纽约——随着液体活检检测在癌症领域的临床应用开始扩大，生物技术公司已经开始进一步投资于基于DNA碎片和甲基化的平台，以检测各种早期癌症。
在上周举行的美国临床肿瘤学会(American Society of Clinical Oncology)虚拟年会上，一些公司展示了不同技术的数据，这些技术可以分析患者血液样本中的表观遗传修饰，特别是循环肿瘤DNA (ctDNA)中的DNA甲基化。
甲基化分析通常是通过化学处理细胞游离DNA (cfDNA)，用亚硫酸氢钠将未甲基化的胞嘧啶转化为尿嘧啶，并通过下一代测序确定变化。
Guardant卫生,前所述这是转向发展中早期癌症检测分析，提供的数据LUNAR-2血基于结直肠肿瘤诊断的检测方法正在开发中。该试验评估了ctDNA中的体细胞突变和甲基化和碎片模式，以提高早期CRC检测的敏感性。
这家位于加州红木城的公司收集了434名CRC切除术前患者和271名年龄匹配的对照者的血浆样本，并用LUNAR-2分析法对其进行分析。
在单独的614个样本集上训练该方法，Guardant发现CRC的总体特异性为94%，其中I-II期患者的敏感性为88%，III期患者的敏感性为93%。虽然无症状和有症状的CRC患者之间的敏感性没有差异，但公司发现在有症状的队列中，cfDNA肿瘤组分更高。
Guardant期望该试验在“平均风险筛查人群中具有临床意义的表现”，因此启动了一项前瞻性注册研究，以评估该试验在平均风险CRC筛查队列中的表现。
约翰霍普金斯大学的分支Delfi诊断，该公司正在开发一种基于DNA碎片模式的分析方法，在会议上也在其平台上提供了新的数据。在这项研究中，该公司评估了cfDNA片段筛选方法对281名患有和没有癌症的患者的血浆样本进行了评估，这些患者使用低覆盖率全基因组测序被诊断出有其他合并症。
该公司及其学术合作伙伴采用一种名为DELFI的方法，即对DNA片段进行早期拦截的DNA评估，在16种不同的I-IV期实体癌(包括CRC和肺癌)中发现了74名患者。
Delfi在一封电子邮件中说，在没有癌症的患者组中，24人患有心血管疾病，23人患有糖尿病，其余的人患有其他合并症。在测量了患者血浆中的cfDNA碎片，并使用交叉验证机器学习模型后，研究小组发现，该试验从AUC为0.92的非癌症患者中识别出了癌症患者，包括常见的肿瘤，如CRC和肺癌。
研究小组还发现，DELFI评分越高，总生存率越低，与癌症分期无关。
在另一项研究中，德尔菲大学的研究人员模拟了cfDNA片段长度分布，并观察了参数如何有助于进一步区分患有和没有癌症的个体。研究小组根据大小检查了cfDNA片段的数量，并使用统计方法来近似片段长度的频率分布。为了验证该方法的性能，该团队使用了与DELFI方法的交叉验证模型、统计方法的参数以及两种方法的组合。
Delfi的研究人员将该方法应用于215名癌症患者和208名无癌症患者的队列，观察到三种方法的交叉验证auc分别为0.94、0.95和0.97。
因此，Delfi认为，它的平台既可以从共病患者的碎片模式中区分异常cfDNA碎片，也可以在与混合模型结合时帮助检测癌症。
西班牙癌症启动普遍的维与此同时，该公司一直在开发自己的甲基化分析方法，使用甲基化敏感限制性qPCR，或MSRE-qPCR，以检测早期癌症。揭示了MSRE-qPCR的潜在应用肺癌检测今年早些时候，基于计划接受结肠镜检查或接受结肠手术治疗的原发性结直肠癌患者的血浆样本，Universal Dx在ASCO发布了该平台用于结直肠癌筛查的新数据。
在这项研究中，Universal Dx名列第一在全基因组亚硫酸氢盐测序中，从169个CRC和匹配的对照组织样本、21个褐皮样本和健康cfDNA中选择并过滤差异甲基化区域(DMRs)。为个别读取建立crc特定的信号评分阈值，该团队使用了来自203 DMRs的甲基化评分，建立了靶向亚硫酸氢盐混合捕获测序方法，并在一组患者中进行了验证。
计算出的分数用于训练一个机器学习模型，其中68个ctDNA样本来自18个早期和16个晚期CRC患者和34个对照组。然后，该团队将该模型应用于一组独立的受试者，包括36名I-IV期癌症患者和159名年龄和性别匹配的对照组。
