细胞游离DNA（cell-free DNA，cfDNA）是癌细胞在凋亡、坏死或分泌过程中脱落并游离于细胞外的核酸片段。cfDNA携带了突变、拷贝数变异（Copy Number Variation，CNV）、甲基化、释放组织/细胞特征等信息^[1]。cfDNA片段组学（cfDNA fragmentomics）是基于液体活检前沿方法的无创肿瘤早筛与医学研究解决方案，亦指cfDNA中肿瘤DNA的片段化模式与其他组织片段化模式之间的差别，近年来愈加受到广泛关注^[2]。

cfDNA片段组学服务使用全基因组测序（WGS）检测血液cfDNA的片段化模式。通过分析cfDNA的片段化模式，包括片段大小比（Fragment Size Ratio，FSR）、片段大小分布（Fragment Size Distribution，FSD）、末端motif（EnD Motif，EDM）、断点motif（BreakPoint Motif，BPM）、CNV、SNP、核小体足迹（反映染色质可及性和基因表达状态）。这些特征与基因组组织、细胞死亡方式以及表观遗传修饰密切相关^[3]。对cfDNA片段化模式上的差别进行区分，研究cfDNA片段化模式与DNA甲基化、组蛋白修饰和染色质结构之间的关系，从而推断癌症相关的表观遗传变化。适合大规模人群筛查研究。

图1. cfDNA片段组学示意图^[3]

 

图2. DNA片段化模式被认为与其潜在的遗传及表观遗传图谱密切相关，这一图谱影响着参与cfDNA产生、释放与清除的特定片段化机制^[2]

 

4

分析条目

1、原始数据质控

2、基因组比对

3、片段大小比计算（FSR）

4、片段大小分布计算（FSD）

5、末端motif（EDM）和断点motif（BPM）分析

6、CNV与SNP突变位点分析

7、核小体足迹分析

8、单/多癌种模型预测

 

 

5

分析结果示例

 

图3. 染色体片段大小分布（FSD）^[4]

 

图4. 片段大小比（FSR）统计，在健康和癌症之间的分布^[5]

 

图5. 核小体分布^[6]

 

图6. 癌症多模型预测AUC和特征热图分布^[7]

 

 

7

研究案例

1、J Clin Oncol（IF 41.9）：基于cfDNA片段组学和机器学习的胰腺癌早期检测新突破^[8]

该研究开发了一种创新的胰腺导管腺癌（PDAC）早期检测方法，通过整合四维cfDNA片段组学特征（CNV、FSR、突变特征MCMS和甲基化模式FragMA）与堆叠集成机器学习算法，构建了高精度预测模型。

研究纳入1,167名参与者，采用WGS（5×）分析血浆cfDNA。模型在训练集中AUC达0.992，验证集中AUC为0.987，灵敏度97.3%，特异性92.8%。该模型在早期PDAC（I/IIA期）、CA19-9阴性患者、非黄疸患者中均表现优异，显著优于传统肿瘤标志物。更重要的是，即使将测序深度降至1×，模型仍保持高准确性，大幅降低了检测成本。

这项研究首次在大规模队列中系统描绘了胰腺癌cfDNA片段组学图谱，发现PDAC患者存在特征性的染色体臂水平缺失（6q、18q）、片段短化、甲基化水平降低以及特定突变信号（SBS2、SBS13等APOBEC活性增强相关特征）。通过拦截模型预测，早期筛查干预可使大部分患者在I期被诊断，保守估计可挽救27%的生命。 

图7. 胰腺癌患者与健康人cfDNA的基因组特征对比

 

 

2、Nat Med（IF 50.0）：基于多维cfDNA片段组学的多癌种早期检测研究^[9]

该研究开发了一种名为CANSCAN的创新血液检测技术，通过WGS分析血浆cfDNA的多维片段组学特征，实现13种常见癌症的早期检测。该技术整合了五大片段组学维度：CNV、FSC、FSD、核小体足迹和片段甲基化，利用深度学习模型进行癌症信号检测和组织溯源。在独立验证队列中，该方法达到87.4%的灵敏度和97.8%的特异性，对I-II期早期癌症的检测灵敏度超过79%，组织溯源准确率达83.5%。前瞻性筛查研究（3,724例无症状人群）显示53.5%的灵敏度和98.1%的特异性，能够发现48%被传统筛查方法漏检的癌症病例。这项研究证明了cfDNA片段组学作为无创、高效的多癌种早期检测手段的巨大临床应用潜力，特别是对缺乏标准筛查方案的癌种（如胰腺癌、卵巢癌）具有重要价值。

图8. 五大片段组学特征的癌症vs非癌症对比

 

 

3、PNAS（IF 9.1）：cfDNA片段组学揭示组蛋白修饰特征——FRAGHA技术实现无创液体活检新突破^[10]

