基于生物标志物的癌症早期检测可以预防与癌症相关的死亡，目前已有研究将RNA修饰与癌症等疾病相关联。同时，机器学习研究以数据作为经验来构建模型，已在疾病诊断中得到了广泛的研究和应用。在本文中，作者将质谱与机器学习相结合，用以研究成人弥漫性胶质瘤患者样本中的RNA修饰是否能作为区分胶质瘤等级的生物标志物。

首先，作者通过液相色谱质谱串联技术（LC-MS/MS）对健康样本和癌症样本（II级、III级、IV级）RNA中的核苷含量进行分析。结果表明，有几组核苷表现出高度相关或反相关（图1A），某些单个核苷的变化是胶质瘤等级差异的信号（图1B）。

图1 健康样本和癌症样本（II级、III级、IV级）RNA中的核苷变化

接着，作者对个体的核苷水平进行主成分分析（PCA），并利用机器学习进行预测，进一步说明个体携带的转录组学图谱具有足够信息来区分癌症等级（图2）。

最后，作者通过带有交叉验证的递归特征消除（RFECV）估计每个核苷的重要性，并搜索用于预测所需核苷的最佳数量，结果表明，预测胶质瘤分级所需核苷的最佳估计数量为9（图3），并且发现Cm、Psi、Q、Um、m¹G、m^2,2,7G、m⁵C、m^6,6A、m⁶Am这九个核苷能有效预测胶质瘤分级。

图3  RFECV得到的交叉验证分数与所选核苷数量的关系

综上所述，作者将质谱与机器学习相结合，用以研究成人弥漫性胶质瘤患者样本中的RNA修饰，并成功预测胶质瘤分级，说明表观转录组学具有疾病诊断或预后的潜力。

文章编号：106

原文链接：

https://doi.org/10.1021/acs.analchem.2c01526

原文引用：

S. Relier,A. Amalric,A. Attina,I. B. Koumare,V. Rigau,F. Burel Vandenbos;D. Fontaine,M. Baroncini,J. P. Hugnot,H. Duffau,L. Bauchet,C. Hirtz^*,E. Rivals^*,A. David^*. Multivariate Analysis of RNA Chemistry Marks Uncovers Epitranscriptomics-Based Biomarker Signature for Adult Diffuse Glioma Diagnostics, Anal. Chem., 2022, 94:11967-11972.