责编
兮
癌症的发生是外在环境因素与基因相互作用的结果。而病*感染作为诱发癌症的重要外在因素，也逐渐受到科学家们的重视。
目前的研究表明，大约13%的癌症是由于病*的感染造成。而肝癌作为全球第二大致命恶性肿瘤，其发生过程也是跟病*感染有着密切的联系。比如说乙型肝炎病*会整合人类基因组，激活癌基因或者抑制抑癌基因。丙型肝炎病*会导致慢性肝炎和肝硬化，最终促使癌症发生。但是，不是所有的肝癌都是由这两种病*导致的，而且携带这些病*也不一定就会诱导肝癌发生。过去由于有限的病*组研究技术，科学家们无法深入地系统地研究各种病*对癌症的致病机制，以及病*对癌症发展和癌症预后的影响。最近病*组测序的技术的发明和应用揭示了各类病*在人类群体中潜在的普遍性，但是将该技术应用到癌症领域研究，并且转化成预测观察工具还面临诸多困难和挑战。
年6月10日，美国国立卫生研究院、国立癌症研究所王心伟教授（XinWeiWang）的研究团队（共同第一作者为刘金平博士和唐炜博士），以及美国国立糖尿病消化和肾脏疾病研究所及包括几个大学医学中心合作成员共同在Cell上发表了题为AViralExposureSignatureDefinesEarlyOnsetofHepatocellularCarcinoma的文章，该研究第一次大规模对北美肝癌病人中绘制了病*组图谱，并揭示了病*感染史对早期肝癌预测的影响。
王心伟研究团队及合作成员采用了最新的病*组研究技术（VirScan）来检测健康人群和高危人群以及肝癌病人的各种病*感染史。该技术结合噬菌体免疫沉淀与高通量测序技术，可以在病人血清中检测病*抗体和提供超过一千多种已知病*在人体内感染信息，以及高精度的测试人类全部已知病*的抗原与抗病*的抗体互作图谱。
该研究结果表明，该病*组研究技术有良好的特异性和准确性，可以准确检测到常见病*以及肝癌相关病*，并且和病理记录高度一致。
在成功绘制病*感染史图谱后，该研究团队采用了最新的机器学习的方法，通过比较肝癌病人和健康人群的病*感染差异，遴选出了一系列病*抗原群可以准确将两组人群分类。然后依靠这些病*建立的回归模型对人群进行预测并建立相关的评分系统，也证实与肝癌病人的预后显著相关。紧接着研究组采用全基因组关联分析对研究人群的所有基因型进行分析，进而找到了跟模型中病*相关的单核苷酸多态性位点，并且对这些位点的生物学功能进行了深入阐释。为了更进一步验证模型的可靠性，该研究团队采用了前瞻性纵贯队列研究方法。选取了经过长达二十年的随访了的慢性肝炎病人，其中44人不幸演变成了肝癌，发现研究模型对肝癌早发的诊断效率是高于传统的基于甲胎蛋白(AFP)的方法。
综上所诉，王心伟研究团队通过病*组测序技术对总共一千多人进行病*组测序，得到病*感染病史的高质量数据，同时构建病*图谱模型对肝癌的早发进行预测。采用全基因组关联技术定位病*互作的易感位点和基因。这一开创性的研究揭示了病*组感染史可以作为肝癌早期诊断的潜在工具，也为提出利用个体病*感染史作为预测早期癌症的新观点提供了有效的科学依据。