郭冰清，孫 運，褚美娟，武隆豐，蔣學慧,2，汪 曣,2*，穆新林*

(1.天津大學 精密儀器與光電子工程學院,天津 300072；2.天津大學 天津市生物醫(yī)學檢測技術(shù)與儀器重點實驗室,天津 300072；3.北京大學人民醫(yī)院，北京 100083)

肺癌是對人類健康構(gòu)成威脅最大的惡性腫瘤之一，在我國的發(fā)病率呈上升趨勢，目前我國城市中肺癌的發(fā)病率和死亡率居腫瘤之首，其總體 5 年生存率不足15%。目前，臨床上對肺癌的早期發(fā)現(xiàn)主要依賴于低劑量螺旋 CT、PET、熒光纖支鏡、開胸手術(shù)檢查等，但這些檢查手段較為復雜，費用昂貴，且給病人造成一定痛苦，較難在臨床上廣泛應用，因此尋求檢測方便且無創(chuàng)的肺癌預測新方法及特征性分子標志物具有重要的科學與臨床意義。

揮發(fā)性有機化合物(VOCs)是指熔點低于室溫而沸點在 50～260 ℃ 之間的有機物。自1971 年 Pauling 等[1]從人呼出氣體中檢出VOCs以來，利用呼氣分析研究人體的生理和病理機制備受關(guān)注[2]。Gordon 在 1985 年采用氣相色譜儀/質(zhì)譜分光儀分析了 12 名肺癌患者和健康人呼出氣體成分的質(zhì)譜峰值分布圖，提出將呼吸氣體檢測應用于肺癌診斷的思想。其后 O′Neill等[3]采用不同呼吸氣體分析方法改進該實驗，認為多種成分組合分析優(yōu)于單一化學成分分析。2007 年，Phillip等[4]利用氣相色譜-質(zhì)譜分析聯(lián)用儀分析 193 名肺癌患者與 221 名健康人呼氣中的 VOCs，并采用 logic 回歸分析選取其中 16 種內(nèi)源性 VOCs(主要是烷烴類及其衍生物和苯的衍生物)作為特征性標志物建立診斷模型。但GC-MS需復雜的樣品預處理過程，同時富集方法、色譜柱選擇、色譜升溫條件等會對檢測結(jié)果產(chǎn)生很大影響。因此近年來研究者們發(fā)展了多種直接質(zhì)譜分析技術(shù)，如選擇離子流動管質(zhì)譜(EESI-MS)和質(zhì)子轉(zhuǎn)移質(zhì)譜技術(shù)(PTR-MS)。EESI-MS是一種常壓快速質(zhì)譜分析技術(shù)，可將中性樣品與帶電試劑離子分開，直接完成樣品的萃取和電離，另外EESI不僅能監(jiān)測呼吸氣體中含有的極性分子，還能夠檢測其中的非極性分子[5]。南昌大學劉曉妮[6]利用EESI-MS對肺癌患者、肺部良性疾病患者和健康對照組呼氣進行檢測，發(fā)現(xiàn)丁二烯、四氫生物蝶呤、N-苯乙酰谷氨酰胺等7種VOCs為肺癌特征性VOCs。2007年，Wehinger等[7]利用 PTR-QMS 對17 位肺癌患者和 170 位健康人的呼氣成分進行檢測，最終發(fā)現(xiàn)甲醛和異丙醇可作為肺癌呼氣標志物，用來區(qū)分肺癌患者和健康人。但該研究選擇的肺癌患者樣本量太少，與健康對照組樣本量嚴重不匹配。相比于PTR-MS，EESI-MS的定量能力欠缺；質(zhì)譜圖僅能直接顯示各物質(zhì)的相對豐度，雖有研究將液相乙腈標準品濃度換算成氣相中的乙腈濃度，對呼出氣體中的乙腈濃度進行半定量分析[8]，但此方法僅適用于對特定物質(zhì)的定量分析，難以對呼氣譜圖中的所有物質(zhì)成分進行定量，給尋找呼氣中VOCs濃度與疾病的線性關(guān)系帶來困難。因此本文利用 PTR-MS對原發(fā)性早期肺癌患者和健康志愿者呼出的氣體進行檢測，基于檢測結(jié)果發(fā)現(xiàn)了肺癌人群的特征呼氣標志物,并分析這些標志物與肺癌的相關(guān)性，建立肺癌呼氣預測模型并對呼氣標志物的生成機制進行探討。

