【Nature子刊】 中国科学院慈维敏团队：深度学习模型助力前列腺癌诊断，实现超特异性尿路肿瘤DNA检测及Gleason评分

文章预览

【导读】 前列腺癌（PCa）是第二大最常见的癌症，2020年全球估计有140万新病例。血清PSA筛查已广泛用于诊断PCa。然而，PSA检测缺乏特异性，尤其是在灰色区域（2\u201210 ng/mL）内。因此，迫切需要在活检之前，进行准确的检测，来诊断和区分中度/高度侵袭性PCa（国际泌尿外科病理学会（ISUP）≥3 级，高级别）和侵袭性较轻/轻度PCa（ISUP≤2级，低级别）。 2024年9月3日，中国科学院北京基因组研究所（国家生物信息中心）慈维敏团队在期刊《Cell Discovery》上发表了题为“PCaseek: ultraspecific urinary tumor DNA detection using deep learning for prostate cancer diagnosis and Gleason grading”的研究论文。为了避免不必要的活检和过度诊断，团队构建了两项无创检测，PCaseek-D和PCaseek-G，用于在活检前使用尿液DNA WGBS数据，对PCa患者进行诊断和分级。为了丰富肿瘤相关信号，团队在读 ………………………………