复杂的组学数据的解释始终是一个挑战。在过去的几年中，机器学习算法已被用于发现组学数据和疾病状态之间的潜在关联并创建预测模型。因此，研究人员分别使用随机森林和随机生存森林算法建立了基于10个代谢物的胃癌诊断模型（10-DM）和基于28个代谢物的胃癌患者预后预测模型（28-PM）并在测试集中验证了模型的优越性能。对模型效果评估时发现，10-DM诊断模型即使对早期胃癌患者（stage IA）也能准确诊断，表现出比临床正在使用的癌症蛋白标志物CEA,CA19-9,CA72-4等更优越的诊断效果（灵敏度0.925：0.428）。10-DM模型的准确性和重现性在覆盖521人的多中心队列中得到证实，表明该模型具有较高的稳健性和临床应用潜力。此外，28-PM预后模型比利用临床参数的传统模型的预测效果更好（C-index值0.816：0.591），并能有效地将患者分为高低两个风险组。在中位数为40个月的随访期间，28-PM 模型区分的高风险患者的预后与低风险患者相比更差，证明了模型的预测能力。被分层为高危险组的患者更有可能受益于强化监测、及时干预和新型治疗药物的试验。 研究结果 综上，该研究描述了胃癌患者血浆的整体代谢重编程，并结合机器学习算法构建了两个模型，分别识别胃癌患者并预测其预后。该工作有助于进一步理解胃癌的分子病理学特征，促进了胃癌早期检测的发展，并为实现胃癌的精准治疗提供理论基础。迄今为止报道的胃癌组学研究主要集中在探究以 DNA、RNA 和蛋白质作为胃癌生物标志物的潜力，而该工作强调了胃癌中循环代谢物的预测价值。通过使用高灵敏代谢组学技术分析覆盖共计702例胃癌和非胃癌对照的多中心样本已经独立测试集的设定，该研究成功应对了生物标志物探究工作普遍面临的结果再现性低，无法进行临床推广应用的挑战。未来可以通过建立靶向两个模型中代谢物的特定子集的靶向定量代谢组学检测方法以提高效率并降低成本，并在来自更多中心的更大规模临床样本中进行验证和优化。此外，基于这两种预测模型有望促进胃癌无创早期检测，并根据患者的风险分层为临床决策提供信息，从而实现辅助胃癌精准诊疗策略的临床转化。胡泽平 清华大学个人简介：分别于山东大学齐鲁医学院、中国食品药品检定研究院和新加坡国立大学获医学学士、药理学硕士和Ph.D.学位。后于美国西北太平洋国家实验室Richard D. Smith组从事生物质谱和代谢组学的博士后研究。2012年受聘于美国德克萨斯大学西南医学中心任研究助理教授、儿童研究所代谢组学平台技术主任。2016年12月起任清华大学药学院准聘系列PI、特别研究员，2024年1月任长聘副教授。研究方向为“基于新型代谢组学/多组学技术研发的疾病代谢重塑研究、新药靶标与生物标志物发现”，包括：1）肿瘤微环境中不同类型细胞（特别是神经细胞/神经递质与肿瘤细胞和免疫细胞间）的代谢互作与单细胞代谢异质性、功能与代谢调控分子机制解析，与新药靶标发现；2）心血管疾病的代谢重塑规律、功能、调控分子机制解析，与新药靶标发现；3）超灵敏、单细胞代谢组学技术，及基于AI的多组学数据智能化整合分析技术与大模型研发；近年来以通讯作者（含共同）在Cell Metabolism (2018), Nature Metabolism (2021a 2021b), Nature Cancer (2022), Science Translational Medicine (2018), Journal of Clinical Investigation (2022), Nature Cardiovascular Research (2022), Nature Communications (2024 2021a 2021b), Cancer Research (2024), Cell Discovery (2022), Analytical Chemistry (2021)等期刊发表论文多篇。获邀在Nature Metabolism (2023), TrAC Trends in Analytical Chemistry (2023), Acta Pharmaceutica Sinica B (2023), Pharmacology & Therapeutics (2021), Clinical Pharmacology & Therapeutics (2019)等期刊发表Viewpoints或综述，共已发表论文60余篇，引用8000余次（Google scholar），H-index为41。研究成果多次被Science, Nature Cancer, Nature Reviews Cancer等期刊作为研究亮点专评。先后主持/参与国家基金委面上项目、重大研究计划重点项目、集成项目、“未来生物技术”原创探索项目；科技部国家科技重大专项、重点研发专项（2项）等共7项国家级科研项目；及国际头部药企资助的新药研发合作项目。担任国家基金委项目会评专家，Nature Metabolism, Nature Communications, Science Advances, Cell Reports等多个期刊审稿人，及Life Metabolism, Acta Pharmaceutica Sinica B等期刊编委。

阿尔茨海默病是最常见的一种痴呆病症，在美国，65岁以上的患者大约有五百一十万。目前，在患者生前，并没有任何一种诊断方式可以确诊阿尔茨海默病。尽管现在我们并不能阻止或是逆转这种疾病的进程，然而，一种准确的诊断，可以让患者及他们的家庭为将来做好打算，并寻求减轻症状的治疗。 近日，来自于美国农业部，Monell中心的一项最新研究发现，在小鼠的阿尔茨海默疾病模型上，有一种特异的可识别的气味的特征。这种特异的尿液气味的出现，早于显著性的阿尔茨海默病大脑病理学的发展，这个发现提示，也许我们可以开发出一种非侵入性的工具，来早期诊断阿尔茨海默病。 这项研究结果最近在线发表在Scientific Reports杂志上，研究人员们利用APP小鼠模型，即模拟阿尔茨海默大脑病理特征的小鼠模型，开展了这项研究工作。利用行为学和化学分析，研究人员们发现，每一批APP小鼠所产生的尿液气味谱，都可以与对照组区别开。而且，这种气味的改变，并不是因为新化合物的产生，而是尿液中现有化合物浓度的相对变化。另外，这种气味的改变与年龄无关， 且出现在大脑病理变化改变之前。这些发现表明，尿液的气味特征可能与某种潜在基因的表达有关，而不是由大脑的病理改变发展引起的。这种特征性气味的改变可以来预测阿尔茨海默病。 值得注意的是，目前这项研究是在小鼠模型上开展的，研究人员仍需进行大量的，对人类阿尔茨海默病患者尿液气味改变的研究。希望在不远的将来，这种非侵入性的监测方法可以作为一种气味标识，用来预测阿尔茨海默病。

来自麦吉尔大学和多伦多大学等研究人员已经开发出一种方法，可以仅通过一个微小肿瘤组织样本来预测肺癌患者在手术后的发展状况。研究人员将成像质谱流式细胞术与深度学习技术相结合，分析了400 多名来自肺腺癌患者的肺癌样本的肿瘤微环境。肿瘤微环境已被确定为影响治疗进展的异质性来源。通过在空间和单细胞水平上表征肿瘤微环境，研究人员揭示了与临床特征(如生存率)相关的不同细胞状态和特征。正如他们在Nature杂志上报道的那样，他们使用了人工智能来识别肿瘤微环境的某些特征来高精度地预测疾病进展。　　Fig. 1: IMC defines the spatial landscape of LUAD.　　“总的来说，这些数据表明空间分辨的单细胞转录组在未来可能具有非常大的价值，有助于为个性化的围手术期护理计划提供有价值的信息，以最大限度地减少那些能被治愈的人在治疗过程中产生的毒副作用，或提高那些会复发的人的治愈率”，麦吉尔大学的共同资深作者 Daniela Quail 和 Logan Walsh 以及拉瓦尔大学的 Philippe Joubert 领导的研究人员在论文中写道。研究人员使用 Fluidigm(现为 Standard BioTools)企业的成像质谱流式细胞技术系统，分析了 1996 年 2 月至 2020 年 7 月期间收集的 426 名肺腺癌患者的小组织核心样本。他们使用 35 重抗体组来识别各种细胞他们样本的成分，包括癌细胞本身以及基质细胞、适应性和先天性免疫细胞。研究人员总共检测到超过 160 万个细胞，并发现了 14 个不同的免疫细胞群。他们特别关注免疫细胞群与患者的临床数据之间的关联。例如，肥大细胞与延长生存期有关，虽然它们在非吸烟者和患有早期疾病的患者中更为常见。研究人员进一步注意到某些免疫细胞的频率与特定临床亚组之间的联系—例如，CD4 阳性辅助性 T 细胞在女性患者的样本中富集，她们往往会有更好的总体存活率，而老年患者的肿瘤内 CD8 较少- 阳性 T 细胞。与此同时，他们探索了肿瘤微环境中不同的细胞表型如何与生存相关，例如，发现 H1F1-α 阳性中性粒细胞将会产生不利于生存的环境。观察具有相似局部细胞类型组成的区域(邻近细胞)，研究人员进一步指出，不同的组织结构与生存差异有关。例如，富含 B 细胞的邻近细胞与存活显着相关，尤其是 CN-25 邻近细胞，它也富含 CD4 阳性辅助性 T 细胞。通过应用深度学习方法，研究人员发现他们生成的空间信息可以改善对临床结果的预测。他们报告说，创建的模型(包括空间信息)预测进展的准确率高达 95.9%，而基线评分的准确率为 75%，而且他们仅仅使用了一个 1 mm²的肿瘤样本。此外，研究人员使用成像质谱流式细胞术分析了 60 名原发性肺腺癌患者的单独验证队列，并在数据集中发现该模型以 94% 的准确度预测进展。研究人员将他们模型的预测能力追溯到六个标记的组合：CD14、CD16、CD94、αSMA、CD117 和 CD20。总体来讲，准确率为 93.3%，精密度和召回率为 95.6%。研究人员写道：“我们的研究结果代表了对使用临床和病理变量的现有预测工具的重要进步，并且可以更有效地利用不断增长的围术期辅助系统来改善癌症结果。”　　来源：　　1.Sorin, M., Rezanejad, M., Karimi, E. et al. Single-cell spatial landscapes of the lung tumour immune microenvironment. Nature (2023). https://doi.org/10.1038/s41586-022-05672-3.　　2.基因网

