SCI ADV丨基于ctDNA脱落量的数学模型预测肿瘤大小，有望用于癌症早筛！
作者:马倩
肿瘤在早期阶段更容易被治愈，例如肺癌在病灶较小且未发生转移时，五年生存率可达57%。然而只有16%的肺癌在早期能被诊断出来。肿瘤循环DNA（ctDNA）是由坏死或凋亡肿瘤的基因组进入血液的游离DNA，作为一种非侵入式的检测方式，具有无创、取样方便等优势。然而，对于特定的肿瘤类型，ctDNA是否可以用来预测癌症早期肿瘤的大小，进而辅助早期诊断，目前还未有统一的研究框架。本文作者开发了癌症演化和生物标记脱落的随机数学模型，该模型可根据患者血液中的ctDNA脱落量来预测肿瘤的大小。研究发现，该模型可以应用在不同临床场景中，为多种癌症提供理论评估，比如常规筛查和监测癌症复发。
癌症生长和ctDNA脱落的数学模型
早期肺癌其典型的肿瘤体积加倍时间为181天，每天的净增长率为r = ln（2）/ 181≈0.4％。肺癌细胞大约以每天b = 0.14的出生率分裂并以每天d = b − r = 0.136的死亡率死亡（图1A）。目前，假设每个肿瘤细胞在凋亡过程中都会向血液中释放ctDNA，每个死亡细胞的ctDNA脱落概率为q d。
图1. 不断增长的癌症释放出ctDNA的进化动力学。
研究分析了176例I至III期NSCLC患者的ctDNA测序数据和和肿瘤相关的临床数据（包括每天产生的肿瘤细胞数量，细胞凋亡数量和患者血液中ctDNA清除率）， 推断出大约0.014％的癌细胞凋亡后其 DNA 会进入血液。
图2. 肿瘤生长速度和细胞更新强烈影响ctDNA的数量。
研究人员进一步研究了测序panel的大小、采样频率、血液样本量、测序错误以及检测到的突变数量是如何影响预期的肿瘤检测大小。结果显示采样频率和采样体积的增加会导致肿瘤检测尺寸中位数的大幅下降，而测序误差的降低也会导致预期检测尺寸的大幅降低。当测序panel增加到约25个可检测到的突变时，可检测的肿瘤尺寸也急剧下降。 这说明ctDNA中的体细胞点突变可以用来预测肿瘤大小，并应用于早期筛查。为了评估ctDNA对肿瘤复发的检测能力，研究小组对比了基于ctDNA和影像学的复发检测能力。 结果发现该模型预测的中位数检测大小为0.83 cm，同时能够较影像学提前140天检测出肿瘤。
已知突变，肿瘤复发检测
对于癌症复发的检测，作者研究了一个以每天r = 1%生长的侵袭性肺肿瘤，并假定测序面板覆盖20个肿瘤特异性突变。当这20种肿瘤特异性突变中的至少一种明显存在于血浆样品中才能推断出肿瘤已复发，对于0.2 cm3肿瘤（直径0.73 cm;图3A），ROC（受体工作特征）曲线的AUC（曲线下面积）为81%。
图3. 与目前的临床复发检测相比，预期的肿瘤复发检测大小和前置时间。
接下来，作者研究了测序板的大小，采样频率，血液样本量，测序错误以及检测突变的数量如何影响肿瘤的检测大小。正如预期的那样，随着采样频率的增加，中位肿瘤检测尺寸也随之减小（图3E）。频繁的复发测试导致中位数检测值大幅下降。测序错误率的降低和采血量的增加导致预期检测尺寸的大幅降低（图3 F和G）。
未知突变的肿瘤检测
以早期肺癌的生长为例，每天r=0.4％。该模型对大小为1、2和4 cm3的肿瘤的灵敏性分别为4.3％，17％和54％，特异性为99％。此检测比SEER数据库中2005年至2015年报告的肺癌的当前中值检测降低70％。
图4. 预期的肿瘤检测大小和前置时间分布，以便使用不同的测序面板进行筛选。
凋亡，坏死和增殖过程中ctDNA脱落
到目前为止基于假设：ctDNA脱落仅发生在细胞凋亡期间。可以推广该框架，使有效脱落率λ由凋亡，坏死和增殖过程中脱落的ctDNA片段的总和给出：λ= d ∙ q d + q n + b ∙ q b，其中q b表示脱落每细胞分裂和概率q ñ表示从坏死每单位脱落率的时间。与三个脱落过程无关，当肿瘤达到M大小时，ctDNA的量细胞保持近似泊松分布，平均C = M ∙λ/（ε+ r）（假设M≫ 1和λ≪ 1；note S1），其中有效脱落率代表ctDNA脱落过程的总和。
讨论
当无法获得肿瘤组织时，ctDNA对于鉴定可操作的突变变得越来越重要。随机模型表明，在相同的归一化年假阳性率（FPR）不变的情况下，降低测序错误率，增加采样血浆的量，增加测序面板的大小和增加采样率可以大大降低预期的肿瘤复发检测大小（图3）。
然而，这项研究有几个局限性。首先，对ctDNA脱落及其在肺肿瘤和其他肿瘤类型中的变异的了解仍然有限。其他生物学因素（例如肿瘤组织学和肿瘤分期）也会影响ctDNA水平。其次，很大程度上尚不清楚前体病变的ctDNA脱落动力学及其存在如何干扰癌症的早期发现。第三，该分析仅限于ctDNA中存在的点突变。其他生物标志物附加的与癌症相关的特性可以帮助进一步降低预期的检测尺寸。最后，作者通过精确的计算机仿真验证了数学结果；然而，预测的肿瘤检测大小需要在大型临床研究中进行验证。
癌症早期检测的主要挑战是癌症发生和发展的随机性。肿瘤无症状的最佳治疗方法往往是不清楚，需要与过度治疗和不力风险平衡。由于癌症的发病率在很大程度上取决于年龄，遗传易感性，生活方式或诱变剂（例如，阳光，烟雾）等因素，因此筛查计划通常着眼于高风险个体，以减少过度治疗的可能。作者的研究结果表明，通过癌症进化和生物标志物脱落的综合数学模型，可以进一步优化和个性化癌症筛查和监测策略。
