Sturgeon V2：基于重标注数据训练的CNS肿瘤分类器

DNA甲基化分类如今已是中枢神经系统肿瘤诊断的支柱之一：2016年WHO分类将分子标准写入实体定义，海德堡团队的机器学习分类器及其在千余例样本上的常规诊断实践，则把这一方法真正推入了临床^[1][2]。在儿童神经肿瘤中，甲基化谱与靶向测序的多组学整合还被证明能显著提高诊断准确性^[3]。但常规甲基化检测耗时且对DNA质量数量有要求，为此学界也在探索替代路径，例如从组织病理图像直接预测甲基化类别^[4]，或用空间转录组在微量、质量欠佳的样本上完成分子评估^[6]。而针对术中决策，纳米孔测序虽可极快速地给出甲基化信号，时间受限下却只能产生稀疏的甲基化谱，需要专门分类器；迄今所有公开可用的稀疏谱分类器都依赖2018年发布的仅2,801例的单一参考集及其配套分类体系，这是该方法卡住的地方。

Sturgeon V2正是冲着这一瓶颈而来。作者从多个公共数据库与合作渠道汇集了近万例甲基化谱；由于来源不同、肿瘤类别标签互不一致，他们发展出一种带两级一致性过滤的迭代式半监督重标签策略，并证明该过滤对达到最优性能不可或缺。相比V1，分类器架构也重新设计，以便在测序数据不断累积时给出更稳定、更一致的置信度估计；类别体系同步更新，新增了脑膜瘤亚型、PATZ融合的神经上皮肿瘤和PLAG1/2扩增的胚胎性肿瘤等类别。在94例儿童术中回顾队列中，V2有85例“有把握且正确”（V1为78例），仅1例有把握的错误分类；在1,880次模拟测序中，有把握判断的错误率从7.1%降至2.8%，优于公开可用的同类工具。

这一工作的推进意义，可放在参照系更新的背景下看：面向常规甲基化谱的海德堡参考分类器已迭代至v12.8，训练集扩至7,495例，类别从v11的91类扩至184个亚类^[5]，而术中稀疏谱分类器却始终停留在2018年参考时代。Sturgeon V2将近万例重标签数据与更新的类别体系带入术中场景，按作者的说法，这是在2018年参考时代之后训练、公开可用且可本地运行的稀疏谱分类器；其跨库重标签与一致性过滤的流程，也为整合异质标注数据提供了可借鉴的范式。

当然，文中完成术中验证的队列全部为儿童病例，方法在成人肿瘤中的表现仍待检验；即便错误率大幅下降，“有把握”的判断也并非绝对无误，队列中仍出现了1例有把握的误分类。更大规模、前瞻性的术中验证，以及新纳入类别在真实手术场景下的可靠性，是接下来需要回答的问题。