有没有想象过, 我们可以预测 COVID-19 在何时何地爆发？不仅能预测到病毒的轨迹，还可以知道会在何时何地会出现一波阳性病例!这正是丹尼娜西蒙斯在加拿大安大略理工大学所研究的项目。疫情可预测，究竟是如何做到的？这位生物学助理教授分析了来自安大略省达勒姆地区的废水样本，寻找 SARS-CoV2 的踪迹，以确定引起 COVID-19 的病毒是否可检测到，并能预测人群中的 COVID 峰值。她的早期研究结果显示，在该地区报告阳性病例出现同样的峰值前大约 10 天，废水中的病毒也会出现峰值。“如果这能被证实，你可以把它看作是一个早期预警信号。” 丹尼娜在谈到测试方案时说，该方案使用安捷伦液相色谱-四极杆飞行时间质谱仪（LC/Q-TOF-MS）来测量表明研究环境中存在丰富 SARS-CoV2 的蛋白质。当丹尼娜所在的部门在 2019 年底做购买仪器计划时,她还完全没有利用安捷伦翻新的二手气相色谱质谱系统来进行疫情预测实验的想法。她之前曾计划用这台仪器来测量鱼蛋白质和代谢物中环境污染物的水平，然而所需的新仪器并不在大学预算之内。随着安捷伦官方认证翻新仪器的推出, 丹尼娜教授的购买计划变为可能。这项计划从用户的实验室购回旧仪器，送回安捷伦工厂进行升级和翻新后再次转售，为客户提供了更全面的选择，而且这不单加强了产品管理，更可以利用回收资源, 变得更为环保。翻新仪器价格打折服务品质却从未打折虽然是翻新仪器价格上获得更大优惠, 但是给客户的质量或服务支持的的要求没有降低, 。“这完全是因为能负担得起。”丹尼娜说，“这是大学的决定，购买翻新仪器。” 该大学还购买了另一台经翻新认证的二手气相色谱质谱仪（GC/MS），并计划在未来利用该计划购买一台液相色谱三重四极杆质谱仪（LC/QQQMS）。接受挑战的同时，成功的关键在哪里？事实上，当仪器到达时，丹尼娜的任务不仅仅是研究鱼的蛋白质。安大略理工大学董事会的一位成员分享了澳大利亚正在进行的 SARS-CoV2 废水分析的报告，并建议研究人员也这样做。丹尼娜很快就接受了这个挑战并有自己的想法,她把所做的研究主要集中在测量废水中SARS-CoV2 核糖核酸（RNA）的存在。图片由丹尼娜西蒙斯提供。“我认为如果能测量 RNA，就应该能够测量蛋白质，因为蛋白质通常比 RNA 更丰富，也更稳定，” 丹尼娜解释说。她的研究在 9 月开始，对安大略省五个城市阿贾克斯、克拉灵顿、皮克林、大川和惠特比的废水处理中心的样品进行分析。在样品被沉淀和离心后，剩余的半固体被分解成肽，或更小的氨基酸链。然后，丹尼娜使用 LC Q-TOF MS 测量这些肽及其序列的质量，然后将其映射到已知的基因和蛋白质序列，包括 SARS-CoV2 病毒的序列。丹尼娜说，“大多数研究人员只是在寻找 SARS-cov2rna 或棘突蛋白，即将病毒与人类细胞结合的棒状突起。这种检测方式只是增加了检测的数量而已，而我所采用的方法更有可能让公共卫生官员有时间为特定地区的 COVID-19 疫情做好准备。废水分析的好处还不止于此。”丹尼娜说：“我们发现了一两种与感染有关的人类蛋白质，而不是病毒性的，但仍需进一步研究。”。她补充说，“这种方法有可能超越 COVID-19，这表明废水可以扫描其他类型的病毒。”丹尼娜说，“如果这一点证明是成功的，那么政府（美国）可以从实验的结果中吸取经验与教训，我们可能会看到未来在疫情监测方面的变化。”。安捷伦官方认证翻新仪器计划是促成这项工作的唯一原因丹尼娜说，“这一切都是安捷伦官方认证翻新仪器计划促成的。该计划是我的团队能够完成这项工作的唯一原因，因为如果没有这项计划，我们就无法购买安捷伦 LC/Q-TOF-MS。我相当满意！”观看下方视频，更多了解安捷伦官方认证翻新仪器计划现扫描二维码提交翻新认证仪器需求,前 50 名将获得小米背包 1 个（ 1 人只有 1 个名额，不可重复领取）关注安捷伦微信公众号，获取更多市场资讯

以国立长寿医疗研究中心为主的研究小组，在使用血液检查方法进行痴呆症的诊断和痴呆症未发病患者发病风险的预测是否可行方面，已着手开展产学联合的多机构共同研究项目--“基于血液生物标志物的痴呆症综合层次化系统开发”（简称BATON项目）。 本项目得到日本医疗研究开发机构的支持，将在东京都健康长寿医疗中心、国立量子科学技术研究开发机构、近畿大学、名古屋大学、株式会社岛津制作所、东丽株式会社的联合研究体制下推进。 背 景 据估测，目前日本的老年痴呆症患者达500万人以上，而全世界范围则达到5,000万人以上，其防治方法已成为日本乃至全世界迫在眉睫的课题。为开发出可根治痴呆症的治疗方法和有效的预防办法，必须从众多群类中准确鉴别（层次化）出脑部有引发痴呆症病变的患者。然而，目前现有的PET检查和脑脊液检查均为价格昂贵或创伤性高的方法，因此，迫切需要开发在成本、安全性、简便性等方面具有明显优势的基于血液的检测方法。 BATON项目的目标与内容 国立长寿医疗研究中心与岛津制作所近日报道，已成功开发出了可高精度捕捉在痴呆症中占半数以上的阿尔茨海默症患者脑部β-淀粉样蛋白（Aβ）沉积的血液生物标志物[1,2]。此技术在阿尔茨海默症的治疗用药与预防方法的开发上取得重大突破，在世界范围内备受瞩目的同时，实用化被寄予厚望。因而，早日实现该血液Aβ生物标志物的临床应用是本项目的第一目标。为此，从2020年6月开始，国立长寿医疗研究中心、东京都健康长寿医疗中心、近畿大学医学部三家机构联手，积极投入到研发之中，并与岛津制作所合作，力争在三年内实现实用化。 另一方面，为了全面防治痴呆症，非Aβ血液生物标志物的开发也十分重要。仅从阿尔茨海默症来看，脑部病情发展机理非常复杂，Aβ沉积后，会向Tau蛋白沉积阶段、神经变性阶段发展。所以最近开始通过用“ATN”（Amyloid，Tau，Neurodegeneration英文单词的首字母）将阿尔茨海默症进行阶段化分类把握病情的发展。目前捕捉Tau蛋白的沉积需要进行PET检查和脑脊液检查，而国立量子科学技术研究开发机构的德田等在全世界首次报告，可通过血液检测推断脑部的Tau蛋白沉积[3,4]，同时伴随神经变性而增加的一种叫NFL（neurofilament light chain）的蛋白质，用血液检测的技术也在确立中。 另外，东丽株式会社报告称，通过分析血液中的MicroRNA，可以鉴别发病频度仅次于阿尔茨海默症的神经变性疾病中的路易小体型痴呆。名古屋大学的胜野等正在致力于一项在发病前捕捉到路易小体型痴呆的大规模研究，因此，本项目对有助于路易小体型痴呆早期诊断的生物标志物的开发也备受期待。并且，东丽株式会社也在报告中称，血液中MicroRNA分析，有可能对鉴别脑血管性痴呆以及预测从轻度认知障碍向痴呆的发展有所帮助[5]。 图1：基于血液生物标志物的综合层次化系统 本项目的最终目标是验证这些血液生物标志物的临床有效性，通过与血液Aβ生物标志物的组合，开发基于血液检测的痴呆症综合层次化系统（图1）。这些验证将利用国立长寿医疗研究中心的生物样本库以及名古屋大学在临床研究中保存下来的已有样品进行，必要时，也考虑与其他大规模研究（机构）开展联合研究，力争在五年内实现实用化。 BATON项目的未来展望及贡献预测 通过本研发，期待主要在以下三个方面为医疗和社会做贡献（图2）。图2：本研发对医疗、社会的预期贡献 1、治疗用药研发：在目前的阿尔茨海默症治疗效验中，通过PET检查确认Aβ沉积被定为受试者的入选条件，因成本和疗效方面的原因成为阻碍治疗效验的重要因素。如果通过血液检测筛查事先进行层次化成为可能的话，那么，此类问题可望得到改善，并为治疗用药的开发做出巨大贡献。另外，在监测治疗效果时，可安全地进行反复检测的系统也可望发挥作用。 2、痴呆症诊治：由于仅凭临床症状准确鉴别诊断痴呆症并非易事，所以诊治现场需要有反映病理和病情的生物标志物信息。如果通过血液检测可获得这些信息，会对痴呆症的鉴别诊断有所帮助，也可对确定治疗方针以及根据病情发展预测制定护理计划方案助一臂之力。另外，还可用于进行PET检查和脑脊液检查的初期阶段检查，如此，可减轻患者的负担，节约医疗资源、减少护理成本。 3、预防医疗：以往在开发痴呆症有效预防方法方面的研究开展得很多，但由于通过生物标志物对大规模群集进行层次化实际上未能成功，因此，未能对照脑部的背景病理和病情对介入治疗效果进行仔细评估。如果通过血液检测进行层次化成为可能，就会成为促进痴呆症有效预防方法开发方面研究的巨大原动力。同时，如果未来应用到老年人体检上，通过对痴呆症高风险者的早期介入治疗和风险管理、改善生活习惯等，为预防痴呆症提供帮助，则可望为延长老年人的健康寿命，降低痴呆症的防治成本做出贡献。 关于BATON项目的标志 通过血液检测捕捉淀粉样蛋白、Tau及其他神经病理学变化的生物标志物的开发与合并方面的研究(Blood-based Amyloid，Tau and Other NeuropathologicalBiomarkers Project)简称为BATON。本项目并不是像治疗用药开发那样“直接确定目标”的研究，而是在加速推进痴呆症有效防治方法的开发上不可或缺的一项研究。此外，把握安全、简便、廉价的方法诊断痴呆症和推断痴呆症风险有用的信息，提供给痴呆症诊治现场和普通老年人，也是此研究的一个目标。 如此，从痴呆症研究人员、制药企业、临床诊治医生、普通老年人“连接接力棒”的意义上，将标志设计成了“传递接力棒”的形象。就像田径的接力赛一样，寓意向世界宣扬日本引以为傲的技术和团队合作，为人类的医疗做贡献。 参考文献 1. Kaneko N, Nakamura A, et al. Novel plasmabiomarker surrogating cerebral amyloid deposition. Proc. Jpn. Acad. Ser. BPhys. Biol. Sci. 2014 90:353-364.2. Nakamura A, Kaneko N, et al. High performanceplasma amyloid-β biomarkersfor Alzheimer’s disease. Nature. 2018 554:249-254.3. Tatebe H, Kasai T, et al. Quantification ofplasmaphosphorylated tau to use as a biomarker for brain Alzheimer pathology:pilot case-control studies including patients with Alzheimer' s disease and Downsyndrome. Mol Neurodegener. 2017 12:63.4. Kasai T, Tatebe H, et al. Increased levels ofplasma total tau in adult Down syndrome. PLoS One. 2017 12(11):e0188802.5. Shigemizu D, Akiyama S, et al. Risk predictionmodels for dementia constructed by supervised principal component analysisusing miRNA expression data. Commun Biol. 2019 Feb 25 2:77. doi:10.1038/s42003-019-0324-7. eCollection 2019.

自1985年穆勒发明聚合酶链式反应(PCR)以来，生物科学家的研究方式逐渐被改变。这项能在短时间内获得大量DNA片段的技术，在法医学、DNA克隆、基因组分析、遗传病和传染病诊断中发挥着巨大作用。 　　在近三十年的历程中，全球PCR产业经历了长期的上升发展趋势，即使是在全球经济衰退的背景下仍在加速发展，这在一定程度上证明了该技术乐观的发展前景。近几年基因扩增技术的革新也表明PCR的主导地位，分子诊断和人类基因组计划极大地推动了PCR市场的成长。 　　IQ4I Research&Consult ancyanalysis预测全球PCR市场会以个位数复合年增长率增长，到2020年将会达到134亿美元。目前，快速增长的医疗技术市场对疾病早期诊断的需求加大，伴随诊断投资不断上涨，数字PCR时代到来，关键PCR技术专利即将期满，PCR在基因检测方面的需求增加，这些因素都推动了PCR产业市场的发展。然而，政府对该项技术管控严格，人们缺乏足够认识，熟练技术人员稀少，新一代测序技术发展，PCR商业化技术成本高昂，这些因素也阻碍了PCR市场的发展。此外，当前对于便携式PCR仪和热循环仪的需求使得人们更加倾向于实时检测，而不是把样品送去公司。 　　全球PCR市场按技术种类可分为标准PCR、实时定量PCR、反转录PCR、数字PCR、组装PCR、多重PCR、热启动PCR和其他。其中实时定量PCR占据2013年最大的市场份额，2020年前必然能达到56.5亿。此外，数字PCR有望在未来以12.2%的复合年增长率增长。PCR产品中，试剂和耗材占据2013年最大的市场份额，而PCR相关服务也以最高的增长率稳步增长。 　　IQ4I的PCR全球市场报告包括了PCR的临床诊断应用(传染性疾病及非传染性疾病)和工业化应用，其中包括农业生物技术应用、科学研究应用等等。工业化应用占据了最大的市场份额，2020年之前会以个位数复合年增长率增长。未来一段时间内，PCR的临床应用将会以最高10.2%的两位数复合年增长率增长。PCR的最终用户群中，医药和生物技术公司、合约化研究机构占大头，然而医院和实验室等也会在未来一段时期内以两位数的复合年增长率增长。 　　2013年，北美等发达地区控制着最大的市场份额，并有望在2020年达到57亿美元。公司对医疗基础设施的大力投资和充足的政府财政支持将会给这一市场注入新的发展活力。然而，随着健康意识提升、经济快速增长、可支配收入增加，亚太地区PCR市场份额有望在未来以12.3%的复合年增长率快速增长。今后，大规模的并购、协作、合资、新产品上市将会成为市场发展的主要形式。 　　PCR市场的大腕们包括雅培(美国)、Becton、DickinsonandCo.(美国)、伯乐(Bio-RadLaboratories，美国)、Qiagen(荷兰)、Promega(美国.)、Sigma-Aldrich(美国)、罗氏(瑞士)、SiemensHealthcare(德国)、赛默飞(美国)等等。赛默飞占据24.4%的市场份额，是PCR产业市场的绝对主力，紧随其后的是Bio-Rad Laboratories(伯乐)、Qiagen、Roche Diagnostics(罗氏)、Sigma-Aldrich和Promega。 　　推荐原文 　　PCR Technologies Global Market: Forecast to2020

