肿瘤研究的一个关键目标是实现早期诊断。经过数十年的发展探索，无症状早期癌症诊断研究已经取得了长足的进展。单细胞和高通量测序技术的快速发展促进了无细胞DNA（cfDNA）、循环肿瘤细胞（CTC）等先进液体活检方法的进步。虽然这些方法显示出了令人兴奋的癌症诊断潜力，但基于cfDNA的方法依赖于预先选择的一组癌症体细胞突变，而CTC的鉴定通常依赖于一些上皮生物标志物或细胞形态变化。

在癌症早期，适应性免疫系统可通过识别肿瘤抗原消灭癌细胞。早期癌症的存在可能会导致T细胞受体（TCR）发生可检测的变化，因此跟踪外周血T细胞库变化或可为癌症诊断提供有吸引力的解决方案。

近日，美国著德克萨斯大学达拉斯西南医学中心研究团队提出了一种结合深度学习的新液体活检方法，即关注癌症相关T细胞受体（caTCR）。结果显示，该新方法可以较高的准确性预测多种早期癌症类型，并可以区分无症状早期癌症患者与健康个体。对于不同早期癌症类型，该方法在特异性为98％时，对所有样本的检测灵敏度均达到73％，且灵敏度高度一致。该方法甚至达到了与cfDNA甲基化或ctDNA突变检测的准确性。该研究成果发表在Science Translational Medicine上，文章题为“De novo prediction of cancer-associated T cell receptors for noninvasive cancer detection”。

由于大多数癌症抗原是未知的，因此caTCR的鉴定仍然很困难，且目前还没有诊断方法可以监视T细胞库中的信号。为了弥补这一不足，研究团队假设caTCR可能具有共同的生化特征，从而可以进行从头（de novo）鉴定。根据已发表的研究数据，这一假设得到了支持。

图：DeepCAT工作流程

基于此，研究团队从TCGA库中获得9702个肿瘤的RNA-seq样本数据，设计了一个计算框架来衡量血液中caTCR含量，同时从多种癌症的肿瘤浸润性T细胞序列、健康供体中提取训练数据，设计了一个名为DeepCAT的深度学习方法。该方法可根据血液TCR数据库建立癌症诊断评分，de novo预测血液中的caTCR，以区分无症状早期癌症患者与健康个体，用于预测任何个体的癌症状态。

研究团队利用从多个主要组织相容性复合体I（MHC-1）多聚体分析中获得的癌症特异性或非癌症TCR对DeepCAT进行了验证，证明了其对癌症抗原特异性TCR的预测能力

随后，研究人员在多个临床队列样本中进行了验证，利用DeepCAT检测血液TCR序列来区分600余名健康患者和250余名癌症患者，并获得了癌症评分。结果显示，该方法在多种癌症类型中可获得较高的预测准确性。对于多个早期癌症类型，曲线下面积（AUC）≥0.95。其中，乳腺癌、胰腺癌、卵巢癌、结肠直肠癌和黑色素瘤达到AUC≥0.99，肺癌患者的AUC> 0.99。而胶质母细胞瘤、膀胱和肺癌人群较低，AUC在0.71~0.83之间。该结果为将外周血TCR谱用于非侵入性癌症检测奠定了基础。

图：癌症评分是多种癌症类型的有力预测指标。

由于免疫系统具有在健康条件下清除转化细胞的能力，那么DeepCAT是否能拾取这些信号并以非特异性方式报告癌症呢？结果显示，所有健康供体队列的癌症评分通常都低于癌症患者。对此，研究团队分析，当免疫系统和癌症达到“平衡”或“逃逸”状态时，caTCR将不断产生，并在耗尽后进行积累，而不是凋亡。因此推测这是通过TCR库进行癌症诊断的一个潜在阶段。

此外，研究发现，对于不同早期癌症类型，该方法在特异性为98％时，对所有样本的检测灵敏度均达到73％，且灵敏度高度一致。该方法达到甚至超过了cfDNA甲基化或ctDNA突变检测的准确性。为了评估普通人群中癌症评分的效用，研究人员使用计算机模拟，估计了该方法在各种阈值下的阳性预测值（PPV）和阴性预测值（NPV）。其中，在阈值0.27时，PPV为0.447±0.076，NPV为0.986±0.005。表明了使用统一的癌症评分阈值进行疾病检测的可行性，但癌症评分尚不能替代当前的诊断方法。

图：癌症评分可高度准确地预测早期癌症。

大多数恶性肿瘤如果在早期诊断有望实现治愈。器官特异性影像学评估已被广泛用于检测有限的早期癌症类型。此外，在临床研究中还利用血液中的某些癌症生物标志物进行检测。该最新研究探讨了使用免疫库作为独立癌症诊断方法的可行性，并使用癌症特异性TCR数据进行反复验证。研究中引入的癌症评分可以衡量免疫组库中的caTCR，并可将早期癌症患者与健康个体区分开。

与传统方法相比，该新方法证明了即使对于早期恶性肿瘤，癌症评分也能达到较高的预测准确性。除了更高的准确性外，癌症评分不依赖于预先选择的遗传或表观遗传学特征，因此法更具通用性。值得注意的是，该方法仅需要少量外周血中的T细胞，数据生成成本不到200美元。

参考资料：

1. De novo prediction of cancer-associated T cell receptors for noninvasive cancer detection. Science Translational Medicine, 19 Aug 2020. DOI: 10.1126/scitranslmed.aaz3738

https://stm.sciencemag.org/content/12/557/eaaz3738