该研究使用cfChIP-seq（cfDNA染色质免疫沉淀测序技术），结合常规cfDNA全基因组测序和cfWGBS测序数据，分析了血浆cfDNA的片段组学特征（片段大小分布和末端基序模式）与组蛋白修饰（H3K27ac和H3K4me3）的关系。研究发现230-350 bp范围的cfDNA片段频率与H3K27ac信号高度相关（r=0.96），并通过开发的FRAGHA技术分析组织特异性区域的片段组学特征即可推断组蛋白修饰水平。该方法在孕妇（胎儿DNA定量）、肝移植受者（供体DNA监测）、β-地中海贫血、肝癌和结直肠癌患者中得到验证，结合机器学习模型后肝癌检测AUC达0.97，为液体活检提供了简便、低成本的表观遗传学分析新策略。

图9. A）不同H3K27ac水平区域的片段大小分布曲线；B-F）五个特定大小范围的片段频率与H3K27ac信号的散点图；G-K）用片段大小推断的H3K27ac信号与cfChIP-seq实测值的验证对比

 

4、PNAS（IF 9.1）：通过cfDNA片段组学特征推断DNA甲基化状态^[11]

该研究开发了一种名为FRAGMA（FRAGmentomics-based Methylation Analysis）的创新技术，通过分析血浆cfDNA的片段化模式（特别是CpG位点周围的切割偏好和末端序列特征），无需经过亚硫酸盐或酶法转化处理即可推断DNA甲基化状态。研究发现甲基化的CpG位点在切割模式上呈现特征性差异，表现为CGN/NCG末端基序比例与甲基化水平高度相关。该技术可用于组织溯源分析、肿瘤早期检测和无创产前诊断，在肝癌检测中达到0.98的AUC，并通过深度学习模型实现了单个CpG位点分辨率的甲基化预测（AUC=0.93），为液体活检提供了一种整合遗传和表观遗传信息的简化方案。

 

图10. FRAGMA技术原理示意图

参考文献

[1] Wan JCM, Massie C, Garcia-Corbacho J, et al. Liquid biopsies come of age: towards implementation of circulating tumour DNA. Nat Rev Cancer. 2017;17(4):223-238. doi:10.1038/nrc.2017.7

[2] Tsui WHA, Jiang P, Lo YMD. Cell-free DNA fragmentomics in cancer. Cancer Cell. 2025;43(10):1792-1814. doi:10.1016/j.ccell.2025.09.006

[3] Ding SC, Lo YMD. Cell-Free DNA Fragmentomics in Liquid Biopsy. Diagnostics (Basel). 2022;12(4):978. Published 2022 Apr 13. doi:10.3390/diagnostics12040978

[4] Adalsteinsson VA, Ha G, Freeman SS, et al. Scalable whole-exome sequencing of cell-free DNA reveals high concordance with metastatic tumors. Nat Commun. 2017;8(1):1324. Published 2017 Nov 6. doi:10.1038/s41467-017-00965-y

[5] Cristiano S, Leal A, Phallen J, et al. Genome-wide cell-free DNA fragmentation in patients with cancer. Nature. 2019;570(7761):385-389. doi:10.1038/s41586-019-1272-6

[6] Sun K, Jiang P, Cheng SH, et al. Orientation-aware plasma cell-free DNA fragmentation analysis in open chromatin regions informs tissue of origin. Genome Res. 2019;29(3):418-427. doi:10.1101/gr.242719.118

[7] Wang S, Meng F, Li M, et al. Multidimensional Cell-Free DNA Fragmentomic Assay for Detection of Early-Stage Lung Cancer. Am J Respir Crit Care Med. 2023;207(9):1203-1213. doi:10.1164/rccm.202109-2019OC

[8] Yin L, Cao C, Lin J, et al. Development and Validation of a Cell-Free DNA Fragmentomics-Based Model for Early Detection of Pancreatic Cancer. J Clin Oncol. 2025;43(26):2863-2874. doi:10.1200/JCO.24.00287

[9] Bao H, Yang S, Chen X, et al. Early detection of multiple cancer types using multidimensional cell-free DNA fragmentomics. Nat Med. 2025;31(8):2737-2745. doi:10.1038/s41591-025-03735-2

[10] Bai J, Jiang P, Ji L, et al. Histone modifications of circulating nucleosomes are associated with changes in cell-free DNA fragmentation patterns. Proc Natl Acad Sci U S A. 2024;121(42):e2404058121. doi:10.1073/pnas.2404058121

[11] Zhou Q, Kang G, Jiang P, et al. Epigenetic analysis of cell-free DNA by fragmentomic profiling. Proc Natl Acad Sci U S A. 2022;119(44):e2209852119. doi:10.1073/pnas.2209852119