台湾半导体及高科技产业市场趋势研究公司TrendForce发布了2023年高新技术产业不同细分市场（半导体、显示器、通信、消费电子、新兴技术等）的10大关键技术趋势。TrendForce 预测的 2023 年十大技术趋势如下：● 先进半导体工艺处于晶体管结构的过渡期，成熟工艺扩展了特殊应用开发● 汽车IC的深化与下一代功率半导体的崛起● 新一代 DRAM 的出现，加速了 200 多个层 NAND 的开发● 加速汽车MLCC的开发● 碳中和加速向电动汽车的过渡● 中国面板制造商确保生产能力和技术，扩大在小型AMOLED市场的影响力● 微型 LED 为许多应用提供多样化，电视和车载显示器推动迷你 LED 背光的普及● 5G智能手机（智能手机）比例突破60%● AR/VR 产品已成为绿色制造不可或缺的一部分，并加速了元宇宙的普及● 5G FWA （固定无线访问） 开始商业使用，加速家庭宽带的普及半导体工艺趋势从 16/14nm 开始，先进的晶圆制造工艺从 16/14nm 迁移到 FinFET 型，但在7nm工艺中引入 EUV 光刻技术后，3nm 工艺面临物理限制。 因此，对于后续工艺，台积电和三星电子意见不一，台积电计划从2022年下半年开始量产的3纳米产品也采用FinFET结构，并于2023年上半年正式发布，然后逐步扩大生产规模。另一方面，三星开始在 3nm 内引入基于 GAAFET （环绕栅极场效应晶体管）的 MBCFET 架构，并于2022年开始生产。第一代产品是加密货币挖矿芯片，但到2023年，公司将专注于第二代3nm工艺，目标是大规模生产智能手机SoC。无论如何，两家公司都表示，他们将继续专注于HPC和智能手机平台，这些平台处于3nm量产的早期阶段，因为这些产品对提高性能、降低功耗和减少芯片面积提出了更高的要求。在超过28nm的成熟工艺中，晶圆厂专注于特殊工艺的多样化开发，并开发了从逻辑流程到 HV（高 Voltage）、模拟、混合信号、eNVM、BCD 和 RF 等技术平台。 它们用于专业制造智能手机、消费类电子产品、HPC、汽车和工业计算所需的外围 IC，如电源管理 IC、驱动器 IC、微控制器 （MCU） 和 RF。汽车半导体趋势汽车工业正朝着CASE的方向迈进，对汽车半导体的需求也在增加。随着汽车功能的日益复杂，32 位 MCU 型 ECU 已成为市场上的主流。 到 2023 年，其渗透率将超过 60%，市场价值将达到 74 亿美元，并正在向 28nm 以下的工艺发展。此外，自动驾驶汽车需要高性能的 AI SoC，并且正在开发用于计算能力达到 1，000TOPS 的 5nm 或更小的尖端工艺，随着 MCU 的发展，汽车行业的升级正在加速。同时，随着电动汽车（EV）800V支持、高压直流充电桩和高效绿色数据中心的迅速崛起，SiC和GaN电源组件迅速成为人们关注的焦点。 TrendForce 预测，从 2022 年到 2026 年，SiC/GaN 电源设备市场的平均年增长率将分别达到 35% 和 61%。 随着电动汽车快速充电等需求的迫切，预计到 2023 年，越来越多的汽车制造商将 SiC 引入主逆变器。 其中，可靠、高性能、低成本的SiCMOSFET是竞争的焦点。GaN 还扩大了其覆盖范围，从采用低功耗消费类电子产品到中功率和高功率储能、数据中心、家用微型逆变器、通信基站和汽车。 在欧盟严格的能效要求和中国数据中心扩建计划的背景下，数据中心电源和服务器制造商对 GaN 技术的重要性有了清晰的认识，GaN 电源组件可能会在 2023 年引起人们的关注。NAND 随着新一代 DRAM 的出现而进一步多层化DRAM 市场越来越关注 CXL 模块，因为服务器现在集中在数据中心。 RDIMM 插槽数量有限，因此，利用 CXL 可以增加系统可用的 DRAM 容量，同时提高性能，到 2023 年，英特尔的 Sapphire Rapids 和 AMD 的 Genoa 等服务器 CPU 不仅支持 CXL 1.0，而且 DRAM 模块也支持 DDR5。 此外，为了提高 AI 和 ML（机器学习）的性能，服务器 GPU 将继续支持新一代 HBM3 规范。另一方面，NAND 预计将在 2023 年实现 200 多个层。在 2023 年，四家供应商将实现 200 多个层。 一些供应商还可能大规模生产五边形电池（五角耳电池），以取代未来的服务器硬盘。 在固态硬盘接口方面，Sapphire Rapids 和 Genoa 支持 PCIe 5.0，使信号速度达到 32GT/s，以满足高速计算的需求。汽车智能化加速了车载MLCC的开发目前，自动驾驶功能和高级驾驶辅助系统（ADAS）正在成为新车的标准功能。 虽然自动驾驶级别 1/级别 2 是主要，但仍有约 1，800 到 2，200 个汽车 MLCC（多层陶瓷电容器）。从 2023 年起，ADAS 的 MCU 和传感器 IC 将变得越来越成熟，3 级系统将越来越多地以豪华车车型为中心，MLCC 的消费量预计将从 3，000 个增加到 3，500 个。电动汽车的电力系统已成为各种汽车制造商的主要研发重点之一，旨在优化充电和放电效率和功率回收，以及满足电池寿命的改善需求。 其中，逆变器、电池管理系统和直流电力转换器是构成车辆的重要子系统，使用约2，000~2，500个大容量车载MLCC，村田制作所于2022年初开始量产高静电容量和高电压1206尺寸的车载MLCC，此外，还开始大规模生产TDK、太阳能介电、三星、 Yageo等公司也在进入市场。

在生物和医学研究中，癌变组织和正常组织样品不进行特殊处理时，在标准光学显微镜下无法直接区分，通常被研究的生物材料需要被染色以揭示其秘密，但这样可能会改变样本的特性导致误诊。　　最近，澳大利亚拉筹伯大学的Belinda S. Parker副教授和Brian Abbey教授及其团队开发出一种新的显微镜载玻片，避开了这个问题，他们用这种新型载玻片成功区分了正常的上皮组织、癌前组织和乳腺癌组织。这一发明无疑是为医生提供了一把“照妖镜”，让癌变组织无所遁形。　　相关研究结果发表在2021年10月7日的Nature期刊上，论文标题为“Colorimetric histology using plasmonically active microscope slides”。　　近几年，拉筹伯大学的Abbey教授和Eugeniu Balaur博士共同开发并研究了这项技术。正如Abbey所说，“现在一般通过对生物组织/细胞的染色标记使其在显微镜下可以更好的观察。然而，如果要在组织中检测癌细胞，只有染色标记是远远不够的，这也是癌症早期不易发现而被误诊的原因。近几年纳米生物技术飞速发展，我们可以通过控制生物组织与光的相互作用，把这种相互作用的差异转变成不同的颜色来区别健康和不健康的组织。纳米载玻片技术让组织观察变得想观看彩色电视一样，而以前，只能是黑白电视。”　　在大自然的漫长的进化过程中，出现了各种色彩的有趣的生物，比如颜色靓丽的蝴蝶、善于伪装的章鱼等等。这是因为它们体壁上有极薄的蜡层、刻点、沟缝或鳞片等细微结构，使光波发生折射、漫反射、衍射或干涉而产生的各种颜色。　　典型的自然生物光子纳米结构：(A)芙蓉和郁金香属物种中的一维光栅30 (B)昆虫、鸟类、鱼类、植物叶、浆果、藻类等存在的一维周期性多层膜 (C)在蝶和某些闪光的植物叶子 (D)一些夜间昆虫带有2D光栅，抗反射和自我清洁 (E)某些海洋生物的彩虹色的毛发 (F)昆虫表面的的球体的固体材料产生的彩虹色 (G)逆蛋白石类似的纳米结构生成的蝴蝶的彩虹色。　　图注：以自然为师，通过仿生结构，在实验中改变微观结构的周期性的排列距离和偏振角就得到了得到不同的列阵颜色。　　在此基础上，Abbey教授和他的团队设计出了一种用于生物组织呈像的纳米载玻片。这种纳米载玻片包括了普通载玻片基底、纳米涂层以及超薄保护层。其中，纳米涂层具有470-550 nm可见光范围内的列阵结构。超薄保护层是为了保护整个纳米载玻片，以免受到环境的侵袭使其呈像功能更加稳定。当样本组织放在这种载玻片上时，样品局部厚度以及介电常数的改变会导致透射光通过与载玻片微观孔阵列时的光谱的变化。　　简单来说，样品可以改变纳米载玻片的微观结构从而导致透过的光谱的差异。在观察纳米载玻片上的样品时就产生了明显的色差效应，最终使我们观察到了不同的颜色。　　图注：概念设计及基本原理。由于介电常数的突变，样品表面出现了不连续现象。树脂覆盖了图像的底部三分之二，标记为“样品”，而图像的顶部是裸露的，标记为“空气” 红色虚线表示两者之间的边界。下面，SPP谐振模式的波长对局部介电常数非常敏感。　　“照妖镜”有了，那它的效果是否会如研发团队所愿，还要看看实际应用的效果。研发团队为了能清晰地观察到乳腺癌发生发展的各个不同阶段，它们选择了一种自发性乳腺癌的动物模型MMTV-PyMT小鼠，这是研究早期乳腺癌中的细胞变化的最佳选择。正如所愿，在实验中，这种纳米载玻片成功地通过颜色差异对健康组织和非健康组织做出区别，这种区别与传统染色标记法的结果一致而且更加优秀。　　图注：健康(上)和癌变(下)组织的特征以及不同位置的光谱强度的变化。　　(图注：通过组织病理学评估的区域绘制成亮度与色调的函数)　　在应用过程中，研究团队还发现了一个重要的现象。在同一个体中，健康细胞与癌变细胞的交界并不明显，存在一个互相重叠的区域。也就是说，同一个体的健康细胞具有癌变的趋势，最终基本上会发展成侵袭前和侵袭性肿瘤。而这些状况与对照样本(正常小鼠)的组织基本不重叠。通俗来说，这种纳米载玻片具有癌症早期的预测诊断能力。　　研究者们制作了连续切片并使用细胞角蛋白5/6(CK5/6)和雌激素受体(ER)作为标记物来对比纳米载玻片和传统染色技术对UDH和DCIS的区分效果。实验结果显示，对比UDH，DICS纳米载玻片样本中的颜色明显增加，纳米载玻片与CK5/6和ER对组织的呈像变化趋势的变化是一致的，然而，纳米载玻片样本中的对比度明显更强，颜色也更深。这体现了纳米载玻片的可靠性和对传统技术的提升。　　图注：纳米玻片和常规染色图像对健康(左)、浸润性(右)乳腺癌组织的显像对比。比较不同组织使用四种不同的技术处理对比:纳米玻片、H&E染色、CK 5/6和ER染色(下)。　　图注：DCIS病变中纳米玻片染色增加，与CK 5/6和ER表达的变化相一致。　　纳米载玻片技术是生物组织呈像的一次技术革新，使医生和研究者摆脱了不清楚的黑白呈像图片，拥有了彩色呈像技术且可以更有效地观察到潜在癌变细胞，这大大提高了早期癌症治疗的效率。有朝一日，让医生人手一面“照妖镜”，把潜伏的“妖怪”全都揪出来!就算孙大圣来了，估计也会佩服。这就是科学的力量!

