新辅助化疗（neoadjucant chemotherapy，NAC）指在实施局部治疗方法（如手术或放疗）前所做的化疗，目的是使肿块缩小、及早杀灭看不见的转移细胞，以利于后续的手术、放疗等治疗。目前对于新辅助化疗响应的评估主要依据组织形态学的主要病理缓解（MPR）率来判断。

德国科学家利用空间代谢组学技术对术前接受新辅助治疗和未接受新辅助治疗的患者进行检测，并分析基于空间代谢组学技术的NAC响应评估是否有良好的效果。最终发现，不管是基于肿瘤区还是间质区空间代谢组信息的分类器都可以很好地预测患者对新辅助治疗的响应。研究成果以“Spatial metabolomics for evaluating response to neoadjuvant therapy in non-small cell lung cancer patients”为题，发表在Cancer Communications（IF：15.283 ）上。
（1）空间代谢组分组方案：
新辅助化疗组（NAC）：非小细胞肺癌癌组织（n=88）+癌旁正常组织（n=59）；
未使用新辅助化疗组（chemo-naive）：非小细胞肺癌癌组织（n=85）。

【空间代谢组学】是通过质谱成像（MSI）技术对不同组织器官中的代谢物进行定性、定量、定位三个维度的分析，突破传统代谢组研究损失空间信息的瓶颈。该技术无需化学或放射性标记、不需复杂样品前处理，具有高特异性、高通量和保留空间信息的突出优势。

（2）机器学习模型：随机森林

（3）二分类问题的分组设置：
新辅助化疗长生存期（术后生存≥35个月）；
新辅助化疗短生存期（术后生存＜35个月）。 1 .基于空间代谢组学数据构建能预后分层的分类器

空间代谢组能得到代谢物定性、定量及空间定位的信息。研究者还可以根据每个样本对应的HE染色照片，从空间代谢组的结果中选择感兴趣的区域，分析其中的代谢物情况。

因此，作者首先分析了接受新辅助化疗组（NAC）的肿瘤组织的肿瘤区（tumor region）和间质区（stroma region）的代谢物结果，共得到了5014个代谢特征（即代谢物）。随后，作者使用机器学习模型随机森林（Random Forest）分别对肿瘤区和间质区的代谢组学特征进行训练，以区分预后好坏（即区分长生存期和短生存期）。以下展示了肿瘤区和间质区代谢分类器结果按照特征重要性降序排列的各前100个代谢物：
（1）肿瘤区的分析结果显示，sphingomyelin（SM，鞘磷脂，d18:1/15:0或d16:1/17:0）是个典型的、良好的预后标志物。高的SM质谱信号与更好的预后显著相关。

（2）间质区的分析结果显示，一个质荷比（m/z）为480.3091，可能是溶血磷脂胆碱（LysoPC，15:0/0:0）或者溶血磷脂酰乙-醇胺（LysoPE，18:0/0:0）的代谢物，其高的质谱信号与长的生存期显著相关。

（3）其他能区分接受新辅助化疗患者预后好坏的内源性代谢物如下：
此外，作者注意到所有的奇数链脂肪酸(odd-chain fatty acids，OCFA)都包含在预后分类的100个最重要代谢物中。发现的OCFA包括m/z 687.5425 [SM (d18:1/15:0 or d16:1/17:0)]、m/z 480.3091[LysoPC (15:0/0:0)]、m/z 508.3405 [LysoPC (17:0/0:0)]和m/z 852.6496 [PC (15:0/24:0)]。这些代谢物的斯皮尔曼相关性分析显示，LysoPC (17:0/0:0)与 (d18:1/15:0 or d16:1/17:0)和LysoPC (15:0/0:0)正相关，而PC (15:0/24:0) 与其他OCFA负相关。
2 .基于空间代谢组学的方法提升了治疗响应的评估能力

作者比较了本研究得到的用于判断NAC治疗预后好坏的肿瘤区和间质区分类器与传统的基于临床病理特征来判断预后的指标之间的性能。结果显示，在预测新辅助化疗响应好坏上，不管是肿瘤区还是间质区的代谢分类器的效果都优于基于病理特征的MPR（主要病理缓解）或TNM分期。
单变量分析显示，在NAC组中，肿瘤区和间质区代谢分类器、MPR和TNM分期都能很好地预测新辅助治疗效果。而在多变量分析中，只有代谢分类器是独立的预后因子。在未经新辅助化疗治疗的组别（chemotherapy-naive）中，间质区代谢分类器是独立的预后因子。

此外，作者评估了代谢分类器预测有无MPR（主要病理响应）患者的生存情况。KM生存分析显示，代谢分类器都能很好地根据MPR情况将患者进行分层，即肿瘤和间质的代谢分类器都能预测出新辅助化疗响应和非响应患者总生存期之间的显著差异。

