[生物通讯]美国国家癌症研究院（National Cancer Institute ，NCI)和美国食品与药物管理局（FDA）的科学家日前在《癌症研究院杂志》上报道，他们发现病人血清中的蛋白质模式可能有助于区分前列腺恶性癌变与良性病变。这项技术依赖于一种简单的血滴检测手段，对于确定对前列腺特异抗原（prostate specific antigen ，PSA) 水平升高的男性是否需要进行活组织切片检查可能有所帮助。

    通过一种能够在30分钟内分析血清样品中的小蛋白模式的检测方法，研究人员能够区分出采集自确诊为前列腺癌的病人与确诊为良性前列腺疾病的病人。这一技术被证明不仅对于PSA水平正常或较高的男性很有效，而且对那些PSA水平介于二者之间（每毫升血液4到10毫微克抗原）的病人也很奏效，而这些病人如果不经过活组织切片检查是很难排除患癌可能的。

    虽然这项技术的具体应用价值还有待评估，但研究人员相信，未来蛋白质模式分析将成为决定PSA水平略微升高的男性是否需要进行活组织切片检查的有用工具。PSA水平通常只用于前列腺癌的初步筛查中，但70％到75％因PSA水平异常而接受活组织切片检查的男性，检测结果却显示没有罹患前列腺癌。这种新的蛋白组学方法具有更高的特异性，也就是说，在检测结果识别为癌症的样品中，大部分确实是前列腺癌，而不是其它良性前列腺疾病。

    “对于PSA水平轻微增加的男子而言，这项检测方法的特异性程度为71％，这与这个范围内的普通PSA检测的低特异性形成鲜明对比。”文章的第一作者、FDA生物制剂评估与研究中心的Emanuel Petricoin III博士说道。“我们希望通过蛋白组模式分析筛查技术与其它筛查方法的结合使用，未来我们能够减少前列腺癌不必要的活组织切片检查。”

    诊断检测依赖于探测血液中的小蛋白的关键模式的计算机软件。研究人员用质谱技术分析了血清中的蛋白，这是一种根据蛋白质的质量和电荷来区分蛋白质与其它分子的技术。接下来，他们用马里兰州Bethesda的Correlogic Systems公司开发的人工智能程序训练一台计算机去识别前列腺癌病人和接受活组织切片检查后未发现癌症证据的人之间不同的蛋白模式。这些模式是从56名已经接受了活组织切片检查因而患病情况已经清楚的病人中提取的血清样品中识别出来的。

    这些前列腺癌的蛋白模式一建立，就用来独立预测另一组病人的诊断结果，这组病人的活组织切片检查结果是研究人员未知的。从这组病人中，研究人员能够正确识别38例中的36例（95％）前列腺癌和228例良性前列腺疾病中的177例。

    不久前，这个研究小组刚刚发现，血清中蛋白模式可用于检测卵巢癌。

    “现在，我们已经证明，将蛋白组技术与基于生物信息学的人工智能技术结合起来，可以产生一个非常强大的工具，这是检测和诊断卵巢癌和前列腺癌的一个新范例。”文章的高级作者、NCI癌肿研究中心的的Lance Liotta博士说道。“我们对这个新方法将被证明对于检测和诊断多种其它癌症和疾病也非常有效这一点非常乐观。”

生物通编译自SCIENCE DAILY