p 　　目前，由美国霍普金斯大学、匹兹堡大学、德州大学、澳大利亚、意大利等多国科学家研制的癌症早期检测仪CancerSEEK,用于8种常见癌症(包括卵巢癌、肝癌、胃癌、胰腺癌、食管癌、结直肠癌、肺癌与乳腺癌)的检测。其中，卵巢癌、肝癌、胃癌、胰腺癌、食管癌等5种癌症的敏感率范围为69%-98%。癌症早期检测仪CancerSEEK的特异性高达99%以上。另外，CancerSEEK能检测到83%癌症患者的原位病灶。该研究发表于2018年2月23日《Science》杂志。 /p p 　　大多数原位癌可以通过手术切除进行治疗。一旦癌细胞发生转移，手术切除将无能为力。因此，癌症研究的一个很大的目标就是在癌细胞转移前进行检测。对于许多成人癌症来说，由初始原位癌病细胞恶化成晚期癌症，往往耗时20-30年。在如此之长的时间内，我们有机会在癌细胞转移前检测到癌症。即使在放射学上看很明显的转移早期，利用细胞毒性药物和免疫治疗，治愈率依然高达50%。而对于大面积的转移癌症，现有疗法将无计可施。 /p p 　　现有的液体活检(血液检测)主要检测驱癌基因的突变，这些驱动基因的突变一般仅存在于异常细胞中。截止到日前，绝大多数液体活检出阳性的患者已经处于癌症晚期。另外，针对检测特异性非常重要的健康人对照试验，也鲜有报道。由于同样的基因突变往往能诱发多种癌症，因此液体活检无法精确检测到癌细胞的原发病灶。 /p p 　　 span style=" color: rgb(79, 129, 189) " strong 癌症早期检测仪CancerSEEK不但能检测到早期癌症，而且能精准定位原发癌灶。 /strong /span /p p 　　我们采用一个蛋白和基因模块进行检测，这些蛋白和基因突变通常多发于早期的实体瘤患者中。通常，用PCR的方法检测驱癌基因的多个区间。接下来，CancerSEEK将利用各癌症早期的蛋白标志进行第二轮检测。我们鉴别出41种靶蛋白并检测它们在血浆中的含量，同时用健康人血浆进行对照研究。39种蛋白可以利用免疫分析平台进行可重复评估，其中8种蛋白能够用于鉴别健康人和癌症患者。 /p p 　　CancerSEEK的中位敏感率达70%，其中，卵巢癌高达98%，乳腺癌则为33%。CancerSEEK特异性超过99%，812个健康人中仅有7个显示阳性。 /p p 　　检测最重要的特征是采取综合ctDNA突变与肿瘤抗原水平的算法。这些肿瘤抗原主要包括CA-125、CEA、CA19-9、PRL、HGF、OPN、MPO、TIMP等。 /p p style=" text-align: center " img title=" 1.jpg" src=" http://img1.17img.cn/17img/images/201802/insimg/6819395c-759c-47a3-962a-c87c586cc959.jpg" / /p p style=" text-align: center " Fig.1 血浆样品中肿瘤特异性突变的PCR检测 /p p 　　曲线图显示，8种癌症检测的敏感性随着短扩增子数量的增加(& lt 40bp)而增加， 扩增子达到60时敏感性达稳定期。 /p p style=" text-align: center " img title=" 2.jpg" src=" http://img1.17img.cn/17img/images/201802/insimg/b0c45d92-6f8a-49e0-a929-a4e607e2e6b1.jpg" / /p p style=" text-align: center " Fig. 2. CancerSEEK检测 /p p 　　A ROC曲线：图中红点显示特异性& gt 99%时检测的平均值(62%) /p p 　　B 疾病的不同发展阶段CancerSEEK的敏感性 /p p 　　C 不同癌症种类CancerSEEK的敏感性 /p p style=" text-align: center " img title=" 3.jpg" src=" http://img1.17img.cn/17img/images/201802/insimg/9c118ec3-420c-4602-83c7-fff53211e19f.jpg" / /p p style=" text-align: center " Fig.3 利用CancerSEEK鉴别癌症种类 /p p 　　 strong 后记评论： /strong /p p strong 　　亮点1：能够早期预测8种最常见癌症 /strong /p p strong 　　亮点2：只需要少许血浆，取材方便 /strong /p p strong 　　亮点3：解决了液体活检无法解决的原发癌灶定位问题。 /strong /p p strong 　　亮点4：超过99%的特异性，可以较精确地区分健康人与癌症患者。 /strong /p p 　　因此，CancerSEEK将拥有广阔的市场应用前景及开发价值! /p

沃特世CEO Udit Batra在第42届JPM摩根大通医疗会议上重点介绍了公司2023年的成就以及24年对重点市场以及终端领域的战略规划。仪器信息网特别摘录重点内容以飨读者。（关注话题：从JPM2024看科学仪器市场发展）Batra在汇报中表示，2023年开始时，我们在业务和市场上都表示着积极的态度。然而，我们在第一季度看到了生物技术行业的急剧停滞。宏观经济条件导致制药客户减缓了采购周期。同时，在中国我们见证了前所未有的经济放缓。尽管环境非常具有挑战性，但在今年的前9个月里，我们取得了出色的业绩，为此，我对我的团队深感感激。Batra认为，Waters服务于具有巨大未满足需求的受管制市场，其终端市场规模大约为120亿美元，年均增长约为中位数。而其中最大的市场是制药市场，年均增长约为高个位数。同时，由于制药公司晚期的研发管线中近50%的药物是生物制剂和新型疗法，也进一步推动了终端市场的增长。其次，在临床领域，Waters预计年均增长率也在高个位数，其重点是早期疾病检测，寻找生物标志物并将其转化为高通量分析测试。食品和环境领域的年均增长率为中个位数，大致与全球GDP增长相当。这主要是由于对食品和环境中PFAS等杂质进行更高灵敏度分析测试的需求。其次，材料领域的年均增长率也在中个位数，该领域主要涉及聚合物和材料测试，但近年来主要由于对安环保和可再生能源的需求，主要是电池和电动汽车。在制药领域，Waters大约50%的收入来自QA/QC。这使其能够有相当可观的循环收入，即使其每一台仪器每7到10年更换一次。具体来看Waters的营收利润表，2023年收入30亿美元，毛利率60%，营业利润率也超过30%。在此基础上，waters的整体业务组合以制药为重点，占收入的60%，其余30%在工业领域，其中约一半是食品和环境，另一半是材料。此外，在学术和政府方面的收入占10-12%。再来看收入来源地区，可以看到37%来自美洲（包括Wyatt），欧洲28%，亚太地区35%左右（其中13-14%来自中国地区）。从业务板块来看，47%来自仪器，超过50%是循环收入（20%是化学产品，30%服务）。可以看出，Waters在制药领域拥有广泛的地理覆盖和多样化的业务。Waters重要产品表现：1. 液相色谱，Waters在1.5年前推出的Alliance iS被许多客户认为是高压液相色谱检测领域的重大进展。它通过提醒客户任何错误或在实验开始之前阻止客户犯错。因此，即使在资本支出环境放缓的情况下，一些大客户今年也为QA/QC大量下订单。2. 在质谱方面，Xevo TQ Absolute在阴离子化合物的高灵敏度测量方面树立了新的标准，PFAS就是这一领域的一个例子。3. 在TA领域，Waters团队推出了TAM IV电池循环微量卡计，该仪器可以检测到电池中通常导致爆炸和火灾的寄生反应的最早热信号，这在电动汽车使用越来越多电池的情况下所需。4. MaxPeak Premier柱在推出三年后仍然增长了超过20%。Batra也展示了一组数据：1. 从生物制品的角度看，3年前，Waters在制药行业的收入中，大分子的收入不到20%。如今，这个数字超过了35%。2. 随着Waters近年在临床领域的关注增加，从2017年到2019年实现了低个位数的增长，到2021年到2023年实现了两位数的增长。3. 在电池领域创造了一些关键的规模，使Waters能够比3年前增长十倍。当然，这是一个小的领域，waters还处于早期阶段。由于业绩表现中，Waters将包含中国地区以及去除中国地区的业绩表现对比成表，Batra表示，截至今年前9个月，收入基本持平。而中国地区出现了相当大的下滑，中位数下滑（-6%）。除中国外，增长基本上符合预期，制药行业在今年前9个月基本上增长了4%左右。这在很大程度上是由于强大的运营执行、推出新产品，但同样也是因为我们专注于制造和质量控制。中国制药市场的放缓影响究竟多大？首先，Waters业务收入60%来自制药行业，收入地区中中国又贡献了13-14%，所以值得单独分析。详细来看，2023年前9个月中国地区的业务收入同比下降了15-16%，其中的影响因素有液相色谱仪器的收入下降、制药行业收入的下降等。液相色谱仪器表现欠佳，由于制药行业的客户推迟购买液相色谱仪器，，目前Batra预测这样的推迟周期大概是2个季度，随着之后经济复苏和资本支出循环的回归，Waters预计液相色谱仪将会大幅反弹。反观质谱仪器，表现得很好，此前的历史平均增长为5-6%，而今年质谱仪业务的增长处于高个位数到低两位数之间。在制药行业方面，生物技术公司下降了大约80%。今年初CDMO的支出也下降了，到现在已经开始企稳。Batra表示，品牌仿制药业务占waters中国制药业务的50%左右，由于2023年中国的医药反腐行动，该业务部分也下降得相当厉害。不过，大城市已经在复苏，我们开始看到我们的客户能够去医院、去客户那里。我们在第三季度已经开始看到它已经在恢复。但该行动下沉到其他地区还需要时间，因此在较小的城市，离复苏还需要一段时间。在制药领域的未来展望中，Batra认为生物技术公司已经企稳。加上中国未来的结构性趋势非常有吸引力。因此，Batra预计复苏主要集中在生物技术领域、CDMO领域、品牌仿制药领域以及其他一些业务领域，这些地方的业务已经放缓。推荐文章：1. JPM2024亮点|布鲁克2023年营收涨13%,中国投资蛋白质组学推动增长 2. 14国科学家齐聚广州，为了这个蛋白质组学计划!

p 　　Alphabet(谷歌)旗下公司 DeepMind 的人工智能 AlphaGo 曾在国际象棋、围棋等项目中取得了超越人类的表现，其研究不仅震惊世界，也两次登上 Nature。如今，该公司已将人工智能技术应用到最具挑战性的科学研究问题中，其刚刚推出的 AlphaFold 可以仅根据基因“代码”预测生成蛋白质的 3D 形状。 /p p 　　DeepMind 表示，AlphaFold 是“该公司首个证明人工智能研究可以驱动和加速科学新发现的重要里程碑”。看来，人类医学研究要前进一步了。 /p p 　　 img src=" https://img1.17img.cn/17img/images/201812/uepic/fc4cf612-a444-4567-b697-76cdcdfc9dea.jpg" title=" 1.jpg" alt=" 1.jpg" style=" text-align: center " / /p p style=" text-align: center " 　　 span style=" color: rgb(127, 127, 127) " 2017 年 5 月，谷歌 DeepMind 人工智能项目 AlphaGo(执棋者：黄士杰博士)对战当时世界第一的围棋选手柯洁。 /span /p p style=" text-indent: 2em " 周日，在墨西哥坎昆举办的一场国际会议中，DeepMind 的最新 AI——AlphaFold 在一项极其困难的任务中击败了所有对手，成功地根据基因序列预测出蛋白质的 3D 形状。 /p p 　　“蛋白质折叠”是一种令人难以置信的分子折叠形式，科学界以外很少有人讨论，但却是一个非常重要的问题。生物由蛋白质构成，生物体功能由蛋白质形状决定。理解蛋白质的折叠方式可以帮助研究人员走进科学和医学研究的新纪元。 /p p 　　“对于我们来说，这真的是一个关键时刻，”DeepMind 联合创始人兼 CEO Demis Hassabis表示，“这个项目就像灯塔，这是我们关于人和资源的首次重大投资，用于解决一个根本性的、现实世界的重要问题。” /p p 　　在 2016 年 AlphaGo 击败李世乭后，DeepMind 就开始将目光转向蛋白质折叠。尽管实践证明，游戏是 DeepMind AI 项目的优秀试验场，但在游戏中取得高分并非他们的终极目标。“我们的目标从来就不是赢得围棋或雅达利比赛的胜利，而是开发能够解决蛋白质折叠这类问题的算法，”Hassabis 表示。 /p p 　　 strong 为什么要预测蛋白质结构 /strong /p p 　　人体能够产生数万甚至数百万的蛋白质。每个蛋白质都是一个氨基酸链，而后者的类型就有 20 种。蛋白质可以在氨基酸之间扭曲、折叠，因此一种含有数百个氨基酸的蛋白质有可能呈现出数量惊人(10 的 300 次方)的结构类型。 /p p 　　蛋白质的 3D 形状取决于其中包含的氨基酸数量和类型，而这一形状也决定了其在人体中的功能。例如，心脏细胞蛋白质的折叠方式可以使血流中的任何肾上腺素都粘在它们上面，以加速心率。免疫系统中的抗体是折叠成特定形状的蛋白质，以锁定入侵者。几乎身体的每一种功能——从收缩肌肉和感受光线到将食物转化为能量——都和蛋白质的形状及运动相关。 /p p 　　通常情况下，蛋白质会呈现出能量效率最高的任何形状，但它们可能会纠缠在一起或者折叠错误，导致糖尿病、帕金森和阿茨海默症等疾病。如果科学家可以根据蛋白质的化学构成来预测其形状，他们就能知道它是做什么的，会如何出错并造成伤害，并设计新的蛋白质来对抗疾病或履行其它职责，比如分解环境中的塑料污染。 /p p 　　 strong AI 如何改变研究方法? /strong /p p 　　正因为蛋白质的结构如此重要，在过去的五十年中，科学家已经能使用低温电子显微镜和核磁共振等实验技术确定蛋白质的形状，但是每一种方法都依赖大量的试验与误差反馈，每种结构可能需要花费数万美元、历时数年进行研究。因此生物学家转攻 AI 方法，以完成这一困难且单调的过程。 /p p 　　幸运的是，由于基因测序成本快速降低，基因组领域的数据非常丰富。因此在过去几年中，依赖于基因组数据的预测问题正越来越多地借助深度学习方法。DeepMind 非常关注这一问题，并提出了 AlphaFold，这一项工作目前已经提交到了Critical Assessment of Structure Prediction (CASP)。 /p p 　　DeepMind 用 AlphaFold 参加了 CASP，这是一年两次的蛋白质折叠奥运会，吸引了来自世界各地的研究小组。比赛的目的是根据氨基酸列表来预测蛋白质的结构，这些氨基酸列表会在几个月内每隔几天发送给参赛团队。