卵巢癌是全球女性癌症相关死亡的第五大原因，也是最致命的妇科恶性肿瘤之一。大多数患者被诊断为晚期，导致治疗效果不佳。传统的卵巢癌诊断方法的敏感性和特异性受到限制，特别是对于早期卵巢癌患者。因此，寻找准确无创的生物标志物以实现早期检测、风险分层和早期干预变得迫切。血浆游离DNA（cfDNA）是细胞释放到血浆中的细胞外核酸片段，具有作为癌症早期检测生物标志物的潜力。卵巢癌的主要特征之一是早期和频繁的基因组不稳定性。因此，识别循环cfDNA中的特定基因组变化可能对卵巢癌的早期诊断和预后评估具有重要意义。

温州医科大学周猛研究员与哈尔滨医科大学孟凡玲主任团队合作在《Translational Research》杂志（IF=7.8）发表了题为“Noninvasive early differential diagnosis and progression monitoring of ovarian cancer using the copy number alterations of plasma cell-free DNA”的研究成果，该研究通过对血浆中cfDNA的拷贝数变化（CNV）进行研究，开发了基于CNV变化的预测模型，型在区分良恶性卵巢肿瘤方面表现出了优越的性能。此外，研究还识别了12个与患者预后相关的CNV，为卵巢癌的早期诊断和预后预测提供了有力支持。

该研究基于良恶性卵巢肿瘤以及不同阶段卵巢癌患者的血浆cfDNA低覆盖全基因组测序进行CNV分析，描绘了CNV在良恶性卵巢肿瘤的分布图谱，鉴定出17个与卵巢癌发生发展相关的CNV标志物，并开发了机器学习模型，多中心、跨平台的队列验证结果表明这些模型在卵巢癌的早期诊断、进展监测和预后评估方面表现出卓越的性能。这项研究的发现突显了cfDNA CNV图谱作为一种非侵入性和敏感的基因组工具在临床实践中管理卵巢癌患者的潜力。这一方法的应用将有助于提高卵巢癌的早期诊断和治疗效果，对卵巢癌患者具有重要的临床意义。

图1 研究示意图

温州医科大学周猛教授，孙杰教授和哈尔滨医科大学孟凡玲主任为该论文的通讯作者。温州医科大学硕士研究生陈露为该论文的第一作者。

原文链接：https://linkinghub.elsevier.com/retrieve/pii/S1931-5244(23)00126-3