来自北京大学医学部的研究人员与美国贝勒医学院等单位合作，在筛选鉴定肿瘤特异性抗原方面取得重要进展，其主要研究成果发表在最新一期的国际著名杂志《癌症研究》（Cancer Research）上。
肿瘤特异性抗原是一类在肿瘤组织中特异性高表达，而在所有或者大多数正常组织中不表达或低表达的蛋白。很多肿瘤特异性抗原已经被用于对肿瘤的早期诊断，预后评估以及被作为肿瘤治疗的靶点。研究显示，部分肿瘤特异性抗原在癌症患者体内能有效诱导免疫应答，限制肿瘤的生长和转移，在少数患者中甚至能完全清除肿瘤。因而筛选鉴定肿瘤特异性抗原成为肿瘤诊断和治疗的研究热点。
筛选肿瘤特异性抗原的现有方法包括重组cDNA表达文库的血清学鉴定（SEREX），蛋白质组学分析和抑制性消减杂交技术（SSH）等，但这些实验技术的实验成本较高，周期较长，并且常常受到实验材料的限制，例如各种癌症病人的血清或者肿瘤组织。在该研究中，由来自北京大学医学部和美国贝勒医学院的合作研究团队，采用了生物信息学算法来快速筛选肿瘤特异性抗原。
通过分析在临床上广泛认可和应用的经典肿瘤特异性抗原的表达谱特点，该团队开发出一套独特的被命名为HEPA（Heterogeneous Expression Profile Analysis）的算法。研究显示，这种算法能有效从包含数以万计基因的人类全基因组中筛选出与经典肿瘤特异性抗原具有相似表达谱特点的基因。通过实验验证，初步得到19个新的肿瘤特异性抗原。
随后，该团队检测了癌症患者血清中自发产生的对这些肿瘤抗原的特异性抗体。针对肿瘤自身特异性抗体丰度极低的特点，他们开发了一种新的血清学检测方法PARSE (Protein A/G based reverse serum ELISA) 。研究人员发现，在约为4~11%的肺癌患者血清中，有针对四个新的肿瘤特异性抗原的自身抗体，而在健康志愿者血清中则罕见。在两组独立的肺癌病人血清中，该四种肿瘤特异性抗原联合ROC曲线的曲线下面积均达到0.71以上，提示其可作为肺癌的联合诊断标志物。如果进一步联合肺癌其他已知的血清学标志物，其诊断效果很有可能会进一步提高。
该研究利用快速发展的生物信息学技术，互联网上丰富的生物数据资源，发展了从分析肿瘤特异性抗原独特的表达谱特点入手，开发生物信息学算法用以高通量快速筛选肿瘤特异性抗原，实验手段验证其表达谱，检测患者血清中自发的抗肿瘤免疫反应以确定肿瘤特异性抗原的免疫原性，再到利用联合标志物诊断癌症的一套完整思路，对肿瘤的早期诊断和肿瘤疫苗的研制具有重要的参考价值。
