脑干胶质瘤（BSG）是一种高度恶性的中枢神经系统儿童肿瘤，其 5 年生存率低于 10%。BSG 占所有儿童脑肿瘤的 10% - 15%，发病高峰在 6 - 9 岁，中位生存时间仅为 10 - 12 个月。由于脑干的特殊位置，手术风险极高，且缺乏有效的临床批准的循环生物标志物。目前，放射治疗是 BSG 的标准治疗方法，能够缓解症状进展并延长无进展生存期，但准确的诊断、精确的预后和及时的治疗监测对于管理 BSG 患者至关重要。

传统的影像学检查在 BSG 检测中的准确率仅为 65% - 73%，难以满足临床需求。而代谢组学研究为癌症的诊断和预后提供了新的视角。代谢物的变化能够反映肿瘤相关的应激反应，进而影响生物能量学、内分泌平衡和氧化应激。此外，代谢物可以通过血脑屏障进入血液循环，为基于血清的代谢指纹检测提供了可能。

2025 年 7 月，Nature Communications 杂志发表了题为 ：Serum metabolic profiling enables diagnosis, prognosis, and monitoring for brainstem gliomas 的研究论文。该研究由上海交通大学及华东师范大学的研究团队合作完成，这项研究通过构建基于循环代谢物的诊断和预后模型，为脑干胶质瘤（BSG）的诊断、预后和治疗监测提供了新的思路和方法。

图1：脑干胶质瘤（BSG）血清代谢分析研究设计

研究团队构建了一个包含 106 名 BSG 患者的横断面研究和纵向队列研究。他们采用纳米颗粒增强激光解吸/电离质谱（NPELDI-MS）技术，对 BSG 放疗期间的代谢物进行静态和动态快照分析。该技术具有无需复杂预处理、检测速度快、样本消耗量少等优点，适合于临床样本的快速分析。

图2：BSG患者循环代谢物的诊断价值

研究分为三个部分：诊断模型的构建、预后模型的构建以及放疗期间的动态代谢监测。在诊断模型构建中，研究团队基于 99 名参与者（45 名健康对照和 54 名 BSG 患者）的静态代谢快照，利用机器学习算法筛选出 7 种代谢物作为生物标志物，包括 2-氨基己二酸半醛、乳酸、缬氨酸、亮氨酸、苏氨酸和鸟氨酸。这些代谢物能够准确区分 BSG 患者和健康对照，诊断模型的 AUC 值达到0.933，灵敏度为94.7%，特异性为80%。这一诊断准确率高于传统的 MRI 影像信息（约 76%）以及基于脑脊液和血浆 ctDNA 的检测方法。

图3：静态代谢快照与BSG预后的相关性

在预后模型构建中，研究团队分析了 96 名 BSG 患者的静态代谢快照，并通过单变量和多变量 Cox 回归分析筛选出与总生存期（Overall Survival, OS）相关的代谢物。最终构建的七特征预后模型包括乳酸、草酰乙酸、烟酰胺、苏糖酸、琥珀酸、精氨酸和葡萄糖。该模型能够根据风险评分将患者分为高风险组和低风险组，Kaplan-Meier 曲线显示两组患者的中位生存时间存在显著差异（p = 0.031 和 p = 0.044）。

图4：放疗期间的动态代谢快照

在放疗期间的动态代谢监测中，研究团队对 43 名 BSG 患者在放疗前、放疗中和放疗后进行了代谢物检测。他们发现代谢物的变化与肿瘤体积变化密切相关，通过代谢物快照能够预测肿瘤体积的增减。此外，研究团队还通过聚类分析识别出八种不同的代谢物调节模式，这些模式与放疗反应相关。

总结：

该研究的创新之处在于，它提供了一种基于血清代谢指纹的非侵入性诊断和预后方法，能够快速、准确地识别 BSG 患者，并预测其预后。这种方法不仅提高了诊断的准确性，还为临床医生提供了一种实时监测治疗反应的工具。此外，该研究还揭示了 BSG 的代谢特征，为理解肿瘤的代谢重编程提供了新的见解。通过分析代谢物的变化，研究团队发现了与 BSG 发生和发展相关的代谢途径，如缬氨酸、亮氨酸和异亮氨酸的降解，以及甘氨酸和丝氨酸的代谢。这些发现为开发新的治疗靶点和个性化治疗方案提供了理论基础。