撰文丨王聪
编辑丨王多鱼
排版丨水成文
是全球最常见的恶性肿瘤，也是癌症死亡的最主要原因，预测肺癌风险将有助于提升预防性试验的效果。尽管之前的研究已经表明，抑制白细胞介素IL-1β可降低肺癌发病率，但要将其应用于预防肺癌，所需接受治疗人数太多，限制了其在未筛选人群中进行广泛应用。
2026 年 6 月 4 日，弗朗西斯·克里克研究所、伦敦大学学院等机构的研究人员合作，在国际顶尖学术期刊Cell上发表了题为：Plasma signals of lung tumor promotion for molecular cancer prevention 的研究论文。
该研究利用机器学习发现了一个包含14 种蛋白质的血浆标志物谱，其可提前 5 年以上预测肺癌。该血浆蛋白标志物在八个队列中均得到验证。更重要的是，该标志物识别出了一些更能从抗IL-1β治疗中获益的个体，从而降低了预防肺癌所需接受抗 IL-1β 治疗人数的阈值，并为肺癌防治提供了新的靶点。
蛋白标志物提前 5 年预测肺癌
随着年龄增长，我们的细胞会积累致癌突变，然而，仅依靠突变通常不足以引发。可能需要环境因素的触发，例如暴露于机动车、燃煤和香烟烟雾等来源造成的空气污染，才能促使突变细胞发展为癌症。目前，肺癌筛查仅针对特定年龄以上（例如 50 岁以上）且有吸烟史的人群，而忽略了从不吸烟者以及暴露于高浓度污染物中也可能患肺癌的个体。
该团队在之前的研究中发现，空气污染可通过引发炎症并激活携带突变的休眠细胞来诱发癌症。在这项最新研究中，研究团队希望能够找到一种炎症标志物，以更准确地预测肺癌的发生，而不仅仅依赖于年龄和吸烟等生活方式因素所构成的风险评估。
研究团队利用机器学习分析了英国生物样本库（UK biobank）中超过 4.8 万名参与者的血浆蛋白质数据，并结合匹配的癌症登记记录，识别出之后罹患肺癌的人群。
除了年龄、吸烟状况和既往肺部疾病史外，该机器学习算法还识别出血浆中的14 种关键蛋白质，可在诊断前至少五年预测肺癌。这 14 种蛋白分别是——CXCL17、CDCP1、GDF15、PIGR、TNFSF13B、PLAUR、MMP12、CEACAM5、WFDC2、ALPP、PRSS8、LAMP3、SFTPD 和 SFTPA1。
研究团队在来自全球的八个队列中中验证了这一血浆蛋白标志物特征——所有队列中（包括一组非吸烟者队列）未来确诊肺癌的患者的这些蛋白质水平均更高。
对患者和动物模型中进行的进一步分析表明，这些蛋白标志物并非来自本身，而是反映了癌变前发生改变的肺部炎症环境。此外，在后来发展为特发性肺纤维化或慢性阻塞性肺疾病（COPD）的人群中，这些蛋白标志物谱也有所增加，这表明了它可能捕捉到一种共同的、疾病前肺部炎症状态。
从炎症到预防
该团队之前的研究发现，空气污染暴露会触发肺部免疫细胞释放白细胞介素-1β（IL-1β）的炎症信号，这种信号可激活携带致癌突变的休眠细胞。
这项新研究显示，污染暴露会同时增加这些蛋白标志物的表达，并促进“KAC 细胞”（keratin8+/claudin4+ 肺泡过渡状态细胞）的数量增长，这是一种适应性细胞状态，通常在损伤后出现，但如果其存在突变，也可能发展为癌细胞。研究团队发现，来自多种不同肺部细胞类型的突变细胞在走向癌症的过程中都会进入相同的 KAC 状态，而空气污染则会扩大这一 KAC 细胞群体，并增强这 14 种标志物蛋白的表达。
研究团队还发现，与空气污染相关的 IL-1β 会增加这些标志物蛋白的表达，在暴露于污染环境的小鼠中阻断 IL-1β，可减少 KAC 细胞的数量并延缓早期肿瘤的发展，这表明，抗 IL-1β 药物可能预防那些肺部已出现此类炎症信号人群的肺癌。
精准预防癌症
2017 年，诺华公司的 CANTOS 试验测试了 IL-1β 阻断剂卡那单抗（Canakinumab）以预防心血管疾病，并作为探索性发现报告称，该药物还能降低肺癌的发病率。然而，这种益处在人群层面较为有限，限制了其在未筛选人群中作为预防策略的应用。
在这项新研究中，研究团队重新分析了 4651 名 CANTOS 试验参与者的数据，发现基线时具有这 14 种蛋白标志物高表达特征的人群明显从卡那单抗治疗中获益，其肺癌风险几乎降低了一半。
通过筛选出具有这 14 种蛋白标志物高表达特征的人群，只需使用卡那单抗治疗 55 人，就能预防 1 例肺癌，这与他汀类药物等已确立的心血管疾病预防策略相当。
研究团队表示，这项研究利用来自超过 4.8 万人的血浆数据，通过机器学习识别出这一包括 14 种蛋白质的特征标志物，并在四大洲 80 多位合作者参与的八个研究队列中成功验证，成果令人振奋。该研究还在小鼠模型中深入探究其生物学机制，发现这些标志物反映了癌症发生前肺部炎症环境的改变。从而揭示了癌症最早期的预警信号，使我们能够更早地进行干预，甚至可能在肺癌发生前就将其阻止。
论文链接：
https://www.cell.com/cell/fulltext/S0092-8674(26)00522-2
名鼎配资提示：文章来自网络，不代表本站观点。
