一周前沿回顾·基因组学 | 从突变解读到个体获益预测：多组学与机器学习推动精准医疗决策与患者参与

关键数据

• 纳入139818名患者的突变数据
• 覆盖173个癌症基因
• 涉及18种以上肿瘤类型
• 突变聚集模式包括功能区域与三维结构约束两类

这项研究值得关注的地方

把“某基因发生突变”推进到“突变位于何种功能和结构位置”，有助于形成更精细、可追溯的变异解释框架。

注：

这是基于结构与突变分布的整合分析；功能图谱不能替代逐一实验验证，也尚不能证明其能改善患者结局。

关键数据

• 研究对象为RHOA E40Q变体
• 促肿瘤表型出现在野生型RhoA缺失背景
• 小鼠自发形成鳞状细胞癌
• 相关变化不依赖ROCK和DIAPH

这项研究值得关注的地方

研究揭示了“部分失活”与“肿瘤驱动”并不矛盾，等位基因状态可能是解释热点突变功能的关键条件。

注：

证据主要来自基因工程小鼠及分子分析，不能直接推断该变体在人类患者中的致病强度、预后意义或治疗反应。

关键数据

• 发现队列纳入129名患者
• 外部验证队列分别为73人和414人
• 关联信号在两个外部队列中复现
• 组织分析重点涉及EPHA4和EPHB1

这项研究值得关注的地方

血液信号与活检组织损伤实现跨队列对应，为探索反映肾间质病变负担的候选标志物提供了较完整的验证链。

注：

通路活性与组织损伤及肾衰竭风险之间属于关联；其诊断阈值、增量预测价值及治疗监测用途仍需进一步研究。

关键数据

• 全国登记纳入12466名患者
• 评估6项患者属性与8类并发症
• 颅内动脉瘤总体患病比例为18.5%
• 特定年轻晚期肾病亚组出血比例为31.9%

这项研究值得关注的地方

可解释的属性组合能把总体患病比例细化到临床亚组，为制定更有针对性的筛查和监测方案提供依据。

注：

登记资料揭示的是并发症患病模式和统计关联，而非前瞻性发病风险；这些组合能否改善筛查收益仍需验证。

关键数据

• 纳入1878名患者、3756只耳
• 比较3种机器学习模型与60/60规则
• CNC任务的机器学习AUROC为0.88至0.89
• AzBio任务的机器学习AUROC为0.89至0.90