这些蛋白质的结构最近已经通过费力又费钱的传统方法破解，但还没有公开。提交最准确预测的团队将获胜。 /p p 　　尽管是首次参加比赛，AlphaFold 就在 98 名参赛者中名列榜首，准确地从 43 种蛋白质中预测出了 25 种蛋白质的结构。而同组比赛中获得第二名的参赛者仅准确预测出了 3 种。值得一提的是，AlphaFold 关注从头开始建模目标形状，且并不使用先前已经解析的蛋白质作为模板。AlphaFold 在预测蛋白质结构的物理性质上达到了高度的准确性，然后基于这些预测可以使用两种不同的方法预测构建完整的蛋白质结构。 /p p 　　 strong 使用神经网络预测物理属性 /strong /p p 　　AlphaFold 构建的模型都依赖深度神经网络，这些经过训练的神经网络可以从基因序列中预测蛋白质的属性。DeepMind 的研究人员表示，神经网络预测的蛋白质属性主要有：(a)氨基酸对之间的距离 (b)连接这些氨基酸的化学键及它们之间的角度。这些方法的首要进步就是对常用技术的提升，它们可以估计氨基酸对是否彼此接近。 /p p style=" text-align: center" img src=" https://img1.17img.cn/17img/images/201812/noimg/d256b4f4-6189-437b-8ead-d45a99ae81de.gif" title=" 2.gif" alt=" 2.gif" width=" 375" height=" 375" style=" width: 375px height: 375px " / /p p style=" text-indent: 2em " 为了构建 AlphaFold，DeepMind 在数千已知的蛋白质上训练了一个神经网络，直到它可以仅凭氨基酸预测蛋白质的 3D 结构。给定一种新的蛋白质，AlphaFold 利用神经网络来预测氨基酸对之间的距离，以及连接它们的化学键之间的角度。接着，AlphaFold 调整初步结构以找到能效最高的排列。该项目花了两周时间来预测其第一个蛋白质结构，但现在几小时内就可以完成了。 /p p 　　根据神经网络预测的两种物理属性，DeepMind 还训练了一个神经网络以预测蛋白质成对残基(residues)之间距离的独立分布，这些概率能组合成估计蛋白质结构准确率的评分。此外，DeepMind 还训练了另一个独立的神经网络，该网络使用集群中的所有距离来估计预测的结构与实际结构之间的差距。 /p p style=" text-align: center" img src=" https://img1.17img.cn/17img/images/201812/uepic/b1b25d1b-42ba-454c-ae29-93402575df61.jpg" title=" 3.jpg" alt=" 3.jpg" / /p p style=" text-align: center " 　　 img src=" https://img1.17img.cn/17img/images/201812/noimg/3bbdee91-2067-417d-8e22-92b8a5543cc6.gif" title=" 4.gif" alt=" 4.gif" style=" text-align: center width: 533px height: 178px " width=" 533" height=" 178" / /p p 　　 strong 预测蛋白质结构的新方法 /strong /p p 　　这些评分函数可以用来探索蛋白质内部，以找到与预测匹配的结构。DeepMind 的第一种方法建立在结构生物学的常用技术上，用新的蛋白质片段反复替换蛋白质整体结构的某个部分。他们训练了一个生成神经网络来创造新的片段，这些片段被用来不断提高蛋白质结构的评分。 /p p style=" text-align: center" img src=" https://img1.17img.cn/17img/images/201812/uepic/e657a13d-1262-4040-8074-dda8e8ac5791.jpg" title=" 5.jpg" alt=" 5.jpg" width=" 492" height=" 315" style=" width: 492px height: 315px " / /p p 　　先通过神经网络预测氨基酸之间的距离和化学键角度，然后再根据两种物理属性对结构进行评分，最后通过梯度下降优化评分。 /p p 　　第二种方法是通过梯度下降来优化评分，得到的结构高度精确。梯度优化被用在整个蛋白质链，而不是组装前必须单独折叠的片段，这种做法降低了预测过程的复杂性。 /p p 　　 strong 未来可期 /strong /p p 　　首次涉足蛋白质折叠领域的成功表明，机器学习系统可以整合各种信息来源，帮助科学家快速找到各种复杂问题的创造性解决方案。人工智能已经通过 AlphaGo 和 AlphaZero 等系统掌握了复杂的游戏，与此类似，利用人工智能攻克基本科学问题的未来同样可期。 /p p 　　雷丁大学的研究人员 Liam McGuffin 在比赛中带领得分最高的英国学术团体。他表示，“DeepMind 今年似乎取得了更大的进展，我想进一步了解他们的方法。我们的资源并不充足，但我们仍然有很强的竞争力。” /p p 　　“预测蛋白质折叠形状非常重要，对解决很多世纪难题有重大影响。这种能力可以影响健康、生态、环境，基本上可以解决任何涉及生命系统的问题。” /p p 　　“包括我们在内的很多团队几年来一直都在使用基于机器学习的方法，而深度学习和人工智能的进步似乎也产生了越来越重要的影响。我对这个领域很乐观，我觉得我们会在 21 世纪 20 年代真正解决这个问题。”McGuffin 表示。 /p p 　　Hassabis 也表示还有很多工作要做。“我们还没有解决蛋白质折叠问题，目前只是迈出了第一步。这是一个极具有挑战性的问题，但我们有一个良好的体系，还有很多想法尚未付诸实践。” /p p 　　蛋白质折叠的早期进展令人兴奋，它证明了人工智能对科学发现的效用。尽管在能够对疾病治疗、环境管理等方面产生量化影响之前，我们还有很多工作要做，但我们知道人工智能的潜力是巨大的。在一个专注于研究机器学习如何推进科学发展的专业团队的努力下，我们期待看到技术能够有所作为。 /p

1947年，Mandel和Metais首次报道了外周血中存在游离DNA（Cell-free DNA, cfDNA）。正常生理状态下，血液中的cfDNA主要来源于白细胞的坏死和凋亡；在某些疾病和特殊状态下，如组织损伤、癌症和炎症反应等，细胞内的DNA片段也会被释放到各种体液中（血浆、脑脊液、尿液等）成为cfDNA。在癌症早期，当患者还未表现出明显的临床症状时，细胞内DNA状态就已经发生变化，这些DNA被释放到体液中，使得体液cfDNA中包含了与癌症相关的重要信息。通过对这些信息进行提取和处理，可对癌症进行非侵入式诊断，实现癌症的早期诊疗，因此，cfDNA检测是目前市场上最常见的液体活检形式。髓母细胞瘤（Medulloblastoma，MB）是一种恶性的儿童胚胎中枢神经系统肿瘤，具有沿软脑膜转移的倾向。根据基因组特征可分为4个亚群：WNT、SHH、 Group 3和Group 4。手术切除结合放化疗是目前治疗MB的首选治疗方案（可治疗约70%的病人），术后的标本则作为诊断和肿瘤特征分析的证据。MB能够随着时间的推移而发展，约1/3患有MB的儿童最终都是死于该疾病，存活下来的患者也需要长期忍受由于治疗而产生的毒性。目前，除了磁共振成像（Magnetic Resonance Imaging, MRI）和脑脊液（Cerebrospinal fluid, CSF）细胞学检测，还没有可靠的分子生物标志物来反应MB的进展情况。因此，通过纵向样本开发强大的、微创的、临床可操作的生物标志物是非常必要的。研究显示，在 CNS 恶性肿瘤患者中，CSF来源的cfDNA比从血浆中分离出来的cfDNA具有更大的效用【1-2】。MB基因组几乎没有热点驱动突变，而是以普遍的染色体拷贝数变异（Copy number variations, CNVs）为特征，因此限制了cfDNA 突变分析在MB中的通用性【2-3】。近日，来自美国St. Jude儿童研究医院的Paul A. Northcott团队在Cancer Cell杂志在线发表了题为Serial assessment of measurable residual disease in medulloblastoma liquid biopsies的文章。研究人员利用MB中染色体不稳定性的特点，通过低深度全基因组测序（Low-coverage whole-genome sequencing, Lc-WGS）对来自123名MB患者的476例CSF来源的cfDNA样本进行分析，鉴定了可作为可测量残留病变（Measurable Residual Disease, MRD）标志物的CNVs，阐释了cfDNA检测的疾病预测价值和诊断价值。本研究共收集了来自123名MB患者的共476例CSF样本，提取cfDNA进行低深度全基因组测序（lcWGS），并进行后续分析（图1）。首先，作者评估了cfDNA来源的CNVs作为MRD标志物的效用。数据显示，在67例样本（67/105）中检测到了MRD；相反，7例非肿瘤CSF样本中都没有检测到cfDNA来源的CNVs，即MRD阴性。MRD阳性CSF样本与相应的原发性肿瘤之间的CNVs检测谱高度一致。MRD检测与疾病的转移状态、分子亚群和肿瘤位置显著相关，与年龄、性别、切除范围、细胞学检查结果以及切除和脑脊液取样之间的时间无关。值得注意的是，无论相应的脑脊液细胞学结果如何，MRD在高危疾病患者中的阳性率相似：91例脑脊液细胞学阴性的样本中有56例样本的MRD呈阳性。图1. 样品收集及检测流程图随后，作者探究了连续MRD检测与疾病复发之间的关系。在30/77（39%）例放疗后、21/75（28%）例化疗中及20/68（34%）例治疗结束的患者中检测到MRD。出现疾病复发的患者在治疗期间的MRD持续率明显高于没有复发的患者。在MRI显示病情完全缓解的32例病人中，有16例病人在复发前3个月时就检测到了MRD，此时影像学或细胞学异常还不能检测到。在所有持续接受放化疗或细胞学有差异的12例病人的CSF样本（n=27）中均检测到了MRD。24/25例患者在病情发展的3个月内采集的脑脊液标本中MRD呈阳性；在病情没有进展的患者中，193/209（92%）例CSF样本都是MRD阴性。那么，连续检测MRD在临床上有何价值？作者发现，那些放化疗后、治疗期间或已经结束治疗的病人中，MRD阳性病人的无进展生存期（progression-free survival, PFS）比MRD阴性的病人差很多。与治疗结束时MRI和脑脊液细胞学检查的标准评价进行比较，同时进行的MRD检测对于病人分类更有效，其对残留病变的灵敏度也更高（64% vs. 24%）。在治疗结束的病人中，12/20（60%）MRD-阳性的病人的MRI/细胞学检查正常，但后期其中的10位病人的病情都有所进展；其余两例病人MRI正常其MRD也呈阳性。在高风险患者中，治疗结束时的MRD与PFS有显著关系。作为一个随时间变化的变量，随访期间MRD检测与PFS显著相关。接下来，作者对疾病复发中的肿瘤相关分子图谱进行了分析。为了同时在早期和疾病进展期检测渐进性疾病（Progressive disease, PD）和MRD阳性患者的CSF，作者比较了从患者匹配的CSF样本中提取的CNVs谱，发现了染色体非整倍性，提示12/15（80%）例患者存在克隆选择或进化。cfDNA 分析可以更早地检测出那些在疾病复发时占主导地位的肿瘤克隆。在研究过程中，作者也注意到了原位肿瘤与cfDNA中检测到的CNVs不一致的情况。例如，患者sj024被诊断为Group4髓母细胞瘤，随后又出现转移性骨骼复发。然而与相应的原位肿瘤CNV检测结果相比，患者的cfDNA来源的CNVs谱更符合复发肿瘤特性，提示患者的CSF样本中包含了具有侵略性的亚克隆，可以驱动疾病的进展。最后，作者进一步评估了基于 lcWGS 的 cfDNA 分析在其他儿童脑肿瘤中的适用性。通过对17名非髓母细胞瘤患者进行分析，发现所有患者在其相应的原发肿瘤中都存在染色体和/或局灶性CNVs。基于lcWGS分析CSF来源cfDNA显示，13例（76%）样本呈MRD阳性，包括3例转移样本。此外，作者还观察了与临床过程相呼应的cfDNA样本的分子反应，其与MB中的发现类似。综上所述，该研究利用从MB和其他CNS肿瘤患者收集的脑脊液样本的大型纵向队列，首次有效地、系统地论证了CSF来源的cfDNA谱在儿童CNS癌症中检测MRD的临床效用（图2）。虽然液体活检的种类和方式非常丰富，但作者认为使用lcWGS检测CSF来源的cfDNA中的肿瘤相关CNVs非常适合于MB：（1）MB切除后患者脑脊液或血浆中cfDNA的含量明显低于其他脑肿瘤患者【4-5】，这种低于毫微克的产物，若采用其他检测方法（如表观遗传组和突变分析）是极具挑战的，但对lcWGS已经足够；（2）染色体CNVs在儿童MB中几乎无处不在，捕获CNVs无需使用定制探针来靶向不同的突变驱动基因，适用于缺乏已知驱动基因突变的MB样本。该研究支持将前瞻性cfDNA评估纳入MB临床试验，以进行进一步的研究和技术改进，最终实现根据MRD反应进行个性化治疗。图2. cfDNA检测流程及临床效用原文链接:https://doi.org/10.1016/j.ccell.2021.09.012

