2022年2月2日，北京大学JDB电子官方网站尹玉新教授团队和人民医院王俊院士团队合作在Science Translational Medicine杂志上在线发表了题为“Lung cancer scRNA-seq and lipidomics reveal aberrant lipid metabolism for early-stage diagnosis”的研究论文，应用单细胞转录组学、血浆脂质组学、机器学习和质谱成像综合分析早期肺癌的脂代谢特征，开发了一套人工智能辅助的早期肺癌代谢检测方法，并揭示了相关的分子机制。

代谢组联合人工智能肺癌早期检测方法研究策略

肺癌的死亡率高居恶性肿瘤之首，早期发现是提高肺癌生存率的关键。然而，目前尚无可靠的血液检测手段用于肺癌的早期诊断。研究团队首先对早期肺癌进行了单细胞转录组测序，发现脂质代谢通路在肺癌组织各类细胞中均发生广泛异常。进一步地，研究人员检测了171例早期肺癌患者和140例健康人的血浆脂质代谢组，经过支持向量机算法及高分辨质谱分析，筛选出9个血浆脂质标志物，并最终建立了靶向代谢检测方法与人工智能分类模型。该方法共检测了4个队列超过2100例样本，对I期肺癌的检测准确性超过90%。在1036例接受低剂量CT检查的筛查队列中和109名参与者的前瞻性临床队列中，该方法的敏感性高于90%。该研究还结合质谱成像技术，在肿瘤组织原位证实了这些血浆脂质标志物与癌旁组织的差异表达。

该方法被命名为肺癌人工智能检测器(LCAID)，可用于肺癌的早期检测或高危人群的大规模筛查。该方法的成功建立明确和开拓了机器学习辅助代谢组学用于早期肺癌检测及筛查的高效策略与全新方向。这种方法的临床应用将可能使肺癌患者获益于早期、准确的诊断，进而提高肺癌的生存率。

值得注意的是，该方法也是继胰检测腺癌（Wang et al., Sci. Adv (2021) ）与食管癌（Yuan et al., Br J Cancer (2021) ）后，尹玉新团队与合作者开发的又一种人工智能辅助的肿瘤代谢检测方法。

北京大学JDB电子官方网站博士后王光熙博士，北京大学人民医院胸外科助理研究员邱满堂博士和北京大学生物医学前沿创新中心博士后邢旭东博士为该论文的共同第一作者，北京大学人民医院王俊院士，北京大学系统生物医学研究所尹玉新教授为共同通讯作者。该工作还得到了中科院自动化所姚涵涛副研究员，中国航天731医院潘淑莉主任医师及李明如副主任医师，江苏省肿瘤医院尹荣副主任医师，北京大学公共卫生学院侯艳副研究员，海淀医院黄宇清主任医师，北京大学人民医院杨帆主任医师，北京大学生物医学前沿创新中心白凡教授，北京大学分析测试中心聂洪港高级工程师团队，北京大学JDB电子官方网站郭丽梅副教授，北京邮电大学孟竹博士和北京大学JDB电子官方网站罗建沅教授的大力支持。

该项目获得了国家重点研发计划、国家自然科学基金重点项目、北京市自然科学基金重点项目和北大-清华生命科学联合中心的支持。

      原文链接：https://www.science.org/doi/10.1126/scitranslmed.abk2756

(北京大学JDB电子官方网站)