目的肺癌(LC)是一种始于支气管和肺的恶性肿瘤,目前肺癌仍然是死亡率最高的癌症。在临床中,肺癌的早期临床症状不明显,缺乏有效的早期诊断方法。早期筛查的主要手段为放射影像学,它的敏感性和特异性并不明显。除此之外,并无能够准确诊断肺癌的有效工具。本研究旨利用潜在的的血液分子标志物建立鉴别肺癌与肺良性疾病的诊断模型,提高肺癌的诊断和筛查技术。方法基于干血斑(DBS)样品进行串联质谱(MS/MS)和常规的血液分子标志物检查分析了174名肺癌患者,350名肺良性疾病患者和100名健康人的DBS样品和血液样品进行检测,检测指标由23个氨基酸,26个酰基肉碱和47个常规血液标记物构成。采用弹性网络(Elastic network)对于检测指标进行分析,筛选出肺癌与肺良性疾病相关的差异指标,通过表型二分法将所有数据归一化并离散化为类别变量。每个比较子组的三分之二用作建模和签名构建的训练集,其余的三分之一用作验证集。并且使用接收器工作曲线(AUC)下的面积评估模型区分肺癌和良性肺疾病的能力。结果通过Elastic network筛选出17个相关血液标志物建立预测模型,与CONT组相比,LC组的Gly/Ala,Ala,Glu,Gln,Pip,Lys,Leu,Pro,Thr,碱性磷酸酶和尿酸水平升高,而LD组的Phe,Gly,Cit降低,LC组的血小板,γ-谷氨酰胺转移酶和丙氨酸氨基转移酶水平降低,在LD组中反而升高。应用接收器工作曲线(AUC)下的面积评价训练集和验证集模型,训练集的AUC为0.915,特异性为0.702,灵敏度为0.965,正确的数据筛选率为0.789。在测试集中,AUC为0.875,特异性为0.756,灵敏度为0.948.结论在这项研究中,应用了17中血液标记物,例如代谢物:Gly/Ala,Ala,Glu,Gln,Pip,Lys,Leu,Pro,Thr,Phe,Gly,Cit;常规血液标记物:血小板,碱性磷酸酶,尿酸,γ-谷氨酰胺转移酶和丙氨酸氨,建立一个合理的诊断模型。基转移酶基于代谢组学结合常规血液标志物分析,构建了合理的回归模型以准确区分肺癌和良性肺疾病。