‎每日资讯速递2026-09-08｜山东大学团队构建AI光谱蛋白质组学多模态框架SPIA乳腺癌无创早筛迈出新一步

全文概要
9 月 8 日，山东大学第二医院乳腺疾病诊疗中心余之刚教授团队联合山东师范大学孙建德教授团队，在分析化学领域国际期刊《分析化学》（Analytical Chemistry）发表研究，构建了基于人工智能的「光谱—蛋白质组学整合分析」（SPIA）多模态融合框架。该框架将拉曼光谱与质谱蛋白质组学深度关联，在化学致癌物诱导的大鼠乳腺癌模型中实现肿瘤早期预警与药物疗效预测，为乳腺癌的无创精准早筛与药物多靶点机制解析提供了新思路。

---

1. 把宏观「光谱指纹」与微观「分子目录」对应起来

乳腺癌是全球女性发病率首位的恶性肿瘤，诊疗预后高度依赖早期筛查与干预。拉曼光谱技术无需染色标记，即可实时反映肿瘤微环境的生化变化，捕捉宏观层面的「光谱指纹」；质谱蛋白质组学则能定量揭示与病情相关的具体蛋白分子，构成微观层面的「分子目录」。

然而，如何将这两类性质迥异的数据对应起来，一直是分析生物医学领域的难题——光谱的宏观指纹难以直接解释其背后的分子机制，而蛋白质组学的分子信息又缺乏实时的宏观映射。SPIA 框架正是为了解决这一「表型—机制」之间的桥梁问题而设计。

2. SPIA 框架的原理与验证

研究团队借助机器学习算法，将拉曼光谱数据与质谱蛋白质组学数据深度关联，构建出 SPIA 整合分析框架。在化学致癌物诱导的大鼠乳腺癌模型中，结合药物托瑞米芬干预，该框架的动态变化可作为肿瘤发生的早期预警信号；基于拉曼光谱训练的分类器表现出很高的诊断准确率，并能够预测药物疗效。

研究还鉴定出 1350 种差异表达蛋白，通过多种特征选择算法锁定若干核心调控因子，并从数据相关性上验证了整套分析逻辑。更重要的是，研究破译了托瑞米芬同步抑制胶原沉积、纠正脂质代谢异常的多靶点作用机制，实现了从「生化表型」到「执行蛋白」的直接映射，显著提升了诊断的可靠性。

3. 无创早筛的临床转化前景

SPIA 框架的价值在于「1+1>2」：一方面突破传统影像学手段的局限，捕捉微环境极早期的生化变化，实现高准确率的无创筛查；另一方面搭建起「生化表型—执行蛋白」之间的映射桥梁。团队展望，未来患者就诊或许无需开刀活检，即可借助 AI 判断癌症情况以及药物是否起效。

该研究得到国家重大科技专项、国家自然科学基金等项目支持，兼具基础研究价值与临床转化前景，对推动我国乳腺肿瘤无创精准早筛技术普及、完善肿瘤数字医疗体系具有积极意义。当然，从动物模型到人体临床的无创早筛落地，仍需要在更大样本、多中心人群中进一步验证其灵敏度、特异性与稳定性。

来源：中国科学报、科学网

---

---

声明：本文资讯来源于公开报道及学术期刊，仅作行业信息传播，不构成临床用药建议。转载需注明来源。