多種癌癥病變追蹤精準度100%！CTC-Tracer實現對腫瘤的精準溯源 _健康小知識

作者：醫世象
循環腫瘤細胞（CirculatingTumorCells ， CTC）是原發腫瘤或腫瘤轉移灶中分離釋放出來的細胞，被認為是腫瘤的轉移性前體細胞——由于CTC是來源于腫瘤組織的完整細胞，包含較為完整的癌細胞信息，因此可以通過CTC檢測對癌癥組織進行分析，近些年來CTC檢測已經成為液體活檢技術的重要組成部分。
目前存在挑戰的是：尚無法通過對CTC進行分析精準定位其來源于哪個癌癥原發組織（如果可以通過CTC精準定位原發腫瘤位置，就可以提前采取干預措施，攔截癌癥發展）。不過隨著新技術的發展，這一挑戰有望得到解決。
近期，來自廈門大學、上海交通大學、復旦大學、中國福建能源材料科學與技術創新實驗室以及墨爾本大學的研究團隊通過單細胞RNA測序技術（scRNA-seq）結合深度遷移學習模型，成功通過CTC分析實現對腫瘤的精準定位，在多種癌癥追蹤中準確率達100%！

文章圖片
盡管來自相同病灶的癌細胞具有相似的癌癥特異性生物標志物，但是考慮到CTC有著不同的癌癥來源，因此最終研究人員選擇了遷移學習中比較常見的域適應（DomainAdaptation ， DA），用以建議此次研究的模型（DA可以分析不同但是存在相似的目標域）。
本次研究在DA的基礎上建立和開發了一種新的深度遷移學習方法，研究人員將其命名為CTC-Tracer 。

文章圖片
CTC-Tracer的主要功能及其應用概覽，其基于深度遷移學習算法，可以識別CTC（去除背景細胞）、進行病灶追蹤以及進行基因標記識別。
CTC-Tracer可實現完整的CTC分析，包括對CTC進行鑒定和基因標記檢測。大多數癌癥患者的外周血樣本中CTC的濃度非常低，每10ml中大約只有1～10個CTC ，因此找到并區分出CTC十分重要。
CTC-Tracer通過深度學習將包括多達5746個外周血單核細胞，以及代表32種免疫表型的6483個血細胞數據錄入到血細胞圖譜中，經過深度學習后，其可以精準識別出血細胞類型和CTC ，具同時可以檢測CTC相關的基因標記，準確識別CTC并追蹤CTC的病變來源。

文章圖片
CTC-Tracer可以準確區分CTC細胞以及血細胞
在所有的模型預測數據中， CTC-Tracer達到了約99%的平均準確度。隨后研究人員使用了來自患者的8個標準的scRNA-seq數據集來對CTC-Tracer的病變追蹤能力進行評估，研究結果顯示：對CTC樣本進行解析并追蹤病變位置的準確度上， CTC-Tracer的平均準確率達到了95% ，其中不同癌癥的平均準確率如下：
黑色素瘤：平均準確率100%；
【多種癌癥病變追蹤精準度100%！CTC-Tracer實現對腫瘤的精準溯源】肝細胞癌：平均準確率100%；
前列腺癌：平均準確率95%；
乳腺癌：平均準確率92% 。

文章圖片
CTC-Tracer可以精準分析CTC并將其映射到對應的原發性腫瘤圖譜上，在多種癌癥的病變追蹤上達到了100%的準確度
除了可以對單個CTC進行檢測外， CTC-Tracer還可以對由多個CTC或CTC和嗜中性粒細胞組成的CTC簇進行分析。
在乳腺癌患者和小鼠模型中的CTC簇進行分析的研究中顯示， CTC-Tracer可以在歸納學習模式下獲得較高的準確度， CTC簇的識別準確度仍可以達到100% 。

文章圖片
CTC-Tracer在復雜數據集上的應用，仍舊可以精準分析CTC和CTC簇
研究人員表示， CTC-Tracer在分析來自不同平臺的各種癌癥類型的scRNA-seq數據時均表現出了極高的效率和出色的準確度，這將有望推動液體活檢技術在基礎研究和臨床研究的應用。