这项研究值得关注的地方

研究没有把复杂模型包装成全面替代方案，而是明确其价值在于补充二元规则，并为“灰区”患者提供连续概率。

注：

这是回顾性数据库研究，模型预测的是候选标准而非植入后的实际获益；跨机构泛化和临床使用效果仍待检验。

关键数据

• 全队列纳入2748名胃癌患者
• 化疗获益模型分析825名II至III期患者
• 匹配队列为434人
• 交互作用检验P值小于0.001

这项研究值得关注的地方

研究把淋巴结比率从一般预后指标推进为潜在治疗获益分层指标，并给出了可供后续验证的阈值与人群。

注：

尽管使用倾向评分匹配和因果森林，回顾性观察数据仍可能存在残余混杂；所谓获益或潜在伤害是模型估计，尚非随机试验证据。

关键数据

• 共调查470名参与者
• 覆盖6个欧洲国家
• 男性占51.9%，女性占48.1%
• 问卷分析得到6个态度维度

这项研究值得关注的地方

技术能否落地不只取决于准确率；透明解释、患者参与以及个人和机构责任同样构成临床实施条件。

注：

横断面问卷测量的是自报态度及其相关因素，不能代表实际医疗场景中的选择，也不能推断技术态度变化的原因。

关键数据

• 探索性研究共纳入46人
• 患者组为17名男性和17名女性
• 健康对照男性、女性各6名
• 差异筛选采用P值小于0.05且倍数变化不低于1.3

这项研究值得关注的地方

研究说明性别不应只作为统计校正项，而可能是生物标志物发现与分层设计中的核心变量。

注：

样本量较小，且为探索性横断面表达分析；微小RNA差异不能证明其驱动疾病，也不足以建立诊断或预后用途。

01｜精准分层正从单一标签转向条件组合

突变所在结构、野生型等位基因、患者性别、年龄、肾功能和淋巴结比率都可能改变信号含义。单一基因、单一阈值或单一危险因素越来越难以承载个体判断。

02｜模型价值开始与可解释性和外部验证绑定

多队列复现、与简单规则直接比较及可读的属性交叉分层，正在成为模型是否有用的重要标准。性能提升有限时，减少漏筛或提供连续概率也可能构成补充价值。

03｜临床转化的边界不只由算法性能决定

结构图谱、动物机制和回顾性模型都能生成候选解释，但不能自动转化为疗效结论。与此同时，患者对透明度、共同决策和责任归属的要求，正在成为实施证据的一部分。

1. Hyeon DY, Zhou Y, Chung WK, Dietlein F. Proteo-genomics-guided interpretation of somatic mutations in cancer genomes. Cancer Cell. 2026 Aug 21:S1535-6108(26)00355-7.

PubMed：https://pubmed.ncbi.nlm.nih.gov/42628524/

DOI：https://doi.org/10.1016/j.ccell.2026.07.017

2. Noujarède J, Wang Q, Kokkinogenis EP, Luo Y, Cudina I, Willaume S, Mooser C, Nguyen LP, Poulsen MF, Heijmerikx S, Le Phan TH, He X, Andersen JB, Sørensen CS, Brakebusch C. RhoA wild-type allele loss unleashes the cancer driver function of RhoA E40Q. J Clin Invest. 2026 Aug 25:e201975.

PubMed：https://pubmed.ncbi.nlm.nih.gov/42640717/

DOI：https://doi.org/10.1172/JCI201975

3. Han SS, Surapaneni AL, Schmidt IM, Yun D, Ma X, Moon KC, Srivastava A, Palsson R, Stillman IE, Waikar SS, Grams ME, Rhee EP. Circulating Ephrin-Eph Signaling Reflects Interstitial Fibrosis and Tubular Atrophy in Diabetic Kidney Disease. Clin J Am Soc Nephrol. 2026 Aug 21.

PubMed：https://pubmed.ncbi.nlm.nih.gov/42627699/

DOI：https://doi.org/10.2215/CJN.0000001191

4. Kataoka H, Nishio S, Hoshino J, Hiromura K, Isaka Y, Muto S. Nationwide attribute-based cross-classification reveals distinct risk patterns of major complications in ADPKD. Clin Exp Nephrol. 2026 Aug 26.

PubMed：https://pubmed.ncbi.nlm.nih.gov/42645773/

DOI：https://doi.org/10.1007/s10157-026-02938-2

5. Shew MA, Jawad M, Pavelchek C, Walia A, Bray W, Berg KA, Bao JW, Lefler S, Ortmann A, Lee D, Varghese J, Durakovic N, Jiramongkolchai P, Piccirillo JF, Herzog JA, Buchman CA. Binary to Personalized: A Novel Machine Learning Probability Score for Cochlear Implant Candidacy. Laryngoscope. 2026 Aug 21.

PubMed：https://pubmed.ncbi.nlm.nih.gov/42629619/

DOI：https://doi.org/10.1002/lary.70845

6. Hong WQ, Hu RH, Jiang XH, Zhang S. The Lymph Node Ratio as a Predictive Biomarker for Individualized Benefit from Adjuvant Chemotherapy in Gastric Cancer: A Retrospective Cohort and Causal Machine Learning Study. J Gastrointest Cancer. 2026 Aug 22;57(1):197.

PubMed：https://pubmed.ncbi.nlm.nih.gov/42631885/

DOI：https://doi.org/10.1007/s12029-026-01556-1

7. Lindinger GL, Schiermeier NJ, Willems DL, Maris MT, Khattab M, Tan HL, Henzler D, Bak MAR, Nagel E, Lauerer M. Patients' Perspectives on Applications of AI and Personalized Medicine in Life-Threatening Heart Disease: European Cross-Sectional Patient Questionnaire Study. J Med Internet Res. 2026 Aug 25;28:e96968.

PubMed：https://pubmed.ncbi.nlm.nih.gov/42640848/

DOI：https://doi.org/10.2196/96968

8. Buxhoeveden S, Swift-Scanlan T, Olex A, Carter C, Oh U. Differential microRNA Expression Reveals Sex-Specific Neuroinflammatory and Neurodegenerative Pathways in MS. Biol Res Nurs. 2026 Aug 21:10998004261473903.

PubMed：https://pubmed.ncbi.nlm.nih.gov/42626787/

DOI：https://doi.org/10.1177/10998004261473903