“今天获奖的获奖者体现了基础科学的非凡力量，”尤里米尔纳说，“既揭示了宇宙的深刻真理，又改善了人类生活”。米尔纳是俄罗斯富商，是科学突破奖的创建者之一。“2023年科学突破奖”，主要奖励在蛋白结构预测、细胞组织机制以及量子信息领域做出开创性贡献的学者，他们将分享共计1575万美元的奖金。生命科学领域的三个突破性奖项被授予：克利福德布朗温（Clifford P. Brangwynne）和安东尼海曼（Anthony A. Hyman），以表彰他们发现了细胞组织的新机制；德米斯哈萨比斯（Demis Hassabis）和约翰乔普（John Jumper）开发AlphaFold，准确预测蛋白质的结构；以及伊曼纽尔米格诺特（Emmanuel Mignot）和柳泽正史（Masashi Yanagisawa ）发现嗜睡症的原因。数学突破奖授予丹尼尔斯皮尔曼（Daniel A. Spielman），以表彰他在理论计算机科学和数学方面的多项发现。基础物理学突破奖由查尔斯贝内特（Charles H. Bennett），吉尔布拉萨德（Gilles Brassard），大卫多伊奇（David Deutsch）和彼得肖尔（Peter Shor），以表彰他们在量子信息方面的基础工作。早期职业科学家的重要贡献也得到了认可，6个物理和数学新视野奖，以及3个Maryam Mirzakhani新前沿奖，它发给了刚完成博士学位的女性数学家。“神经退行性疾病的突破、量子计算、人工智能解决蛋白质结构等等......”Google创始人谢尔盖布林表示，“这些都是令人难以置信的进步，值得庆祝”。“祝贺所有突破奖获得者，他们令人难以置信的发现将为科学发现铺平道路并刺激创新，”CZI联合创始人兼联合首席执行官Priscilla Chan和Mark Zuckerberg表示，“这些获奖者和早期职业科学家正在推动研究和科学的极限，我们很高兴能够表彰他们的成就”。如下分别介绍今年的诺奖者及获奖理由：2023年生命科学突破奖普林斯顿大学、霍华德休斯医学研究所克利福德布兰格温以及来自德国马克斯普朗克分子细胞生物学与遗传学研究所的安东尼海曼获奖理由：发现了由蛋白质和RNA相分离成无膜液滴介导的细胞组织基本机制。德米斯哈萨比斯（Demis Hassabis）和约翰乔普（John Jumper）获奖理由：开发了一种深度学习算法，该方法可快速准确地从其氨基酸序列中预测蛋白质的三维结构。伊曼纽尔米格诺特（Emmanuel Mignot）和柳泽正史（Masashi Yanagisawa ）获奖理由：发现了嗜睡症是由一小群脑细胞的缺失引起的，这些脑细胞会释放促进觉醒物质，这为开发新的睡眠障碍治疗方法铺平了道路。022023年基础物理学突破奖2023年基础物理学突破奖获奖人为：IBM 托马斯沃森研究中心查尔斯贝内特、蒙特利尔大学吉尔布拉萨德、牛津大学大卫多伊奇以及麻省理工学院彼得肖尔。获奖理由：以表彰他们在量子信息方面的基础工作。032023年数学突破奖2023年数学突破奖获奖人为：耶鲁大学丹尼尔斯皮尔曼获奖理由：对理论计算机科学和数学的突破性贡献，包括对光谱图论、Kadison-Singer问题，数值线性代数的优化和编码理论。04科学突破奖简介科学突破奖(Breakthrough Prize) 创立于2012年，由俄罗斯亿万富翁尤里米尔纳夫妇、谷歌（google）联合创始人谢尔盖布林夫妇、阿里巴巴集团创建人马云和张瑛夫妇、脸书（Facebook）联合创始人马克扎克伯格夫妇、以及苹果公司董事长亚瑟莱文森等知名实业家共同设立，旨在表彰在生命科学、数学和基础物理学领域做出杰出贡献的人士。该奖项于2013年2月启动，下设“生命科学突破奖”、“基础物理学突破奖”和“数学突破奖”，并且面向年轻科学家设立“物理学新视野奖”、“数学新视野奖”和“青年挑战突破奖”，此外，2019年起开始设立“玛丽亚姆米尔扎哈尼新新前沿奖”（Maryam Mirzakhani New Frontiers Prize），颁发给在过去两年内获得博士学位并处于职业生涯早期的女数学家。科学突破奖的奖金十分丰厚，堪称科学界“第一巨奖”，并被誉为“科学界的奥斯卡”。其中，生命科学、基础物理学和数学突破奖三大奖项的获奖者，每人可获得300万美元奖金；新视野奖奖金为10万美元；“玛丽亚姆米尔扎哈尼新新前沿奖”的获奖者，可获得5万美元奖金。现在，科学突破奖由谢尔盖布林、马克扎克伯格夫妇、尤里米尔纳夫妇、基因技术公司23andMe联合创始人安妮沃西基、以及腾讯公司联合创始人马化腾赞助。科学突破奖近5年获奖情况2017年获奖情况：生命科学突破奖获得者：沙克生物学研究所、哈佛休夫医学研究所研究员乔安妮乔瑞（Joanne Chory）；加州大学圣迭戈分校路德维希癌症研究所科研人员唐克利夫兰（Don W. Cleveland）；日本京都大学科学研究院生物物理学教授森和俊（Kazutoshi Mori）；牛津大学科研人员金内史密斯（Kim Nasmyth）；加州大学旧金山分校彼得沃特（Peter Walter）。基础物理学突破奖获得者：由27名成员组成的WMAP实验团队，其中 5位获奖团队领导分别为：查尔斯贝内特（Charles L. Bennett）， 美国约翰-霍普金斯大学物理&天文学系教授；美国天文学家和天体物理学家加里欣肖（Gary F. Hinshaw），来自不列颠哥伦比亚大学；美国物理学家和天体物理学家诺曼雅罗西克（Norman C. Jarosik ），来自普林斯顿大学；普林斯顿大学詹姆斯麦克唐纳物理学杰出大学教授莱曼佩吉（Lyman Alexander Page, Jr）；美国理论天体物理学家，普林斯顿大学教授戴维斯佩格尔（David Nathaniel Spergel）。数学突破奖获得者：克里斯朵夫哈克（Christopher Hacon ），来自犹他大学；詹姆斯迈克凯南（James McKernan），来自加州大学圣迭戈分校。2018年获奖情况：生命科学突破奖获得者：哈佛大学科学家弗兰克本内特（Frank Bennett）；美国科学家艾德里安科内纳尔（Adrian Krainer）；麻省理工学院科学家安吉里卡阿蒙（Angelika Amon）；哈佛大学华裔科学家庄小威（Xiaowei Zhuang）；美国德州大学西南医学中心分子生物学教授陈志坚（Zhijian “James” Chen）。基础物理学突破奖获得者：宾夕法尼亚大学教授查尔斯凯恩（Charles Kane）；宾夕法尼亚大学科学家尤金迈乐（Eugene Mele）。基础物理学特别突破奖：英国天文学家乔瑟琳贝尔（Jocelyn Bell Burnell ）。数学突破奖获得者：法国国家科学研究中心和格勒诺布尔大学傅立叶研究所科学家文森特拉福格（Vincent Lafforgue）。 2019年获奖情况生命科学突破奖获得者：美国纽约洛克菲勒大学分子实验室、霍华德休斯医学研究所教授杰弗里M弗里德曼（Jeffrey M. Friedman）；马克斯普朗克生物化学研究所研究人员F乌尔里希哈特尔（F. Ulrich Hartl）；耶鲁医学院、霍华德休斯医学研究所科学家亚瑟L霍里奇（Arthur L. Horwich）；加州旧金山大学生理学及分子生物学教授戴维朱利叶斯（David Julius）；宾夕法尼亚大学研究人员弗吉尼娅曼仪李（Virginia Man-Yee Lee）。数学突破奖获得者：芝加哥大学的亚历克斯埃斯金（Alex Eskin）。 2020年获奖情况：生命科学突破奖获得者：华盛顿大学蛋白设计研究所和霍华德休斯医学院科研人员戴维贝克（David Baker）；哈佛大学和霍华德休斯医学研究所科研人员凯瑟琳杜拉克（Catherine Dulac）；香港中文大学医学院副院长卢煜明（Dennis Lo）；美国国家卫生院理查德J尤尔（Richard J. Youle）。基础物理学突破奖获得者：华盛顿大学科研人员埃里克阿德尔贝格尔（Eric Adelberger）、詹斯冈拉克（Jens H.Gundlach）和布莱尼赫克尔（Blayne Heckel）。数学突破奖获得者：帝国理工学院科研人员马丁海尔（Martin Hairer）。 2021年获奖情况：生命科学突破奖获得者：斯克里普斯研究所科学家杰弗里W凯利（Jeffery W. Kelly）；宾夕法尼亚大学科学家卡塔林考里科（Katalin Karikó）和德鲁韦斯曼（Drew Weissman）；剑桥大学科学家尚卡尔巴拉苏布拉尼亚安（Shankar Balasubramanian）、戴维克勒纳曼（David Klenerman）；生物技术公司AlphanososCEO帕斯卡尔迈耶（Pascal Mayer）。基础物理学突破奖获得者：日本东京大学科学家香取秀俊（Hidetoshi Katori）；中国科学院外籍院士叶军（RIKEN Jun Ye）。数学突破奖获得者：日本京都大学数学家望月拓郎（Takuro Mochizuki）。华裔科学家获奖情况自科学突破奖2013年2月正式启动以来，获得过“生命科学突破奖”、“基础物理学突破奖”和“数学突破奖”三大奖项的华裔科学家共有8位，分别为：美国加州大学洛杉矶分校澳籍华裔数学家陶哲轩，2015年数学突破奖获得者，表彰其对调和分析、组合数学、偏微分方程和解析数论做出的诸多贡献。美国加州大学洛杉矶分校澳籍华裔数学家陶哲轩美国国家科学院院士、美国德克萨斯大学西南医学中心分子生物学教授陈志坚，2019年生命科学突破奖获得者，表彰其发现负责感应胞质溶胶内DNA的环鸟苷酸-腺苷酸合成酶（cGAS），了解DNA在细胞中如何激发先天免疫系统。美国国家科学院院士、美国德克萨斯大学西南医学中心分子生物学教授陈志坚中国科学院外籍院士、哈佛大学化学与化学生物、物理学双聘教授庄小威，2019年生命科学突破奖获得者，表彰其发明随机光学重建显微法（Stochastic optical reconstruction microscopy或STORM），超高分辨率显微镜之一。中国科学院外籍院士、哈佛大学化学与化学生物、物理学双聘教授庄小威中国科学院院士、实验高能物理学家王贻芳、加州大学伯克利分校教授、香港大学教授陆锦标及大亚湾核反应堆中微子实验团队，2016年基础物理学突破奖获得者，表彰他们发现和探究中微子振荡，揭开超越标准模型的物理学新领域。中国科学院院士、实验高能物理学家王贻芳加州大学伯克利分校教授、香港大学教授陆锦标美国宾夕法尼亚大学科学家李文渝，2020年生命科学突破奖获得者，表彰其发现TDP43积聚会引致额颞叶痴呆症和肌萎缩性脊髓侧索硬化症，以及α-突触核蛋白在不同细胞中拥有不同形态，且会导致帕金森症和多发性系统萎缩症。美国宾夕法尼亚大学科学家李文渝美国国家科学院院士、中国科学院外籍院士、物理学家叶军，2022年基础物理学奖获得者，表彰其发明超精密的原子钟光晶格钟。美国国家科学院院士、中国科学院外籍院士、物理学家叶军美国国家科学院外籍院士、香港中文大学医学院副院长、分子生物学临床应用专家卢煜明，2021年生命科学突破奖获得者，致力于研究人体内血浆的DNA和RNA，被誉为无创DNA产前检测的奠基人。美国国家科学院外籍院士、香港中文大学医学院副院长、分子生物学临床应用专家卢煜明参考资料1.维基百科. https://zh.wikipedia.org/wiki/Wikipedia2.Breakthrough Prize: About3. https://breakthroughprize.org/News4. 刚刚！2022科学突破奖公布，两位mRNA技术先驱与其他23名学者分享1575万美元奖金.深究科学

p style=" text-indent: 2em " 曾有研究表明，线粒体缺陷与乳腺癌的发生存在着一定关联，但科学家们依旧无法确定线粒体DNA改变与TNBC转移和化疗拮抗的关系。 /p p 　　近期，宾夕法尼亚大学研究人员将不同乳腺肿瘤亚型的代谢图谱进行比较，确定TNBCs的侵袭性亚群，并指出了更准确的风险评估方式，从而有助于为TNBC患者提供个性化治疗方案。该研究成果以“Aggressive triple negative breast cancers have unique molecular signature on the basis of mitochondrial genetic and functional defects”为题发表在《Molecular Basis of Disease》上。 /p p style=" text-align: center " img title=" 1.jpg" src=" http://img1.17img.cn/17img/images/201802/insimg/5bcb73c5-7c32-4cb4-bf00-467e03bb5b72.jpg" / /p p 　　宾夕法尼亚州兽医学院的研究助理Manti Guha教授表示：“目前尚无有效手段来预测TNBC患者对化疗药物的不良反应。我们对缺陷的线粒体DNA进行了相关分析，发现了新的分子标志物，从而确定了TNBCs的侵袭性亚群，指出了更准确的风险评估方式，有助于为TNBC患者提供个性化治疗方案。” /p p 　　费城儿童医院线粒体和子代医学中心主任、Guha的导师兼合作者Douglas Wallace表示：“现代医学常常忽略线粒体在疾病中的作用，此项研究通过对比三阴乳腺癌的线粒体能量系统与其他乳腺癌的线粒体能量系统，确定了危险性较低的TNBCs形式，并找出了治疗这类乳腺癌的新靶点。因此这项工作对于危险性较低的TNBCs的治疗具有良好的前瞻性。” /p p style=" text-align: center " img title=" 2.jpg" src=" http://img1.17img.cn/17img/images/201802/insimg/38e0553f-c2e3-40f7-86cc-83a4b2f96b7c.jpg" / /p p style=" text-align: center " TNBC中线粒体代谢基因的变化 /p p 　　此前，Guha及其同事通过实验诱导线粒体功能障碍，发现线粒体功能障碍的情况下乳腺癌细胞会重新编程并且开始转移。Guha说：“众所周知，肿瘤会损害线粒体的功能并导致代谢重编程。我们研究了乳腺癌亚型之间的线粒体特征的差异性以及患者肿瘤细胞线粒体DNA和功能的差异，实现了对有转移风险的患者的早期发现。” /p p 　　研究人收集了825例不同乳腺癌亚型患者的基因组数据，分析了不同的线粒体DNA拷贝数，他们发现晚期乳腺癌患者体内mtDNA(线粒体DNA)拷贝数最低，并且TNBCs的拷贝数最少。不仅如此，他们还建立了不同乳腺癌亚型之间mtDNA拷贝数的完整模型。这项研究结果显示，TNBCs中某些特定的mtDNA序列十分不稳定，通过这种特殊的mtDNA序列失衡状况，研究人员将乳腺癌患者分成了不同的风险类别。 /p p style=" text-align: center " img title=" 3.jpg" src=" http://img1.17img.cn/17img/images/201802/insimg/e16b9098-2751-42a4-b277-30728828a925.jpg" / /p p style=" text-align: center " 原发性乳腺癌中mtDNA的相对丰度 /p p 　　研究人员同时指出，TNBCs和其他亚型之间存在耗氧量的差异，表明TNBCs患者的线粒体功能受损，从而导致细胞呼吸链破坏。他们分析了代谢有关的84个基因，发现了这些基因对线粒体功能具有调节作用，因此，他们认为这些基因可以作为TNBCs潜在的治疗靶点，也有望成为鉴定TNBCs侵袭性的生物标志物，并可用于改善化疗疗效。 /p p style=" text-align: center " img title=" 4.jpg" src=" http://img1.17img.cn/17img/images/201802/insimg/eac95047-2f4e-4540-ae03-3f294114c3d6.jpg" / /p p style=" text-align: center " 乳腺癌细胞系中的线粒体功能缺陷 /p p 　　为了对这些发现进行验证，在FDA批准下，目前，Guha及其同事正对TNBCs的靶向代谢途径的治疗方案的有效性进行研究。希望我们可以看到这项研究的成果。 /p p 　　参考资料： /p p 　　1.Study uncovers therapeutic targets for aggressive triple-negative breast cancers /p p 　　2.Aggressive triple negative breast cancers have unique molecular signature on the basis of mitochondrial genetic and functional defect /p

