肺癌风险可提前5年预测？血浆蛋白标志物或成新指标
肺癌是威胁健康的重大疾病，早期发现困难，预防成为关键。现在，科学家通过机器学习发现，一种血浆中的14种蛋白组合，能提前5年预测肺癌风险，为个性化预防提供了新思路。
研究团队利用机器学习分析大量数据，识别出这14种蛋白的血浆标志物，并在8个队列中验证其有效性。该标志物在吸烟者和PM2.5暴露者中水平升高，与肺癌中一种称为KAC的细胞状态相关。实验显示，PM、致癌基因EGFR或IL-1β都能诱导这些蛋白，而IL-1β抑制剂能抑制PM驱动的KAC扩张和早期肿瘤形成。
这一发现意味着，未来可能通过检测血浆标志物，提前识别高风险人群，并针对性干预，比如对标志物升高且吸烟或暴露于PM的人群，使用IL-1β抑制剂可能更有效，从而降低预防治疗的“需要治疗人数”（NNT），但研究仍需更多样本验证，且标志物是否适用于所有肺癌类型仍需进一步探索。
来源：Cell
#肺癌风险预测 #血浆蛋白标志物 #机器学习 #吸烟 #PM25 #IL1抑制剂
🧬 频道 ｜ 🧑🔬 群组 ｜ 📨 投稿
肺癌是威胁健康的重大疾病，早期发现困难，预防成为关键。现在，科学家通过机器学习发现，一种血浆中的14种蛋白组合，能提前5年预测肺癌风险，为个性化预防提供了新思路。
研究团队利用机器学习分析大量数据，识别出这14种蛋白的血浆标志物，并在8个队列中验证其有效性。该标志物在吸烟者和PM2.5暴露者中水平升高，与肺癌中一种称为KAC的细胞状态相关。实验显示，PM、致癌基因EGFR或IL-1β都能诱导这些蛋白，而IL-1β抑制剂能抑制PM驱动的KAC扩张和早期肿瘤形成。
这一发现意味着，未来可能通过检测血浆标志物，提前识别高风险人群，并针对性干预，比如对标志物升高且吸烟或暴露于PM的人群，使用IL-1β抑制剂可能更有效，从而降低预防治疗的“需要治疗人数”（NNT），但研究仍需更多样本验证，且标志物是否适用于所有肺癌类型仍需进一步探索。
早知道，戒烟和防霾还能加个“生物指标”buff！🚀
来源：Cell
#肺癌风险预测 #血浆蛋白标志物 #机器学习 #吸烟 #PM25 #IL1抑制剂
🧬 频道 ｜ 🧑🔬 群组 ｜ 📨 投稿
