液体活检中的游离DNA分析：机器学习驱动的癌症诊断新范式

cfDNA是血液循环中的细胞外DNA片段，来源包括正常细胞代谢释放、凋亡/坏死细胞、循环肿瘤细胞及肿瘤裂解。癌症患者中，来源于肿瘤的cfDNA（ctDNA）携带肿瘤遗传与表观遗传信息。其生物学特性包括：片段化（160-80bp，对应核小体单位）、半衰期短（1-2小时，反映实时状态）、全身代表性（克服组织活检空间局限）、微创获取（静脉采血可频繁监测）。

核小体定位与表观遗传特征：核小体定位信息可通过片段大小分布、末端位置、覆盖度模式获取；DNA甲基化特征包括全局低甲基化（基因组不稳定）、启动子高甲基化（肿瘤抑制基因沉默）、组织特异性模式（追溯来源）；重复序列具有高拷贝、表观调控改变、组织特异性表达等价值。

机器学习应用：特征工程涵盖片段组学、甲基化、拷贝数变异、突变特征；模型包括监督学习（分类如随机森林等）、无监督学习（聚类等）、深度学习（CNN/RNN等）；多组学整合包括多模态、纵向数据、临床数据融合。

肺癌：早期检测（突变/甲基化特征早于影像学）；亚型区分（小细胞/非小细胞）指导治疗；治疗监测（cfDNA水平变化反映响应）。

结直肠癌：SEPT9甲基化标志物获批筛查；术后监测预测复发；耐药突变指导方案调整。

胰腺癌：高危人群筛查早期发现；鉴别良恶性；预后评估指导治疗强度。

胶质母细胞瘤：血脑屏障限制血液ctDNA量，脑脊液分析更有效；治疗监测分子变化。

泛癌种检测：多癌种早期检测（MCED）；组织溯源（甲基化模式推断原发部位）；人群筛查整合常规体检。

灵敏度与特异性：通过富集技术（大小选择、甲基化分选）、超高深度测序、分子条形码错误校正提升低频突变检测能力。

标准化与质控：统一样本采集处理流程、评估检测平台差异、建立标准化生物信息学流程。

临床验证：需大规模队列研究验证性能、前瞻性试验评估临床结局影响、卫生经济学评估支持医保决策。

技术发展：单分子测序（长读长信息）、蛋白质组学整合（互补标志物）、外泌体分析（DNA/RNA互补）、微流控平台（高通量低成本）。

临床前景：常规癌症筛查、实时治疗指导、微小残留病检测、早期复发监测。

总结：cfDNA液体活检结合机器学习是精准医学关键工具，将改善癌症患者生存质量，开启癌症管理新纪元。