p strong img style=" float: left " title=" 475cff65-53d8-44dd-8637-fc2eba3e49c6.jpg" src=" http://img1.17img.cn/17img/images/201512/insimg/e27374de-f4ff-4cd8-b3d4-3e066fcc7f26.jpg" / /strong span style=" color: rgb(0, 176, 240) " strong 编者注： /strong /span 傅若农教授生于1930年，1953年毕业于北京大学化学系，而后一直在北京理工大学(原北京工业学院)从事教学与科研工作。1958年，傅若农教授开始带领学生初步进入吸附柱色谱和气相色谱的探索 1966到1976年系统地阅读并翻译了两本气相色谱启蒙书，从此进入其后半生一直从事的事业——色谱研究。傅若农教授是我国老一辈色谱研究专家，见证了我国气相色谱研究的发展，为我国培养了众多色谱研究人才。 /p p strong 1 化学泰斗鲍林把气相色谱用于医学诊断 /strong /p p 　　早在上世纪70年代初，著名化学家鲍林在斯坦福大学任教期间，就提出用气相色谱检测呼吸气、血、尿、体液等预测疾病的方法(Proc Nat Acad Sci USA,1971,68(10):2374-2376)，他使用32.8m x 0.76mm的不锈钢毛细管色谱柱，固定相为SF 96 硅油，以0.5℃/min从20℃程序升温到180℃,得到图 1 的色谱图： /p p style=" text-align: center " img style=" width: 510px height: 334px " title=" 1.png" src=" http://img1.17img.cn/17img/images/201512/insimg/71944687-743a-4042-8c0f-3782246a4431.jpg" width=" 625" height=" 438" / /p p style=" text-align: center " 图 1 鲍林用气相色谱分析呼吸气体的色谱 img style=" width: 440px height: 187px " title=" 2.png" src=" http://img1.17img.cn/17img/images/201512/insimg/99ffa419-c9ac-419f-8ca6-c0751c069291.jpg" width=" 461" height=" 199" / /p p strong 2 早期探索GC/MS筛查肺癌 /strong /p p 　　用呼吸气体诊断早期肺癌具有简便、无创、安全的特点，目前成为研究热点。研究的方法是筛选肺癌病人呼吸气体中可能的特征挥发性有机化合物(VOC s)。 /p p 　　1985年S. M. Gordon等用GC/MS检测肺癌患者呼吸气中的有机挥发性物质 (Clin Chem, 1985 ,31(8):1278-1282)，在这项研究中，他们探讨了肺癌患者的呼吸气中可能含有独特的挥发性有机化合物，用以进行无创肺癌诊断。他们用电脑辅助提取特征挥发性有机物，使用气相色谱/质谱和多变量统计进行分析，收集的14个肺癌患者的呼吸气样品。在化疗或放疗前收集呼吸气样品，所研究12例患者的特点总结在表1。 /p p style=" text-align: center " 表 1 12名肺癌患者的情况 /p p style=" text-align: center " img title=" 3.jpg" src=" http://img1.17img.cn/17img/images/201512/insimg/5d7aff44-b88a-482a-8da3-71988ff7f69a.jpg" / & nbsp /p p 　　a--以一天一包的卷烟消费量计算年数 /p p 　　b—唯一一个女性 /p p 　　他们还研究了对照组九例正常人17个样品呼气。对照组9人，年龄25岁至70岁，包括一个妇女。两个男性是很重的吸烟者，他们没有肺病或全身性疾病史。大部分是医院人员。 /p p 　　(1) 样品采集 /p p 　　使用一个专门设计的系统收集呼出气，用一个60 / 80目Tenax GC吸附剂管收集呼气。如图2所示。 /p p style=" text-align: center " img style=" width: 308px height: 255px " title=" 4.png" src=" http://img1.17img.cn/17img/images/201512/insimg/36709b22-4fad-4a7d-a604-25f16745f4e2.jpg" width=" 527" height=" 413" / /p p style=" text-align: center " 图 2 专门设计的收集呼出气设备 /p p 　　把一个消毒过的 Rudolph呼吸阀连接到呼气多路连接器上，并把弹簧夹夹到人鼻子上，通过连接到阀上的呼气嘴，测试者吸入净化空气5 min，然后通过阀门再呼出到大气中。这样可尽量减少任何环境中污染物吸入肺部的影响。 把Rudolph阀连接到加热的呼气输送管，测试者要把测定的呼气送到40升采样袋。每进行两次这样的填充后，通过呼气计量器施加外部压力把样品袋排空，第三次填充的呼气作为测定样品。用呼气计量器测定通气速率。 /p p 　　(2)GC/MS呼气测定 /p p 　　用Tenax吸附管吸附呼气中的挥发性有机化合物，之后进行热脱附，以一种惰性气体流洗脱吸附管中的样品，用液氮冷却被分析物，进行气相色谱/质谱分析。 /p p 　　为了提高质谱数据的质量，他们对原始数据应用一种有效的谱图增强算法，来比较气相色谱/质谱数据，这一程序自动从数据中定位和提取谱线，得到一组有效谱线，即没有干扰物的谱图，然后进行峰面积的计算，评价各个成分的浓度。在分析前，往Tenax GC提取柱中加入内标物(全氟甲苯)。然后对谱图中的峰进行保留时间和质谱检索。他们用了三个通用的统计程序来处理数据，从肺癌患者和对照人群中得到的297化合物中进行筛查统计。 /p p 　　结果说明肺癌患者和对照人呼气中有区别的化合物为16个含氧化合物及4个含硫化合物。得到的总离子流图如图3。 /p p style=" text-align: center " img style=" width: 322px height: 208px " title=" 5.png" src=" http://img1.17img.cn/17img/images/201512/insimg/e4eaf6e7-ad12-498a-8a89-b9a2e80cd617.jpg" width=" 540" height=" 396" / img style=" width: 296px height: 229px " title=" 6.png" src=" http://img1.17img.cn/17img/images/201512/insimg/a88f424b-51a1-4421-a5c0-6a08a18ba60f.jpg" width=" 510" height=" 415" / /p p style=" text-align: center " 图 3 肺癌患者(a) 正常人(b)呼气中挥发性化合物的GC/MS图 /p p strong 3 后续的研究 /strong /p p 　　(1) 1988年O,Nell等也进行类似的研究： /p p style=" text-align: center " img style=" width: 558px height: 92px " title=" 7.png" src=" http://img1.17img.cn/17img/images/201512/insimg/e56cf9f2-651b-448c-b107-cd97bb561518.jpg" width=" 4127" height=" 613" / /p p 　　他们研究了8名肺癌患者，呼气收集和Gordon等用的方法一样，GC/MS分析：收集在Tenax管中的挥发性有机成分经220℃热脱附，用氦气吹送到液氮冷阱中，然后被迅速加热到250℃ 直接注入到气相色谱仪进样口。使用瓦里安3700型气相色谱仪，分离用毛细管柱为CP Wax 57CB(聚乙二醇固定相)。气相色谱和质谱分析条件为：色谱柱在0℃保持5 min，然后以4℃/ min程序升温到220℃。质谱分析使用Finnigan MAT 311A 质谱仪和SpectroSystem SS-200数据系统，每2.2s扫描 m/z 20- m/z 30的谱图。 /p p 　　90%肺癌患者呼气中都含有下列挥发性化合物：己烷，甲基戊烷，三甲基庚烷，异戊烯，苯，甲苯，乙苯，甲基乙基苯，三甲基苯，苯乙烯，萘，甲基萘，丙醛，丙酮，2-丁酮，酚，苯甲醛，乙酰丙酮，壬醛，丙酸乙酯，异丁酸甲酯，二氯甲烷，二氯苯，三氯乙烷，三氯氟甲烷，四氯乙烯。 /p p 　　(2)1999年Michael Phillips 等的研究： /p p 　　Phillips 等 在“柳叶刀(Lancet，1999，353: 1930–33”杂志上发表的文章为后来的研究者广泛引用。他们也是把肺癌患者的呼吸气收集、浓缩、解析、冷冻富集、热脱附，用GC/MS进行分离检测，检测了108个肺癌患者，发现有22种挥发性有机物是肺癌患者的生物标记物，可用以鉴别早期肺癌。他们从1995年8月到1996年10月采集108名肺癌患者的呼气进行研究，这些患者的组织学诊断见下表2： /p p 　　(I) 方法：试验患者在做支气管镜检查前，禁食24 h,使用类似上一节所述的呼吸气采集设备，采集呼吸气5 min,把10 L样品富集到活性炭吸附管中，同时收集环境空气样品做空白试验。样品经热脱附以后再用两次冷阱富集后进行色谱/质谱分析。 /p p style=" text-align: center " 表 2 108名患者组织学诊断 /p p style=" text-align: center " img title=" 8.jpg" src=" http://img1.17img.cn/17img/images/201512/insimg/89a26cb0-b622-4bd1-9a6a-5fce7e267efb.jpg" / /p p (II) 结果：在呼吸气中发现有22种特征化合物，见表 3： /p p style=" text-align: center " 表 3 22种特征化合物 /p p style=" text-align: center " img title=" 10.jpg" src=" http://img1.17img.cn/17img/images/201512/insimg/e700a23d-2918-4c7f-bc23-14d9cb38ed92.jpg" / /p p style=" text-align: center " * 这些化合物有不确定性，贡献大小由上到下降低 /p p 　　在2003年Michael Phillips 等又在Chest (2003, 123:2115-2123)继续发表了用GC/MS进行肺癌患者呼气中特征有机挥发物的研究。这次公布了他们所使用的呼气的装置，见图4： /p p style=" text-align: center " img style=" width: 323px height: 258px " title=" 11.png" src=" http://img1.17img.cn/17img/images/201512/insimg/8482db52-b1b3-4238-93da-70ba0344fc45.jpg" width=" 431" height=" 338" / /p p style=" text-align: center " 图 4 Phillips 等使用的呼气取样装置 /p p 　　他们比较了健康的志愿者与原发性肺癌患者呼气中挥发性有机物成分的差别，构建了鉴别肺癌的模型，这一模型使用刀切法(jack knife)和留一法(leave-one-out)进行交叉验证，留两个额外的测试组(没有被用来开发模型)用于验证。结果：178例肺癌患者，采用九个挥发性有机化合物的敏感性为89.6%。在交叉验证的敏感性为85.1%。采用九个挥发性有机化合物的模型可用于成年吸烟者的高危人群肺癌的筛查。 /p p 这9个化合物是： /p p style=" text-align: center " img title=" 12.jpg" src=" http://img1.17img.cn/17img/images/201512/insimg/5990f6e5-017e-45a9-9b4c-932f9a988e67.jpg" / /p p 　　(3) 2005年国内学者用SPME-GC进行肺癌患者呼气的研究 /p p 　　深圳职业技术学院的Hao Yu和浙江大学王平教授等于2005年在J Chromatogr B，2005，826：69–74上发表研究，用固相微萃取-气相色谱研究15个肺癌患者和15个健康人的呼气中的有机挥发物特征。他们借助前人的研究(O,Nell 和M Phillips 等)，认为肺癌患者呼气中的有机物为癸烷、十一烷、苯、苯乙烯和丙基苯。用SPME-GC分析这些化合物。 /p p 　　他们的实验分为三个部分。首先，对SPME萃取条件进行了优化 第二，用校准气体对气相色谱法进行评价， 第三把该方法应用于30人呼吸气分析，其中15个是肺癌患者和其他15是对比的健康人。结果表明这一方法是一种潜在的非侵入性呼吸气检测肺癌筛查的方法。 /p p 　　他们使用岛津GC17A气相色谱仪-火焰离子化检测器(FID)，和DB-1毛细管柱(30m x 0.25mm id x 0.25mm膜厚)，程序升温从40保持10min,再以5℃/min到150℃，最后在150℃保持10 min。进样口温度为280℃，FID 温度为320℃。载气流量为1mL/min。 /p p 　　用SPME手动柄进行萃取，固定相为聚二甲基硅氧烷(PDMS 100& amp #956 m膜厚)，萃取温度26℃，萃取时间20 min。萃取后置于GC进样口，进样口温度320℃，以不分流模式进行分析。图 5是呼吸气GC分析的典型色谱图。 /p p style=" text-align: center " img title=" 14.png" src=" http://img1.17img.cn/17img/images/201512/insimg/e73d34f2-25af-4c50-b378-da8539348203.jpg" / /p p style=" text-align: center " 图 5 呼吸气GC分析的典型色谱图 /p p style=" text-align: center " 1-乙醇，2-苯乙烯，3-癸烷，4-十一烷 /p p 　　(4) 2007年浙江大学的研究者用SPME-GC鉴定肺癌细胞中的有机挥发物 /p p 　　由于过去发表的文章中,肺癌病人呼吸物中的成分专属性不够，所以作者们用顶空固相微萃取-气相色谱(HS-SPME-GC)方法对肺癌细胞在体外进行呼吸诊断，测定在培养基中靶细胞的挥发性有机化合物，包括不同类型的肺癌细胞，如鳞状细胞癌细胞，腺癌，细支气管肺泡癌细胞，非小细胞癌细胞，支气管上皮细胞，味蕾细胞，成骨细胞，他们获得这些细胞的气味图谱。研究表明，每一种类型的细胞具有独特色谱。 /p p 　　有4种特殊的挥发性有机物，存在于肺癌细胞的所有培养基中，这是代谢的肺癌细胞的产物，可以看作是肺癌的标志物。有11种特征生物标记物，见表4： /p p style=" text-align: center " 表 4 11种特征生物标记物 /p p style=" text-align: center " img style=" width: 406px height: 265px " title=" 20.png" src=" http://img1.17img.cn/17img/images/201512/insimg/82d2f067-c391-4513-9e23-42a21c7276ea.jpg" width=" 835" height=" 550" / /p p strong 4 近几年国内院校的研究 /strong /p p 　　近几年国内有几座大学的研究生选择用呼吸气体诊断早期肺癌为研究课题 /p p 　　2008年浙江大学卢崇蓉的硕士论文 ：采集了30 例肺癌患者和30 例正常健康人的呼吸气体，采用固相微萃取和气相色谱分析技术对呼吸气体中的VOCs 进行检测，通过将所测的各个组分，在色谱图中的出峰时间和峰面积与制备的n 种标准气体样本比对，进行组分的定性定量分析。对照分析两组受试者呼吸气体中的VOC s ，初步筛选肺癌患者呼吸气体中的特征性VOCs。30 例肺癌患者中28 例检测出庚醛，其中2 例I期肺癌患者均检测出庚醛 30 例正常健康人中1 例检测出庚醛 不同病理类型的肺癌患者中都可以检测到庚醛，且庚醛的浓度在腺癌组和鳞癌组中无明显统计学差异。30 例肺癌患者中18 例检测出甲基环戊烷，30 例正常健康人中10 例检测出甲基环戊烷 两组受试者呼吸气体中检测到的甲基环戊烷的浓度无显著性差异。庚醛可能为肺癌患者的特征性VOCs 之一。 /p p 　　安徽医科大学宋耕的硕士学位论文——肺癌患者呼气中痕量挥发性有机化合物的定量检测，他们用Tedlar 采样袋收集43份非小细胞肺癌患者和41份正常人的呼气样品，经固相微萃取浓缩，用气相色谱-质谱检测呼气中的挥发性有机化合物，外标法定量。比较肺癌患者和正常人呼气中挥发性有机化合物的差异，结果在呼气样品中可检测出68-1 14种挥发性有机化合物，其中病例组的正丁醇和3-羟基-2-丁酮的色谱峰面积高于对照组。(安徽医科大学学，2008,43(3)：323-325) /p p 　　暨南大学刘畅的论文，用z-Nose4300 气相色谱仪研究了肺癌患者呼出气组分，发现乙醇、丙酮可能作为肺癌及肺转移患者的特异性VOCs，苯、异丙醇、二甲硫醚、异戊二烯、甲苯、正戊烷等挥发性有机化合物可能与肺癌相关。 /p p 　　浙江大学医学院博士研究生胡燕婕的论文，以肺癌组织和肺癌细胞株为研究对象，以正常肺组织和正常支气管上皮细胞株作为对照，利用SPME-GC-MS研究肺癌与正常对照之间在组织细胞水平上VOCs表达的差异，用以探索肺癌特征性VOCs的产生机制。她们共检测分析18例原发性肺癌患者的手术标本及几种细胞株培养液顶空气体中的VOCs，结果发现：2-十五烷酮、十九烷、二十烷、癸烷等12种VOCs在肺癌组织中高表达,其中2-十五烷酮、十九烷、二十烷与肺癌细胞株结果相符,提示上述物质可能为肺癌潜在的特征性标志物。( 浙江大学学报-医学版，2010，39(3)：278-284) /p p 　　国内有很多单位和专家从事通过人呼吸气中生物标记物检测来诊断各种疾病的研究。四川大学段忆翔教授近来有两篇综述文章涉及这一领域的研究。(Clinica Chimica Acta，2012， 413： 1770–1780 J Chromatogr B, 2015，1002：285–299) /p p strong 5 个人的看法 /strong /p p 　　用呼吸气体诊断早期肺癌具有简便、无创、安全的特点，成为目前研究热点。但是从各个研究得到结论来看，由于生物化学变化的复杂性，在肺癌患者的呼气中得到的挥发性化合物也是十分复杂，没有几种绝对的生物标记物来进行诊断确认。显然不像用14C尿素呼气试验检测幽门螺旋杆菌方法那样单纯。所以用呼吸气体诊断早期肺癌的研究，还有大量工作要做——找到几种十分专一的化合物来诊断确认肺癌，或另辟新的途径找到解决问题的办法。 p span style=" color: rgb(0, 176, 80) " strong 延伸阅读： /strong /span p a style=" color: rgb(0, 112, 192) text-decoration: underline " title=" " href=" http://www.instrument.com.cn/news/20140623/134647.shtml" target=" _blank" strong span style=" color: rgb(0, 112, 192) " 第一讲：傅若农讲述气相色谱技术发展历史及趋势 /span /strong /a /p p a style=" color: rgb(0, 112, 192) text-decoration: underline " title=" " href=" http://www.instrument.com.cn/news/20140714/136528.shtml" target=" _blank" strong span style=" color: rgb(0, 112, 192) " 第二讲：傅若农：从三家公司GC产品更迭看气相技术发展 /span /strong /a /p p a style=" color: rgb(0, 112, 192) text-decoration: underline " title=" " href=" http://www.instrument.com.cn/news/20140811/138629.shtml" target=" _blank" strong span style=" color: rgb(0, 112, 192) " 第三讲：傅若农：从国产气相产品看国内气相发展脉络及现状 /span /strong /a /p p a style=" color: rgb(0, 112, 192) text-decoration: underline " title=" " href=" http://www.instrument.com.cn/news/20140902/140376.shtml" target=" _blank" strong span style=" color: rgb(0, 112, 192) " 第四讲：傅若农：气相色谱固定液的前世今生 /span /strong /a /p p a style=" color: rgb(0, 112, 192) text-decoration: underline " title=" " href=" http://www.instrument.com.cn/news/20141009/143041.shtml" target=" _blank" strong span style=" color: rgb(0, 112, 192) " 第五讲：傅若农：气-固色谱的魅力 /span /strong /a /p p a style=" color: rgb(0, 112, 192) text-decoration: underline " title=" " href=" http://www.instrument.com.cn/news/20141104/145381.shtml" target=" _blank" strong span style=" color: rgb(0, 112, 192) " 第六讲：傅若农：PLOT气相色谱柱的诱惑力 /span /strong /a /p p a style=" color: rgb(0, 112, 192) text-decoration: underline " title=" " href=" http://www.instrument.com.cn/news/20141205/147891.shtml" target=" _blank" strong span style=" color: rgb(0, 112, 192) " 第七讲：傅若农：酒驾判官——顶空气相色谱的前世今生 /span /strong /a /p p a style=" color: rgb(0, 112, 192) text-decoration: underline " title=" " href=" http://www.instrument.com.cn/news/20150106/150406.shtml" target=" _blank" strong span style=" color: rgb(0, 112, 192) " 第八讲：傅若农：一扫而光——吹扫捕集-气相色谱的发展 /span /strong /a /p p a style=" color: rgb(0, 112, 192) text-decoration: underline " title=" " href=" http://www.instrument.com.cn/news/20150211/153795.shtml" target=" _blank" strong span style=" color: rgb(0, 112, 192) " 第九讲：傅若农：凌空一瞥洞察一切——神通广大的固相微萃取（SPME） /span /strong /a /p p a style=" color: rgb(0, 112, 192) text-decoration: underline " title=" " href=" http://www.instrument.com.cn/news/20150312/155171.shtml" target=" _blank" strong span style=" color: rgb(0, 112, 192) " 第十讲：傅若农：悬“珠”济世——单液滴微萃取(SDME)的妙用 /span /strong /a /p p a style=" color: rgb(0, 112, 192) text-decoration: underline " title=" " href=" http://www.instrument.com.cn/news/20150417/158106.shtml" target=" _blank" strong span style=" color: rgb(0, 112, 192) " 第十一讲：傅若农：扭转乾坤——神奇的反应顶空气相色谱分析 /span /strong /a /p p a style=" color: rgb(0, 112, 192) text-decoration: underline " title=" " href=" http://www.instrument.com.cn/news/20140714/136528.shtml" target=" _blank" strong span style=" color: rgb(0, 112, 192) " 第十二讲：擒魔序曲——脂质组学研究中的样品处理 /span /strong /a /p p a style=" color: rgb(0, 112, 192) text-decoration: underline " title=" " href=" http://www.instrument.com.cn/news/20150617/164595.shtml" target=" _blank" strong span style=" color: rgb(0, 112, 192) " 第十三讲：离子液体柱——脂质组学中分离脂肪酸的气相色谱柱 /span /strong /a /p p a style=" color: rgb(0, 112, 192) text-decoration: underline " title=" " href=" http://www.instrument.com.cn/news/20150716/167186.shtml" target=" _blank" strong span style=" color: rgb(0, 112, 192) " 第十四讲：脂肪酸气相色谱分析的故事 /span /strong /a /p p a style=" color: rgb(0, 112, 192) text-decoration: underline " title=" " href=" http://www.instrument.com.cn/news/20150820/170240.shtml" target=" _blank" strong span style=" color: rgb(0, 112, 192) " 第十五讲：吹口气，知健康——GC-MS检测呼气疾病标记物　　 /span /strong /a /p p a style=" color: rgb(0, 112, 192) text-decoration: underline " title=" " href=" http://www.instrument.com.cn/news/20150929/173804.shtml" target=" _self" strong span style=" color: rgb(0, 112, 192) " 第十六讲：重症早期预警——呼出气用SIFT-MS 实时快速检测 /span /strong /a /p p a title=" " href=" http://www.instrument.com.cn/news/20151111/177170.shtml" target=" _blank" span style=" color: rgb(0, 112, 192) " strong 第十七讲：各个医院用呼出气检测幽门螺旋杆菌的方法“火”了——SIFT-MS 更简单，更快速，更实时，更普适　 /strong /span strong 　 /strong /a /p /p /p