随着越来越多临床证据的出现，通过液体活检来指导患者个体化精准治疗，已逐渐成为肿瘤临床专家的共识。作为体外诊断的一个重要分支，液体活检可通过血液等体液中的循环生物标志物对癌症等疾病进行诊断，其优势在于通过非侵入性的取样方式有效降低了组织活检可能带来的风险。

在全球，已有多家生物技术公司重点研发基于DNA片段化和甲基化的液体活检技术平台，以期实现癌症早期筛查。在近日召开的ASCO会议上，多家公司公布了利用癌症患者血液样本获得的表观遗传修饰研究数据，尤其是循环肿瘤DNA (ctDNA)中的甲基化。甲基化分析通常是通过亚硫酸氢钠对cfDNA进行化学处理，将未甲基化的胞嘧啶转化为尿嘧啶，并通过下一代测序确定变化。

Guardant Health致力于通过使用其专有血液检测方法、大数据集和高级分析来进行综合的液体活检。LUNAR-2是Guardant Health公司正在开发中的一款基于血液的癌症早筛产品，主要面向无症状但因其他因素导致癌症风险较高的个体，包括遗传因素、吸烟等。在本次ASCO会议上，Guardant Health公布了利用LUNAR-2进行结直肠癌早期诊断分析的数据。据悉，该产品整合了ctDNA的体细胞突变、甲基化和cfDNA片段化模式，以提高早期结直肠癌检测的灵敏度。

Guardant Health利用LUNAR-2对来自434名结直肠癌术前患者和271名年龄匹配的健康对照者的血浆样本进行分析，发现该产品对结直肠癌整体特异性为94%，对I-II期患者的敏感性为88%，III期患者的敏感性为93%。虽然在无症状和有症状的结直肠癌患者之间的敏感性没有差异，但有症状的队列具有较高的cfDNA肿瘤分数。为了进一步评估早筛产品LUNAR-2在平均风险筛查人群中的临床表现，Guardant Health启动了一项前瞻性临床研究。

Delfi Diagnostics公司专注于开发可用于早期癌症检测的液体活检方法。利用机器学习以及cfDNA的全基因组片段化特征的最新发现，Delfi开发了一种名为DELFI的检测方法，可从血液样本中检测肿瘤证据。Delfi公司在本次ASCO会议上也提供了最新的数据。

Delfi公司利用281名癌症患者和非癌症患者的血浆样本评估了cfDNA片段筛查方法。这些患者使用低覆盖率全基因组测序被诊断为患有其他疾病。利用DELFI的检测方法，Delfi团队及其学术合作伙伴对早期截取的片段进行DNA分析，发现74名患者患有16种不同的I-IV期实体癌（包括结直肠癌和肺癌)中的一种。

Delfi方面表示，在一组非癌症患者中，有24人患有心血管疾病，23人患有糖尿病，其他人则患有其他疾病。通过分析患者血浆中的cfDNA片段并使用机器学习模型进行交叉验证后，该团队发现DELFI方法可将癌症患者与非癌症患者区分开来，AUC为0.92，癌症类型包括结直肠癌和肺癌等常见癌症。此外，DELFI评分的升高与总体生存率下降有关，与癌症分期无关。

在另一项研究中，Delfi团队通过模拟cfDNA片段长度的分布情况，以分析DELFI检测方法如何对癌症患者和非癌症患者进行区分。研究人员对不同大小cfDNA片段的数量进行统计，采用统计学方法来估算片段长度的分布频率。研究团队使用了基于DELFI方法的交叉验证模型、统计方法的参数以及两种方法的组合进行分析。将这一方法应用于215名癌症患者和208名非癌症患者的队列中，结果显示三种方法的交叉验证AUC分别为0.94、0.95和0.97。因此，Delfi认为该检测方法既可以识别癌症患者血液中cfDNA片段的异常模式，也可以在与混合模型结合时帮助检测癌症。

西班牙的癌症初创公司Universal Dx基于甲基化敏感限制性定量聚合酶链反应 （MSRE-qPCR）开发了早期癌症的检测平台。此前，Universal Dx公布了关于MSRE-qPCR在肺癌检测中的应用数据。在本次ASCO会议上，Universal Dx公布了该平台在结直肠癌筛查中的最新应用数据。

Universal Dx基于全基因组亚硫酸氢盐测序（WGBS）对差异甲基化区域（DMRs）进行筛选，并利用203个DMRs的甲基化评分来计算CRC特异性信号评分的阈值，构建一种亚硫酸氢盐靶向杂交捕获测序方法，并在一组患者队列中进行验证。研究团队将计算的评分作为输入变量，输入机器学习模型，对来自18例早期、16例晚期结直肠癌患者以及34例对照组者的共68个ctDNA样本进行机器学习模型训练。

