Breath volatile biomarkers are capable of distinguishing patients with various cancers. However, high throughput analytical technology is a prerequisite to a large‐cohort study intended to discover reliable breath biomarkers for cancer diagnosis. Single‐photon ionization (SPI) is a universal ionization technology, and SPI‐mass spectrometry (SPI‐MS) shows a remarkable advantage in the comprehensive detection of volatile organic compounds (VOCs), in particular, nonpolar compounds. In this study, we have introduced SPI‐MS coupled with on‐line thermal desorption (TD‐SPI‐MS) to demonstrate nontarget analysis of breath VOCs for gastric cancer patients. The breath fingerprints of the gastric cancer patients were significantly distinct from that of the control group. Acetone, isoprene, 1,3‐dioxolan‐2‐one, phenol, meta‐xylene, 1,2,3‐trimethylbenzene, and phenyl acetate showed higher relative peak intensities in the breath profiles of gastric cancer patients. A diagnostic prediction model was further developed by using a training set (121 samples) and validated with a test set (53 samples). The predication accuracy of the developed model was 96.2%, and the area under the curve (AUC) of the receiver operator characteristic curve (ROC) was 0.997, indicating a satisfactory prediction ability of the developed model. Thus, by taking gastric cancer as an example, we have shown that TD‐SPI‐MS will be a promising tool for high throughput analysis of breath samples to discover characteristic VOCs in patients with various cancers.

中文翻译：

---

使用在线预浓缩质谱法进行呼出气分析在胃癌诊断中的应用

呼吸挥发性生物标志物能够区分患有各种癌症的患者。然而，高通量分析技术是旨在发现可靠的用于癌症诊断的呼吸生物标志物的大型队列研究的先决条件。单光子电离（SPI）是一种通用的电离技术，SPI-质谱（SPI-MS）在挥发性有机化合物（VOCs），特别是非极性化合物的综合检测中显示出显着的优势。在这项研究中，我们引入了 SPI-MS 与在线热解吸 (TD-SPI-MS) 相结合的方法，以证明对胃癌患者呼吸 VOC 的非目标分析。胃癌患者的呼吸指纹与对照组有显着差异。丙酮、异戊二烯、1,3-二氧戊环-2-酮、苯酚、间二甲苯、1,2,3-三甲苯、和苯乙酸在胃癌患者的呼吸曲线中显示出更高的相对峰值强度。通过使用训练集（121 个样本）并使用测试集（53 个样本）进行验证，进一步开发了诊断预测模型。所建立模型的预测准确率为96.2%，受试者工作特征曲线(ROC)的曲线下面积(AUC)为0.997，表明所建立模型的预测能力令人满意。因此，以胃癌为例，我们已经证明 TD-SPI-MS 将成为高通量分析呼吸样本以发现各种癌症患者特征性 VOC 的有前途的工具。通过使用训练集（121 个样本）并使用测试集（53 个样本）进行验证，进一步开发了诊断预测模型。所建立模型的预测准确率为96.2%，受试者工作特征曲线(ROC)的曲线下面积(AUC)为0.997，表明所建立模型的预测能力令人满意。因此，以胃癌为例，我们已经证明 TD-SPI-MS 将成为高通量分析呼吸样本以发现各种癌症患者特征性 VOC 的有前途的工具。通过使用训练集（121 个样本）并使用测试集（53 个样本）进行验证，进一步开发了诊断预测模型。所建立模型的预测准确率为96.2%，受试者工作特征曲线(ROC)的曲线下面积(AUC)为0.997，表明所建立模型的预测能力令人满意。因此，以胃癌为例，我们已经证明 TD-SPI-MS 将成为高通量分析呼吸样本以发现各种癌症患者特征性 VOC 的有前途的工具。