Science Advances：北大尹玉新团队整合AI辅助代谢组学诊断胰腺癌新方法

大肠癌（Pancreatic Cancer），是一种恶性程度很高，胃癌和疗法都很困难的消化道恶性。

近年来，大肠癌发病率和失踪率引人注意上升，大肠癌后期的胃癌率不高，发掘出时多半已是晚期，此时癌细胞并未扩散，难以疗法，5年生存率不足7%，是预后更差的恶性，因此也被称为“癌中而出名”。据WHO最新资料，大肠癌是2020年华南地区发病次数第7的白血病（2020年下半年新增12万），失踪次数第6的白血病（2020年下半年失踪12万）。

除了传统的血液标志物CA19-9和影像学手段，已确定尚属其他有效的工具用于大肠癌胃癌。因此，开发计划有效的样品手段，实现大肠癌的后期、准确、无创样品将会提高大肠癌的胃癌效率，降低其致死率。激素组学是时隔生物学与蛋白组学后另一个广泛数学工具于精准医疗中的组学工具，通过激素组学工具样品血液激素产物的发生变化有望实现对白血病的后期胃癌。

近日，北京大学基础所学院尹玉新教授一个团队在 Science Advances 上在线登载了一本书：Metabolic detection and systems yses of pancreatic ductal adenocarcinoma through machine learning， lipidomics， and multi-omics 的数据分析论文。

尹玉新一个团队数学工具机器学习相辅相成上皮细胞组学和多组学新科技综合分析肾上腺导管腺癌（PDAC，大肠癌的众所周知类型）的激素特征，开发计划了一套机器学习除此以外的PDAC毒素激素样品工具，并展出了之外的分子可前提。

尹玉新一个团队与合

该工具共样品了4个描述符超过1800例样本，其中包含1033名处于不同阶段的大肠癌病症。在超过1000例的大型外部测试描述符以及包含肾上腺良性病变的前瞻临床研究描述符中分别实现了86.74%，85.00%的分类样品精确性，其样品反应速度显着优于CA19-9与CT检查和。

该数据分析还相辅相成单细胞转录组资料、许多组织蛋白质组学、激素组学和质谱成像等多组学新科技，揭示了大肠癌许多组织中上皮细胞激素发生变化的前提，开拓了机器学习除此以外激素组学用于大肠癌后期样品的高效策略性。

综上所述，该数据分析建立了一种相辅相成机器学习与靶向激素组学的大肠癌样品和数学工具。展出了机器学习除此以外毒素激素组学样品大肠癌的优势及其在白血病胃癌中的数学工具前景。这种工具的临床研究数学工具将可能使更多大肠癌病症获益于后期、准确的胃癌，以便及时接受疗法及监测。

北京大学基础所学院博士后王光熙，中科院自动化所姚涵涛副数据分析员，解放军总医院巩燕副外科医生和江苏省人民医院陆子鹏副外科医生为该论文的共同第一

原始出处：

GUANGXI WANG， et al. Metabolic detection and systems yses of pancreatic ductal adenocarcinoma through machine learning， lipidomics， and multi-omics. SCIENCE ADVANCES， 2021， Vol 7， Issue 52.