在癌症等疾病的诊断和预后监测中，cfDNA可提供丰富的分子信息。传统的cfDNA检测主要关注其中基因序列的改变，例如DNA的突变、拷贝数的变化以及插入到细胞基因组内的病毒基因组等。这些信息都有可能通过分析血液中的cfDNA被检测出来。目前，国内外众多基因检测公司已经开发了相应的液体活检方法，可通过序列模式上的改变来检测肿瘤或其他疾病的发生。但这种方法也存在一定局限性：一方面，在癌症发展早期，精确提取这些微弱的癌症信号十分困难；另一方面，对癌症发生的位置进行溯源也是一个难题。

而表观遗传信息可以在一定程度上解决上述的两个问题。尽管人类体内的DNA序列信息基本一致，但在不同情况下，这些DNA会产生一系列的表观修饰（如DNA甲基化），在不同类型的细胞、不同组织之中，DNA表观修饰模式存在很大差异。另外，cfDNA片段化模式这一类信号也蕴含着DNA的组织来源信息，能够帮助研究人员对异常DNA进行溯源。近年来，一系列研究也逐渐揭示了这些信号的价值。

日前，斯坦福大学的研究人员开发了一种分析cfDNA片段化模式的新方法，名为“EPIC-Seq”（Epigenetic Profile Inference from CfDNA Deep Sequencing）。研究人员表示，这种方法可以拓展用于癌症早期检测的各种表观遗传学方法，从而在无需分析实际突变的情况下，提供有关单个基因和基因panel表达的线索。在近日召开的AACR年会上，斯坦福大学研究员Mohammad Esfahani首次介绍了将该技术应用于肿瘤亚型分型方面的研究成果。

Mohammad Esfahani表示，其团队迄今为止使用EPIC-Seq进行的实验表明，该方法可以准确预测健康个体和癌症患者血浆样品中组织和肿瘤特异性基因的表达，而无需了解特异性基因突变或对表达产物进行测序。在AACR年会的讨论环节中，纪念斯隆·凯特琳癌症中心的Jorge Reis-Filho称这种方法极其振奋人心，因为它不仅可以检测到表观遗传信息，还可以使用表观信息表征癌症生物学特征，具有巨大潜力。

Mohammad Esfahani介绍，EPIC-Seq延续了早期证明有可能通过片段化模式和核小体定位以及其他探索核小体位置与基因表达关系来检测癌症并推断体内cfDNA分子起源的研究。但是，即使有了这些发现，仍不清楚来自cfDNA的表观遗传学信息能否强有力地预测单个基因的RNA表达，从而解决如癌症分型和分类的临床难题。他在演讲中谈到，虽然其他研究小组的既往研究已经表明核小体定位与基因表达相关，但是要使这种方法在特定的应用中发挥作用，则需要患者样本中存在“不切实际的高水平ctDNA”。“我们提出的疑问是：‘还有其他可以利用的信息来源吗，例如片段长度，可以被用来提升基因表达推论？’”。他进一步解释说，EPIC-Seq方法的基础是一个假设，即受保护较少的核小体应产生更多种类的DNA片段长度，因为这些区域被随机切割的机会更高。因此，DNA片段大小分布或多样性的度量可能是先前确定的预测基因表达的核小体因子的替代物。

为了开发EPIC-Seq，Mohammad Esfahani及其研究伙伴对一系列样品进行了250x的全基因组血浆DNA测序，并将片段化模式与全基因组表达进行了比较，从而确定了两者之间的关系。随后，他们在约1000例样本的独立全基因组测序数据集中证实了该结果。他们使用这些数据设计了一种靶向测序方法，以推断一组具有潜在临床相关性的176个基因的基因表达，并将其应用于79个对照组，以及73个非小细胞肺癌样本和92个弥散性大B-细胞淋巴瘤病例中，以评估癌症检测和生物学亚分类的性能。使用内部交叉验证，该小组能够使用EPIC-Seq在AUC为0.91情况下区分肺癌与对照组，在AUC为0.89的情况下将肺癌分类为腺癌或鳞状细胞癌。对于弥散性大B-细胞淋巴瘤，用于癌症检测的AUC仍为0.91，并且清楚地概括了根据突变和拷贝数信息确定的相同起源细胞亚型。值得关注的是，该方法似乎还可以进行准确的亚型特异性预测，两个EPIC-Seq定义的亚组的无进展生存期存在明显差异。

据悉，该研究团队将继续在独立样本中对该方法进行验证，以查看其初始的AUC计算所暗示的预测能力是否可以稳定维持。Mohammad Esfahani最后表示，事实上，EPIC-Seq评分与临床因素和基于突变的亚型鉴定都具有很好的相关性，这无疑预示着该方法的良好前景。

参考资料：

1. Stanford Team Debuts EPIC-Seq Method to Detect, Classify Cancer From cfDNA Fragment Patterns

https://www.genomeweb.com/sequencing/stanford-team-debuts-epic-seq-method-detect-classify-cancer-cfdna-fragment-patterns#.XvQfg3ot1PY