在《Nature Communications》的一项研究中，中国科学院合肥物质科学研究院(HFIPS)的顾宏仓教授及其团队提出了一种基于 BEta 值的线性支持向量向量(BELIVE)的创新方法，用于追踪物质的起源。原发部位不明的癌症 (CUP)。
传统上，免疫组织化学 (IHC) 已被用作识别癌症原发部位的“金标准”。然而，该测试仅在 50%–65% 的 CUP 患者中成功。为了提高准确性，研究团队重点关注DNA甲基化，它表现出组织特异性，可以作为识别组织来源的分子标记。
该团队利用一种称为简化代表性亚硫酸氢盐测序 (RRBS) 的技术来分析 DNA 甲基化。他们开发了一种使用福尔马林固定石蜡包埋 (FFPE) 样品的新颖方法，使他们能够处理纳克级别的高度降解的 DNA。对 10 种常见肿瘤类型的新鲜冷冻样本进行 RRBS 测序，所得数据用于生成预测算法。
研究人员使用四种不同的甲基化评估方法和七种机器学习技术构建了 28 个分类器。其中，基于平均甲基化的 BELIVE 分类器表现最好，在中期验证阶段达到了 0.95 的令人印象深刻的总体准确度 (AUC)。还利用转移性癌症病例的 FFPE 组织样本构建了独立的转移验证文库集(n=215)，进一步验证了 BELIVE 的准确性，预测准确率达到 81%。
在一项前瞻性研究中，该团队评估了 68 名 CUP 患者的 FFPE 样本，并在 top-1 类别中取得了 81% 的显着敏感性。在考虑前 3 个预测时，灵敏度达到了令人印象深刻的 93%。