1 實驗部分

1.1 主要儀器及原理

PTR-QMS質(zhì)子轉(zhuǎn)移反應質(zhì)譜儀(奧地利Ionicon公司產(chǎn)品)，配有 PTR-MS Control 數(shù)據(jù)處理軟件。一次性吹嘴、2 L Tedlar 采樣袋均為大連德霖公司產(chǎn)品。

PTR-QMS 由空心陰極放電源、漂移管和質(zhì)量檢測器3部分組成。PTR-MS 采用軟電離源，空心陰極放電源產(chǎn)生的H3O+作為反應離子進入漂移管，若待測氣體中 VOCs 的質(zhì)子親和勢(PA)大于 H3O+(PA=691 kJ/mol)，則與 H3O+發(fā)生質(zhì)子轉(zhuǎn)移反應，反應方程式為 VOC+H3O+→(VOC)H++H2O，產(chǎn)物離子和反應離子在漂移管電場的作用下進入四極桿檢測器，從而得到離子的質(zhì)荷比及其離子計數(shù)值。

1.2 研究對象及方法

表1 志愿者的人口基本特征統(tǒng)計Table 1 Basic characteristics of volunteer

1.2.1研究對象回顧性分析 2016 年 8 月至 2017 年 5 月北京大學人民醫(yī)院收治的 40 例肺癌患者，并收集同期健康體檢者及健康狀況良好的社會志愿者共 32 例。所有病例均經(jīng)細胞學或組織學病理診斷確診，據(jù) WHO 肺癌組織分類法確定肺癌分型，按照 ULCC(國際抗癌聯(lián)盟)2009 年修行的肺癌分期進行分期，要求同期肺癌患者無其他慢性疾病，無通氣或換氣功能障礙。兩組志愿者的人口基本特征見表1，肺癌患者病理類型如下：小細胞肺癌7例，非小細胞肺癌33例(包括腺癌 20 例，鱗癌 13 例)。

1.2.2呼氣樣品采集以Tedlar 袋作為志愿者呼氣收集裝置，使用方法如下：(1)清洗：首次使用前需用純凈水反復清洗，然后在采樣袋閥門口打開的情況下，將采樣袋置于加熱箱上方，向其中通入純度為99.9%的氮氣進行反復沖洗，直至采樣袋被烘干。之后用真空泵將采樣袋內(nèi)氣體抽干。(2)采樣：采集志愿者呼氣時，將一次性吹嘴通過橡膠管與采樣袋閥門相連，打開閥門，采集氣體樣本。(3)重復清洗：每次檢測完畢后，需將采樣袋內(nèi)殘余氣體用真空泵抽干，反復 5～7 次充入純度為99.9%的氮氣，至采樣袋內(nèi)全部VOCs的濃度均降至儀器基線，此時采樣袋已完全洗凈。用真空泵將采樣袋內(nèi)殘余氮氣完全抽干。清洗后的采樣袋可重復使用。