3 .代谢分类器对新辅助化疗响应的特异性

为了验证代谢分类器是否对新辅助化疗响应有特异性。作者比较了新辅助化疗组的肿瘤和间质代谢分类器特征重要性前100的代谢物在未进行新辅助治疗的组别（chemotherapy-naive）中预测预后的能力。结果显示，新辅助化疗组（NAC）的肿瘤代谢分类器的100个代谢物中，93个与总生存（OS）显著相关，而仅有35个和未进行新辅助化疗组（chemotherapy-naive）的OS相关。新辅助化疗组（NAC）的间质代谢分类器的100个代谢物中，98个与总生存（OS）显著相关，而仅有32个和未进行新辅助化疗组（chemotherapy-naive）的OS显著相关。由此可见，不管是基于肿瘤区还是间质区的代谢分类器都可以很好地判断NAC的预后。
研究者比较了100个最重要的代谢物在新辅助化疗组（NAC）的癌组织和癌旁组织中的表达情况，其中19个代谢物在肿瘤组织中显著上调，4个代谢物显著下调。上调代谢物中大部分是脂质，包括磷脂酰乙-醇胺(PE)、磷脂酸(PA)、磷脂酰甘油磷酸(PGP)、溶血磷脂酸(LysoPA)、溶血磷脂酰肌醇(LysoPI)、磷脂肌醇(PI)、溶血磷脂胆碱（ LysoPC）、溶血磷脂酰乙-醇胺（LysoPE）和鞘磷脂（SM）。
  4 .代谢物通路富集分析

最后，作者对NAC组的肿瘤和间质代谢分类器中的代谢物分别进行KEGG通路富集分析。结果显示，肿瘤代谢分类器的代谢物显著富集在果糖和甘露糖代谢、氨基和核苷酸糖代谢、淀粉和蔗糖代谢、乳糖代谢、肌醇磷酸盐代谢、磷酸戊糖途径、糖酵解和糖异生、磷脂酰肌醇信号、缬氨酸、亮氨酸和异亮氨酸生物合成等通路。间质代谢分类器的代谢物富集在9种通路，分别是甘油磷脂代谢、嘌呤代谢、肌醇磷酸盐代谢、磷脂酰肌醇信号、果糖和甘露糖代谢、半乳糖代谢、亚油酸代谢、淀粉和蔗糖代谢和硫胺素代谢。肿瘤代谢分类器富集的通路中，果糖和甘露糖代谢表现出最大的影响，而间质代谢分类器影响最大的则是甘油磷脂代谢。
作者对经过新辅助化疗（NAC）和未经过新辅助化疗（chemo-naive）的非小细胞肺癌患者的癌组织进行了空间代谢组学检测，并利用机器学习算法寻找能有效预测NAC治疗响应的代谢分类器。最终的研究结果表明，不管是基于肿瘤区还是间质区的代谢分类器都可以很好地判断NAC的预后，提供了独立于MPR和TNM分期的的信息。因此，空间代谢组学是一种强大而有前景的方法，可为评估NSCLC患者对新辅助化疗响应提供一种不同于传统组织病理学的方法。


吉凯基因凭借多年在靶标筛选及验证服务领域的技术积累，建立的标准化 、工程化 、系统化的GRP平台，为中国研究型医生提供科研服务，加快科研成果转化。其中，多组学平台包含蛋白质组学平台和高通量测序平台：

·蛋白质组学平台拥有多台timsTOF Pro、Exploris 480高精度质谱仪，专业的PaSER、Spectronaut Plusar等分析软件，提供专业的4D、DIA、TMT、PRM、磷酸化修饰组、olink蛋白质组等检测服务，强大的机器学习算法、IPA分析、蛋白基因组分析服务，系统的生物标志物、分子分型、药物靶点、基因功能研究等解决方案，真正让广大研究型医生的科研工作更省心、更省力、更高效；

·高通量测序平台分为常规测序服务和单细胞测序服务：单细胞测序拥有10x和BD两个平台，提供单细胞RNA-seq、单细胞核测序、单细胞混样RNA-seq、单细胞TCR/BCR、单细胞（RNA+ATAC）、空间转录组测序等服务；常规测序服务提供meRIP-seq（m6A/m1A/m7G/m5C 等RNA甲基化修饰测序）、acRIP-seq（ac4C RNA乙酰化修饰测序）、ATAC-seq、Ribo-seq（翻译组测序） 、mRNA/miRNA/LncRNA/circRNA-seq、全转录组测序（两文库/三文库）、外泌体miRNA/LncRNA-seq、WGS/WES、WGBS、RRBS、BSAS等服务。