将该机器学习模型应用于一组独立的对照组，包括36名I-IV期癌症患者和159名年龄和性别匹配的健康者。在对照组中，87名患者结肠镜检查结果为阴性，19名患者患有增生性息肉，37名患者患有非晚期腺瘤，16名患者被诊断患有其他良性胃肠疾病。与此同时，该模型对92%的结直肠癌患者进行了正确分类：当特异性为97%，该模型对每个癌症阶段的敏感性为I期83%，II期92%，III期92%，IV期100%。此外，当检测特异性为97%时，该模型对近端转移和远端转移癌症的敏感性分别为91%和93%。Universal Dx公司认为，通过读取评分方法获得的甲基化测序数据与机器学习相结合，有助于早期结直肠癌检测。

美国初创公司Avida Biomed在本次ASCO会议上公布了关于其研发的Point-N-Seq靶向甲基化测序（TMS）双重分析检测最新的初步验证数据。该检测方法涉及基因组和表观基因组分析，无需样本分离。

Avida Biomed整合了一个结直肠癌TMS panel涵盖560个甲基化标记物，以及一个突变panel包含22个基因的350多个热点突变。利用来自晚期结直肠癌患者的1ml血浆，就能实现对所有样本中的癌症特异性甲基化信号以及致癌突变进行检测。

在初步研究中，该团队收集了75例I期患者、46例II期患者、24例III期患者和23例IV期患者的血浆样本。该检测的特异性为91%，对结直肠癌检测的敏感性为I期70%、 II期94%，III期96%，IV期96%。此外，Avida Biomed公司将cfDNA片段大小信息整合到分析过程中，以提高检测的灵敏度。Avida Biomed公司认为TMS双重检测有望改善早期癌症检测、MRD检测和患者监测。

基准医疗是国内将ctDNA甲基化高通量测序技术用于肿瘤诊断的企业之一，并自主构建了全球最大的中国人群癌症早期甲基化数据库。近期，基准医疗完成了AURORA乳腺癌和胃癌早筛模型泛化性能的进一步验证，并在本次ASCO会议上发布了验证结果《Validation of A High Performing Blood Test for Breast and Gastric Cancer Screening》。

基准医疗团队从中国的五个临床地点采集了109个胃癌、177个乳腺癌和329个健康个体的血浆样本，并将这些样本纳入了训练和验证队列。利用Illumina的MiSeq平台对训练集进行了测序，并构建了一个分类器来区分恶性和正常病例。在验证队列中对分类器进行评估，并计算每个样本的概率得分，结果显示，基于AURORA的乳腺癌和胃癌分类器的AUC分别为0.93和0.95。

基准医疗预计将在今年晚些时候完成包含结直肠癌和肺癌的更大独立队列的验证，以及对食管癌的建模。此外，该公司还启动了一项大型前瞻性临床研究，以进一步验证基于甲基化的AURORA多癌分类器在无症状患者群体中的有效性。

在本次ASCO会议上，Bluestar Genomics公司公布了其对乳腺癌、结直肠癌、肺癌、卵巢癌和胰腺癌液体活检分析的最新数据。该公司检测技术的开发基于对患者血液样本中5-羟甲基胞嘧啶（5hmC）DNA修饰的追踪。

研究团队从I期到IV期癌症患者的176个新鲜冷冻组织中分离出DNA，并从783名非癌症对照患者和567名癌症患者的血浆中分离cfDNA。随后利用化学标记对5hmC进行富集，对样本进行测序，并将结果与参考基因组进行比对，以构建5hmC模式的特征模型。通过分析肿瘤和正常组织中的5hmC，研究团队确定了基于肿瘤和正常组织基因的特异性和离散性特征。Bluestar Genomics将机器学习算法应用到cfDNA数据集，发现其中一个特征能够将非癌症患者与癌症患者进行分类。

基于该研究的初步结果，Bluestar Genomics认为，结合表观基因组和基因组图谱可以区分癌症和正常组织，以及无症状高危个体的不同癌症类型。

液体活检技术的发展使得越来越多的癌症患者受益于基因检测。虽然目前液体活检在临床实践中的应用程度仍然很低，但其在癌症早期筛查中的应用前景依然很诱人。早发现、早确诊、早治疗，并通过动态监测改善预后情况，液体活检的临床有效性和实用性将得到越来越多的证明。真正将液体活检科研成果转化为临床应用，将推动精准医学迈向一个新的时代。