于每日上午6∶30～7∶30時段采集呼氣樣本，要求全部志愿者在采氣前禁食 12 h，呼氣前一晚避免高脂飲食，禁酒，不食用大蒜、生姜等具有刺激性氣味的食物。吸煙者在檢測前需禁煙 12 h。志愿者采氣前半小時用清水漱口，但不能刷牙。所有志愿者需簽署知情同意書，填寫調(diào)查表。采氣時，在志愿者平靜呼吸 30 min 后，打開 Tedlar 采氣袋閥門，通過一次性吹嘴向采樣袋內(nèi)吹氣，共收集 2 L 氣體樣本。用一次性注射器采集志愿者呼吸環(huán)境的空氣樣本注入采樣袋中。為保證實驗準確性，收集的氣體樣本均在24 h內(nèi)完成檢測。

1.3 實驗條件

檢測器電壓：2 600 V，漂移管壓強：2 mbar，質(zhì)量掃描范圍：m/z1～200，單個離子掃描駐留時間為200 ms，每個樣本進行 5 次掃描。單個樣品檢測時間約4 min。

1.4 數(shù)據(jù)處理流程

數(shù)據(jù)處理使用 SPSS version 21.0 統(tǒng)計分析軟件。計量資料的組間比較采用 Mann-Whitney秩和檢驗，計數(shù)資料比較采用χ2檢驗，Sig<0.05 具有統(tǒng)計學差異。將單因素分析顯示差異有統(tǒng)計學意義的 VOCs 加入多因素 logistic 回歸模型，進一步分析呼氣中 VOCs 與罹患肺癌的相關(guān)性。采用二元 logistic 回歸和 Fisher 判別建立肺癌呼氣篩查模型并對模型的準確性進行評價。

表2 肺癌患者和健康對照組一般資料檢驗結(jié)果Table 2 Comparison of general data between lung cancer patients and healthy controls

2 結(jié)果與討論

2.1 肺癌患者呼出氣體中特征性VOCs的篩選

2.1.1一般資料比較由表2可見，肺癌患者和健康對照組的年齡、性別、吸煙情況差異無統(tǒng)計學意義。

2.1.2原始數(shù)據(jù)處理及內(nèi)源性VOCs的篩選圖1A和B分別為隨機選取的一次實驗中人體呼出氣體譜圖和呼氣環(huán)境空氣譜圖。

記C1為呼氣中 VOCs 濃度，C2為空氣中 VOCs 濃度，對所有志愿者呼氣譜圖篩選滿足 0.6×C1≥C2的物質(zhì)。最終篩選出m/z33、39、41、43、45、59、61、69 這 8 種物質(zhì)作為呼氣內(nèi)源性 VOCs。

表3 肺癌患者和健康對照組的Mann-Whitney秩和檢驗結(jié)果Table 3 Results of Mann-Whitney test in lung cancer group and healthy group

表4 多因素logistic回歸分析結(jié)果Table 4 Results of logistic regression

2.1.3肺癌呼氣特征性VOCs篩選及相關(guān)性研究利用 Mann-Whitney 秩和檢驗比較上述 8 種 VOCs 在三組志愿者呼氣之間的表達，認為 Sig<0.05具有統(tǒng)計學差異，具體統(tǒng)計結(jié)果見表3。

由表 3可 知，上述 8 種 VOCs 中，m/z33、39、41、45、59 在肺癌患者和健康志愿者之間的表達有統(tǒng)計學差異，分別記為 VOC 33、VOC 39、VOC 41、VOC 45、VOC 59。利用多因素 logistic 回歸模型對上述5個變量與肺癌的相關(guān)性作進一步分析，結(jié)果如表 4所示。VOC 33、VOC 39、VOC 45對應的Sig<0.05，VOC 41 和 VOC 59 的 Sig 值均遠大于 0.05，且由表 5知，VOC 33、VOC 39、VOC 45 的濃度與志愿者的性別、年齡、吸煙情況無關(guān)。 以上結(jié)果說明僅VOC 33、VOC 39、VOC 45與罹患肺癌有關(guān)，可作為肺癌患者呼氣中的標志性VOCs。

表5 VOC 33、VOC 39、VOC 45濃度與志愿者一般統(tǒng)計資料的關(guān)系Table 5 The relationship between VOC 33,VOC 39,VOC 45 and general statistical data of volunteers

