JTO：德国科学家发现基于miRNA的液体活检或可用于肺癌早筛！

近期，德国Hummingbird Diagnostics的Bruno R Steinkraus团队开发了一种集合了18个小RNA特征的诊断模型miLung。

在验证队列中，miLung检测早期肺癌的准确性很高，中位曲线下面积（AUC）可达0.83，诊断性能会随着疾病分期呈现依赖性增长，AUC可从I期肺癌的0.76上升至IV期的0.86。此外，他们还发现，miLung中位于L1-stalk上的核糖体RNA片段是肺癌的主要预测因子。

研究发表在Journal of Thoracic Oncology上[1]。

论文首页截图

说到小RNA，大家可能最先想到的是microRNA（miRNA）。但实际上，小RNA是生物体内一类具有重要调控功能的非编码短小RNA的总称。

小RNA几乎参与调控了动植物所有的生命过程，包括细胞增殖，分化，凋亡等，并且与人类疾病的发生发展密切相关。除了miRNA以外，像转运RNA（tRNA）、核糖体RNA（rRNA）以及Y-RNA片段这样的非典型小RNA也被证明可作为检测多种癌症类型的外周血生物标志物。

Bruno R Steinkraus团队以此为灵感，想开发一项以小RNA生物标志物为基础的，可以用于检测早期肺癌的模型。

全血样本不仅可以同时检测到肿瘤和免疫细胞来源的小RNA，还易于收集，也不需要复杂的处理，因此成为了研究人员的首选样本。

为了模拟真实世界中的肺癌筛查情况，研究从美国和德国的7个大型队列中，筛选了符合NLST标准（年龄在55-74岁，每年吸烟大于30包/年并且仍在吸烟或者戒烟未满15年的人群）的1384名参与者，其中943名参与者作为发现队列，用于特征发现和模型构建，441名参与者作为验证队列，对构建的模型进行验证。

研究人员在任何诊断或治疗干预前预先收集了所有参与者的全血样本，然后对这些样本进行深度小RNA测序，再以测序数据作为输入，最终建立了一个含有18个小RNA特征的诊断模型miLung。

miLung在发现队列中的中位AUC为0.86，模型的准确性会随着疾病分期的变化而变化，AUC可从I期肺癌的0.73上升至IV期的0.90。此外，该模型对小细胞肺癌（SCLC）检测的准确性较高，AUC可达0.93。

在验证队列中，miLung的中位AUC为0.83，模型的准确性同样会随着疾病分期呈现依赖性增长，AUC可从I期肺癌的0.76上升至IV期的0.86。值得注意的是，该模型对当前吸烟者的检测准确性优于既往吸烟者。

发现队列和验证队列的AUC数值

总之，研究人员建立的以小RNA为特征的miLung模型，可以准确地从符合NLST筛查标准的人群中检测出肺癌患者。

进一步，研究人员想知道miLung模型中18个小RNA特征的来源。研究人员又收集了40名肺结节待检患者（后有21名患者确诊肺癌）的血液样本以及十种纯化细胞创建了一个血液小RNA表达谱。

结果发现，在未经过筛选的小RNA谱中，血浆来源的小RNA约占到13%，而在miLung模型中这一比例为39%，存在显著差异（P<0.001），此外，研究还发现，miLung模型中权重最高的特征是一个rRNA片段，它就完全来自于血浆，这也支持miLung模型具有区分肺癌患者和健康人群的能力。

接下来，研究人员对这个rRNA片段进行了基因组定位后发现，这个片段是由28S rRNA编码的。在将28S rRNA以25个核苷酸为一组划分区域后，研究人员在第162个区域定位到了这个rRNA片段，并命名为28S-rRNA-bin-162。三维视图显示，28S-rRNA-bin-162位于L1-stalk中。

28S-rRNA-bin-162定位和L1-stalk结构

在全血样本中，研究人员观察到28S-rRNA-bin-162的水平会随着疾病进展而增加。因此研究人员推测，28S-rRNA-bin-162来自肿瘤。通过对肿瘤组织和临近正常肺组织进行测序，研究人员发现28S-rRNA-bin-162在肿瘤组织中的表达明显更高。

随后研究人员又观察了手术切除肺癌组织前后，血浆中28S-rRNA-bin-162水平的变化情况，结果发现，手术切除后，28S-rRNA-bin-162水平明显下降。细胞实验显示，28S-rRNA-bin-162在肺癌细胞中会被优先产生并释放到上清液中。也就是说，28S-rRNA-bin-162确实来自肿瘤组织。

综上，该研究开发了一个基于小RNA的血液检测模型miLung，准确性高，可用于用于吸烟人群的肺癌筛查。此外，通过干血斑采集证实，miLung在静脉血和毛细血管血中的检测效果是一样的，也就说miLung在采样上可以更加方便，实用性更强。要是能落地的话，没准可以代替LDCT。

参考文献：

[1]Sikosek T, Horos R, Trudzinski F, Jehn J, Frank M, Rajakumar T, Klotz LV, Mercaldo N, Kahraman M, Heuvelman M, Taha Y, Gerwing J, Skottke J, Daniel-Moreno A, Sanchez-Delgado M, Bender S, Rudolf C, Hinkfoth F, Tikk K, Schenz J, Weigand MA, Feindt P, Schumann C, Christopoulos P, Winter H, Kreuter M, Schneider MA, Muley T, Walterspacher S, Schuler M, Darwiche K, Taube C, Hegedus B, Rabe KF, Rieger-Christ K, Jacobsen FL, Aigner C, Reck M, Bankier AA, Sharma A, Steinkraus BR. Early Detection of Lung Cancer using small RNAs. J Thorac Oncol. 2023 Jul 10:S1556-0864(23)00670-6.