在对照组队列中，87例结肠镜检查结果为阴性，19例有增生性息肉，37例有小的非晚期腺瘤，16例被诊断为其他良性胃肠道疾病。同时，模型对92%的CRC患者进行了正确分类:应用了97%的特异性，模型对每个癌症阶段的敏感性范围从83%的I期，92%的II期，92%的III期到100%的IV期。
此外，使用97%的特异性，该模型对近端和远端癌症的敏感性分别为91%和93%。
该公司认为，将甲基化测序数据与机器学习方法结合起来分析，可以用于检测早期CRCs。它设想使用该方法作为一种“高度准确和微创”的CRC筛查测试的基础。
启动创造生物医学还提出了初始验证数据，对其更新版本Point-N-Seq靶向甲基化测序，或TMS，双分析分析，现在包括基因组和表观基因组分析，不需要样品分裂。
在进行验证和多中心、多操作人员的重复性研究时，该团队使用了已知突变和甲基化谱的癌细胞系基因组DNA的峰值滴定法，并将肿瘤DNA的检测水平降低到0.003%。
这家总部位于加州弗里蒙特的公司首次整合了结直肠腺癌TMS面板，覆盖560个甲基化标记物，以及在其双检测中包含22个基因中超过350个热点突变的突变面板。使用一组CRC患者的1毫升血浆，该公司及其科学合作者在所有样本中检测到癌症特异性甲基化信号，以及致癌突变。
在I/II期CRC患者队列中，该小组比较了每个患者的肿瘤知情、个性化突变面板(100 SNVs)和肿瘤独立的CRC甲基化面板。研究小组发现，该综合检测方法与个性化肿瘤信息检测方法实现了类似的检测，其AUC为0.91。
在初步研究中，研究小组收集了75名I期、46名II期、24名III期和23名IV期患者的血浆样本。特异性为91%时，该方法对I期的敏感性为70%，对II期的敏感性为94%，对III期的敏感性为96%，对IV期的敏感性为96%。
此外，该公司选择将cfDNA的大小整合到分析中，以提高检测的灵敏度。
Avida预想TMS双检测方法将用于帮助改善早期癌症检测、最小残留疾病检测和患者监测，无论是研究还是临床应用。
与此同时，中国分子诊断公司AnchorDx正在开发一个名为“ctDNA”的平台。极光，"也提供了一项涉及癌症患者队列的验证研究的新细节。该测试使用DNA甲基化面板跟踪早期肺癌、乳腺癌、CRC、胃癌和食管癌的100到200个甲基化生物标志物。
从中国5个临床站点收集了109例胃癌、177例乳腺癌和329例健康血浆样本，AnchorDx的科学家将这些样本放在训练和验证队列中。然后，该公司在Illumina的MiSeq平台上对训练集进行测序。在建立一个分类器来区分恶性和正常病例之后，该公司然后在验证队列中评估分类器，并为每个样本计算一个概率得分。
在验证集中，基于aurora的乳腺癌和胃癌分类器的AUC分别为0.93和0.95。
今年晚些时候，除了食道癌的建模，AnchorDx希望完成一个包含CRC和肺癌的更大的独立队列的验证。该公司还启动了一项大型前瞻性临床研究，以进一步验证基于甲基化的Aurora多癌症分类器在无症状患者群体中的应用。
位于圣地亚哥的蓝星基因组学该公司还关注基于DNA甲基化的癌症检测领域，提供了针对乳腺癌、结直肠癌、肺癌、卵巢癌和胰腺癌的液体活检检测的新数据。该公司的化验跟踪5-hydroxymethylcytosine即5hmC，即患者血液样本中的DNA修饰。
蓝星公司的科学家从176个新鲜冷冻组织中分离出一至四期癌症患者的DNA，并从783名非癌症对照组和567名癌症患者的血浆中收集cfDNA。然后，该公司使用化学标记富集5hmC，对样本进行测序，并将结果与参考基因组对齐，以构建5hmC模式的特征集。
通过分析肿瘤和正常组织的5hmC，蓝星的团队确定了特定的和离散的肿瘤和正常组织的基于基因的特征。然后，该公司将一种机器学习算法应用到cfDNA数据集上，发现一个签名，从而将非癌症患者与癌症患者进行分类。在特异性为99%的癌症特异性水平上，该检测对CRC的敏感性为43%，对肺癌的敏感性为52%，对卵巢癌的敏感性为75%，对胰腺癌的敏感性为57%，对乳腺癌的敏感性为30%。
根据研究的初步结果，蓝星公司认为，结合表观基因组和基因组图谱可以区分癌症和正常组织，以及在无症状的高危个体中区分不同的癌症类型。