圖2 乙醛在小細胞肺癌和非小細胞肺癌患者呼氣中的濃度箱狀圖Fig.2 Box-whisker plots of acetaldehyde between small cell lung cancer patients and non-small cell lung cancer patients

同時檢驗不同病理類型肺癌患者呼氣中VOC 33、VOC 39、VOC 45的濃度是否有差異。其中，組1為鱗癌組，組 2為腺癌組，組 3為小細胞肺癌組；Sig12為組 1 與組 2 比較的 Sig 值，Sig13為組 1 與組 3 比較的 Sig 值，Sig23為組 2 與組 3 比較的 Sig 值。 Nemenyi 秩和檢驗結(jié)果顯示，Sig13和 Sig23均小于0.05，Sig12大于0.05，說明VOC 45在非小細胞肺癌和小細胞肺癌患者的呼氣中具有統(tǒng)計學差異，但不可區(qū)分鱗癌和腺癌。圖2表明VOC 45在非小細胞肺癌患者呼氣中濃度較高。其它兩種 VOCs 在3種肺癌患者中均不存在顯著差異。

2.2 肺癌呼吸篩查模型的建立及評價

2.2.1二元logistic回歸預測模型將自變量 VOC 33、VOC 39、VOC 45 作為協(xié)變量建立二元 logistic 回歸方程。記P為罹患肺癌的概率，其預測方程如式(1)所示。由表6中OR值知VOC 33、VOC 39、VOC 45 每增加 1 ppb，罹患肺癌的概率將提高 0.104、0.030、0.023倍，Omnibus 檢驗結(jié)果表明，回歸模型的Sig 值為 0.000，說明該模型對患癌概率的預測結(jié)果具有統(tǒng)計學意義。

log(P)=-6.420+0.014X1+0.030X2+0.023X3

(1)

圖3為該回歸模型的 ROC 曲線，曲線下面積(AUC)為0.878，靈敏度為85.5%，特異性為 63.5%。該模型靈敏度較好，特異性尚可，總體預測能力較好。

表6 回歸模型系數(shù)及顯著性檢驗Table 6 Regression model coefficient and significance test

2.2.2Fisher判別分析模型利用 VOC 33、VOC 39、VOC 45 進行 Fisher 判別分析，得到的判別函數(shù)形式如式(2)所示。

Y=-3.203+0.009X1+0.019X2+0.005X3

(2)

若Y>1，則被判別為肺癌人群；若Y<1，則被判別為健康人群。Fisher判別模型的 ROC 曲線如圖4所示，敏感度為 82.5%，特異性為 62.5%。曲線下面積(AUC)為 0.822。相比于二元 logtistic 回歸模型，該模型的敏感度和特異性均較低，預測能力較差。

圖3 二元logistic模型的ROC曲線Fig.3 ROC curve of the regression model

圖4 Fisher 判別模型的 ROC 曲線Fig.4 ROC curve of the discriminant model

2.3 呼氣標志物分析

本實驗通過對肺癌患者和非肺癌人群呼氣中 VOCs 的檢測，認為 VOC 33、VOC 39、VOC 45 的濃度在肺癌患者和健康對照組之間有統(tǒng)計學差異，說明這3種物質(zhì)最有可能是肺癌患者呼出氣體中的生物標記物。Turner等[9]在2006年利用SIFT-MS在30名志愿者中也檢測到VOC 33，并利用標準物驗證該物質(zhì)對應為甲醇發(fā)生質(zhì)子轉(zhuǎn)移反應后的產(chǎn)物。2008年，Kushch等[10]利用PTR-MS在205名志愿者呼氣中檢出VOC 39，并利用不同濃度的異戊二烯標準品對該物質(zhì)進行驗證。實驗表明，VOC 39與異戊二烯的相關(guān)性為0.92，說明VOC 39對應異戊二烯質(zhì)子轉(zhuǎn)移反應后的產(chǎn)物。2004年，Zhao等[11]利用PTR-MS對78種碳氫化合物進行了檢測，最終確定VOC 45對應的是乙醛質(zhì)子轉(zhuǎn)移反應后的產(chǎn)物。

