基于cfDNA的液体活检技术在癌症检测、产前检测以及器官移植监测方面展现出应用前景。研究人员认为，cfDNA片段组可作为生物标志物用于缺乏有效筛查手段的复杂疾病，包括随年龄增长出现的炎症性或纤维化的常见疾病，例如肝脏疾病。目前，常用的肝病确诊性活检具有侵入性和高风险性，而现有肝病无创诊断检测手段效能有限。此外，当前大多数血液检测方法主要针对高危人群，为早期检测方法开发留下了空白。

近日，约翰霍普金斯大学医学院等机构的研究人员基于疾病特异性cfDNA片段组学生物标志物开发了一种机器学习分类器。在肝脏疾病或其他疾病（如血管性、自身免疫性和神经退行性疾病）的患者中，该分类器能以高灵敏度检测早期肝病、晚期纤维化及肝硬化，并发现特定器官的cfDNA片段组学变化与白细胞含量的免疫介导改变相关。该研究揭示了cfDNA片段组与个体生理状态之间的关联，为cfDNA液体活检技术在癌症以外的各种人类疾病诊断中的应用提供了新的可能性。该研究已发表在Science Translational Medicine，文章题为“Cell-free DNA fragmentomes for noninvasive detection of liver cirrhosis and other diseases”。

文章通讯作者、约翰霍普金斯大学医学院Victor Velculescu教授表示：“如果我们检测的是基因组结构的变化，即基因组的包装方式，那相关变化不仅会在癌症中观察到，在其他导致细胞死亡并释放其内容物进入血液的疾病中也会发现。”

该研究团队此前已开发出基于cfDNA片段组学的检测方法，用于胰腺癌、卵巢癌、肺癌和肝癌的诊断，并证明该方法在多癌种早期检测中的应用潜力。Velculescu指出，此次新发表的研究将重点转向了非癌性肝病，部分原因是既往研究已为肝硬化特征性片段化模式提供了早期证据，另一部分原因是目前对更广泛肝病的更完善诊断工具的未满足需求日益增长。

研究团队采用低深度全基因组测序技术，对1500余名确诊患有肝病、自身免疫性疾病或神经退行性疾病的患者进行了cfDNA片段组分析，进而开发了一种机器学习分类器，通过一组能够区分早期肝病、肝纤维化和肝硬化的生物标志物来评估肝病的严重程度评分。研究人员在独立发现队列（n=423）和验证队列（n=221）中验证了该分类器的性能，发现该分类器均能以高灵敏度检测早期肝病、晚期纤维化及肝硬化。此外，研究发现cfDNA的总体浓度并非晚期肝病的可靠指标，而是与个体年龄存在相关性。

图1.机器学习分类器中用于肝纤维化和肝硬化的cfDNA片段组特征。

数据显示，在发现队列中，该分类器对肝病或早期纤维化个体的敏感性约为71%，对晚期疾病个体的敏感性为90%。验证队列中相同组别的敏感性分别为50%和近78%，总体特异性约为83%。在一组患有晚期肝病、具有生存数据的个体中，较高评分仅与较低的无移植生存期呈微弱相关性，该关联未达到统计学显著性。研究人员认为该分类器可能能够检测与生存结局相关的生物学及临床相关信号。

图2.验证队列中肝纤维化和肝硬化患者的cfDNA片段组的变化。

基于cfDNA片段组学的肝病指标评分进一步得到甲基化测序结果的证实，该结果同样能够区分健康个体与肝病患者。结果显示，在所有队列中，评分均与肝病的存在及严重程度呈正相关，且不受年龄、性别、肝癌存在与否或病毒性肝炎等合并症的影响，表明该分类器评分对目标疾病具有特异性。此外，无论基础疾病病因如何，或是否存在与未确诊肝病相关的染色体改变，评分的信噪比均保持较高水平，提示该方法可能有助于在肝硬化出现前检测肝病。

在超声检测肝硬化、血液检测纤维化指标（FIB-4指数）与cfDNA片段组学方法的头对头分析中，FIB-4指数在发现队列中检出48%的晚期疾病患者，在验证队列中检出64%的晚期患者，cfDNA片段组学方法的检出率分别为94%和73%。在疾病早期阶段观察到的不同诊断方法之间的差异更为显著。在发现队列中，FIB-4指数能识别出6%的早期疾病患者，在验证队列中为7%；基于cfDNA片段组学方法在该阶段的识别率分别为100%和50%。

图3.cfDNA片段组学与FIB-4指数的比较。

此外，研究团队进行了一项针对10万人的计算机模拟筛查，其肝病、肝纤维化及肝硬化发生率与预期使用人群相当。结果显示，与FIB-4指数相比，cfDNA片段组学方法平均可检出1.2倍的晚期病例和超过5倍的早期病例。同时，研究还发现cfDNA片段组的变化与心脏病、糖尿病和其他慢性疾病有关，机器学习模型能够预测571名发现组个体以及231名验证组个体的总体生存率。

Velculescu表示：“虽然基于cfDNA片段组学的肝病分类系统目前仍处于原型阶段且尚未进行前瞻性评估，但这些初步结果令人鼓舞。后续必须开展更多工作以临床验证该检测方法。”他表示其团队已计划开展多项更大规模的前瞻性研究，以评估该方法在早期和晚期肝纤维化检测中的应用价值。

法国国家健康与医学研究院癌症研究所研究主任Alain Thierry对该成果给予了高度评价，“该研究成功建立了cfDNA片段组学特征与个体生理状态之间的关键关联，展示的基因组学与机器学习的整合体现了深厚的技术专长和严谨的实验设计。该研究具有重要时效性且极具现实意义，并为哪些cfDNA片段组学指标可能最有助于疾病特征描述和检测提供了宝贵见解。”

但该类方法引入常规临床实践面临着成本和可扩展性方面的挑战，这些因素阻碍了其实际应用。对此，Velculescu表示，预计其基于片段组学方法的计算技术最终将能够开发出价格合理的液体活检检测方法，从而让更多人能够更方便地获得医疗服务。

研究团队利用全基因组测序技术，评估了不同患者队列中以肝病、血管疾病、自身免疫性疾病及神经退行性疾病的cfDNA片段组。基于此开发的机器学习分类器在不同队列中检测出早期肝病、纤维化及肝硬化，并发现肝病患者循环cfDNA中存在肝脏来源的免疫介导性改变。此外，该机器学习模型预测了不同人类队列中多种疾病的生存率。以上结果表明cfDNA片段组可作为开发跨人类病理学的高效液体活检技术，其影响范围已超出癌症领域，同时强化了其在癌症治疗中同样具有应用潜力。

原文信息：

AKSHAYA V. ANNAPRAGADA, ZACHARIAH H. FODA , HOPE ORJUELA, et al. Cell-free DNA fragmentomes for noninvasive detection of liver cirrhosis and other diseases. SCIENCE TRANSLATIONAL MEDICINE, 4 Mar 2026. 

https://www.science.org/doi/10.1126/scitranslmed.adw2603

·END·

内容中包含的图片若涉及版权问题，请及时与我们联系删除