食道癌（EC）是一种常见的高发生率和高死亡率的恶性肿瘤。在全球范围内，EC是第六大癌症死亡原因，且呈现上升趋势。

既往研究显示，EC的发病率和死亡率在中国某些地区尤其高。EC患者的5年生存率与疾病的识别阶段密切相关，且在高流行地区对于疾病的早期诊断和干预可以大大的改善患者的预后。

在发展中国家中，食管鳞状细胞癌（ESCC）作为主要亚型占EC患者的90％以上，在发达国家中占30％。由于没有典型症状特征，因此通常会通过内窥镜检查的方式发现并诊断早期ESCC。

然而，内窥镜检查是侵入性的，昂贵且具有高度主观性。目前在临床上也尚无EC特异性的血清肿瘤生物标志物。因此，急需开发需要开发一种非侵入性的、低成本的、高灵敏度的方法来进行早期EC的诊断。

脂质组分析的研究设计

在该研究中，研究人员对总共525份血清样品进行了脂质组分析。通过结合血清脂质组学和机器学习算法，选择相关重要的代谢物特征以检测ESCC这一主要亚型。研究人员通过开发并评估了一个优化的采用一系列选择性特征的诊断模型。通过对组织转录组和血清脂质组的综合分析，旨在揭示脂质失调的潜在机制。

结果显示，优化的诊断模型包含了年龄、性别以及12种脂质生物标志物。在训练队列、验证队列和独立验证队列中检测ESCC的灵敏度分别为90.7％、91.3％和90.7％，ROC曲线下面积分别为0.958、0.966和0.818。综合分析也揭示了脂质代谢中关键酶编码基因的匹配变化趋势。

相关调控网络

总而言之，该研究结果鉴定出了12种脂质生物标记物，用于建立诊断ESCC患者血清中脂质失调的诊断模型和潜在机制。该模型或可成为在临床上应用的可靠的、快速且非侵入性的肿瘤诊断方法。

原始出处：

Yuan, Y., Zhao, Z., Xue, L. et al. Identification of diagnostic markers and lipid dysregulation in oesophageal squamous cell carcinoma through lipidomic analysis and machine learning. Br J Cancer (05 May 2021).