目前很多研究表明，癌細胞代謝與脂質(zhì)過氧化過程密切相關(guān)。Pitkanen等[12]研究發(fā)現(xiàn)人體脂質(zhì)過氧化過程中會產(chǎn)生多種烷類VOC，Wang等[13]通過直接分析肺底氣體中VOC在腫瘤切除手術(shù)前后的差異，認為脂質(zhì)過氧化反應會產(chǎn)生大量烷烴類VOC。2003年，Phillips等[14]選擇了9個VOCs所謂潛在的肺癌標志物，并認為烷烴是肺部脂質(zhì)過氧化的產(chǎn)物，且與肺癌患者體內(nèi)的多態(tài)細胞色素P450混合型氧化酶有關(guān)。

甲醇是呼氣中主要存在的醇類物質(zhì)。腫瘤患者中介導 VOCs 代謝的肝臟細胞色素 P 450 酶系統(tǒng)的多家族基因的改變，可能導致烷烴成分增加，這些烷烴物質(zhì)通過細胞色素混合酶系統(tǒng)代謝，最終可氧化成甲醇排出體外[15-16]。

異戊二烯屬于不飽和烴類，是人體呼氣中常見有機物，主要是在膽固醇生物合成通路中產(chǎn)生。同時，F(xiàn)uchs等對 79 名肺癌患者呼氣中的異戊二烯濃度進行檢測，認為異戊二烯可能與肺癌患者體內(nèi)脂質(zhì)代謝的變化有關(guān)[17]。浙江大學胡燕婕曾在對肺癌細胞株代謝氣體產(chǎn)物中檢測到異戊二烯，并推測其在肺癌組織中的形成與肺泡表面活性物質(zhì)的氧化損傷有關(guān)[18]。

乙醛是體內(nèi)糖類代謝的中間產(chǎn)物，由乙醇經(jīng)肝臟NAD依賴性醇脫氫酶氧化代謝形成。Esterbauer提出大部分脂氫過氧化物可通過脂鏈的一次或多次斷裂生成醛類物質(zhì)[19]。Redondo等在兩種非小細胞肺癌細胞株(Skmes,CALU-1)體外培養(yǎng)過程的代謝氣體中也發(fā)現(xiàn)了乙醛的成分，認為乙醛可以作為肺癌標志性VOC[20]。

3 結(jié) 論

本文提出了利用 PTR-QMS 進行肺癌呼氣研究的方法，完成了32名健康志愿者和40名肺癌患者呼氣中VOCs的采集和分析，結(jié)果發(fā)現(xiàn)呼氣中VOC 33、VOC 39、VOC 45在肺癌患者和非肺癌患者之間有顯著差異。以上述3個變量建立的預測模型總體預測效果較好，相比于Fisher 判別模型，二元 logistic 能更加明顯的體現(xiàn)呼氣濃度與罹患肺癌概率的函數(shù)關(guān)系，靈敏度及特異性更高，AUC值更大，說明其對肺癌有更準確的預判能力。但兩種模型均無法進一步對肺癌患者的病理類型進行預判。

本實驗從志愿者呼氣中檢出8種離子強度，在此基礎(chǔ)上，可擴大檢測樣本量以獲取更多、更全面的肺癌病人和健康人呼氣中的VOCs信息，尋找更多與肺癌有關(guān)的氣體標志物，并可進一步將PTR-MS用于肺癌分期診斷。由于PTR-MS的定性能力有限，可通過一些特殊的方法與色譜等儀器聯(lián)用來確定物質(zhì)成分[19-20]。相信在不久的將來，利用PTR-MS進行呼氣分析將會得到更為廣泛的應用。

致謝：感謝北京大學人民醫(yī)院住院患者及相關(guān)醫(yī)護人員對本研究的幫助和配合，感謝中國環(huán)境科學研究院提供的質(zhì)譜儀器。

參考文獻：

[1] Pauling L,Robinson A B,Teranishi R,Cary P.ProceedingsoftheNationalAcademyofSciencesoftheUnitedStatesofAmerica,1971,68(10):2374-2376.

[2] Gordon S M，Szidon J P，Krotoszynski B K，Gibbons R D，O′Neill H J.Clin.Chem.,1985,31(8):1278-1282.

[3] O′Neill H J,Gordon S M,O′Neill M H, Gibbons R D，Szidon J P.Clin.Chem.,1988,34(8):1613-1616.

[4] Phillips M,Altorki N,Austin J H,Cameron R B，Cataneo R N .CancerBiomarkers,2007,3(2):95-97.

[5] Zhang Y,Pan S S,Zhu Z Q,Zhang X L,Xu S G,Wei Y P,Chen H W,Ding J H.Anal.Chem.(張燕,潘素素,朱志強，張興磊，徐四高，魏益平，陳煥文，丁建樺.分析化學),2013,41(8):1220-1225.

[6] Liu X N.DetectionofExhaledGasbasedonElectrosprayIonizationCombinedMassSpectrometryintheDiagnosisofLungCancer.Nanchang：Nanchang University(劉曉妮.基于電噴霧萃取電離聯(lián)合質(zhì)譜技術(shù)檢測呼出氣體于肺癌診斷的研究.南昌：南昌大學)，2015.

[7] Wehinger A,Schmid A,Mechtcheriakov S,Ledochowski M,Grabmer C.Int.J.MassSpectrom.,2007,265(1):49-59.

[8] Kerry W.DevelopmentofChemicalIonisationReactionTime-of-flightMassSpectrometryfortheAnalysisofVolatileOrganicCompoundsinExhaledBreath.Leicester:University of Leicester,2010.

[9] Turner C,Spanel P,Smith D.Physiol.Meas.,2006,27(4):637-648.

[10] Kushch I,Arendacká B,Stolc S,Mochalski P,Filipiak W,Schwarz K.Clin.Chem.Lab.Med.,2008,46(7):1011-1015.

[11] Zhao J,Zhang R.Atmos.Environ.,2004,38(14):2177-2185.

[12] Pitk?ken O M.FreeRad.Biol.Med.,1992,13(3):239-241.

[13] Wang C,Ke C,Wang X,Chi C，Guo L.Anal.Bioanal.Chem.,2014,406(19):4757-4763.

[14] Phillips M,Cataneo R N,Cummin A,Cummin A R，Gagliardi A J，Gleeson K.Chest,2003,123(6):2115-2123.

[15] Kneepkens C M F,Lepage G,Roy C C.FreeRad.Biol.Med.,1994,17(2):127-131.

[16] Sponring A,Filipiak W,Mikoviny T,Ager C，Schubert J.AnticancerRes.,2009,29(1):419-421.

[17] Fuchs D,Jamnig H,Heininger P,Klieber M，Schroecksnadel S.J.BreathRes.,2012,6(2):027101.

[18] Hu Y J.ScreeningandDiagnosticValueofExpiratoryCharacteristicVOCsinLungCancer.Hangzhou：Zhejiang University(胡燕婕.肺癌呼氣特征性VOCs的篩選及診斷價值研究.杭州：浙江大學),2010.

[19] Esterbauer H,Cheeseman K H,Dianzani M U,Poli G，Slater T F.Biochem.J.,1982,208(1):129-131.

[20] Redondo M,Ruiz-Cabello F,Concha A,Cueto A，Gonzalez A.CancerRes.,1991,51(9):2463-2466.