多种类型的癌症[86]。循环游离DNA（cfDNA）的新概念也有望在未来应用于癌症诊断。
不幸的是，在临床环境中使用液体活检进行早期诊断时，缺乏标准化的分离、扩增和检测技术。关于早期癌症检测的生物标志物，最显著的成就之一是高通量技术平台（如NGS）的出现，这些平台可以全面量化整个基因组或转录组。过去几十年中，NGS的成本大幅下降，这使得能够对更多的临床生物样本进行测序，并生成覆盖深度更高的数据集。为低表达转录本生成更高分辨率的数据，提高了检测循环中罕见癌源转录本的能力。一项旨在通过AI在Gene Expression Omnibus (GEO) 数据集中发现预测胃癌（GC）潜在miRNA的研究，特别是结合了几种机器学习方法和Boruta算法，表明使用hsa-miR-1343-3p可以预测胃癌，其AUC为100%（敏感性100%，特异性100%，ROC 100%）[87]。最近的一项研究使用高通量RNA-seq，检查了胃癌患者和健康个体血清EV中circRNA的表达谱。结果表明，circRNA Chr10q11、Chr1p11和Chr7q11在胃癌中上调；三种circRNA组合的AUC为0.839（95%CI：0.772-0.893），敏感性为73.2%，特异性为84.1%。构建的circRNA-miRNA-mRNA网络预测，这三种鉴定出的circRNA与13个miRNA和91个mRNA相互作用。这些发现表明，EV circRNA组合可能为胃癌的早期诊断提供新的见解[88]。利用TCGA和GEO数据集中的公开基因表达谱，最近的一项研究通过构建竞争性内源RNA（ceRNA）网络探索了circRNA-miRNA-mRNA相互作用轴。基于ceRNA中的核心RNA，通过LASSO回归分析筛选预测mRNA特征和miRNA特征的模型，发现五种基于mRNA的特征（CTF1、FKBP5、RNF128、GSTM2和ADAMTS1）和五种基于miRNA的特征（miR-145-5p、miR-615-3p、miR-6507-5p、miR-937-3p和miR-99a-3p）具有出色的胃癌诊断预测能力，AUC为0.9975[89]。类似地，一项使用circRNA-miRNA-免疫相关mRNA调控网络并在新GEO和TCGA数据集中验证的研究，鉴定了由hsa_circ_0050102–hsa-miR-4537-NRAS-Tgd细胞、hsa_circ_0001013-hsa-miR-485-3p-MAP2K1-Tgd细胞、hsa_circ_0003763-hsa-miR-145-5p-FGF10-StromaScore、hsa_circ_0001789-hsa-miR-1269b-MET-脂肪细胞、hsa_circ_0040573-hsa-miR-3686-RAC1-Tgd细胞和hsa_circ_0006089-hsa-miR-5584-3p-LYN-神经元等构建的各种ceRNA（circRNA-miRNA-免疫相关mRNA）调控网络，其中FGF10、MET、NRAS、RAC1、MAP2K1和LYN对胃癌患者的诊断具有重要意义[90]。
一项完全基于生物信息学模型的研究构建了一个基于三种circRNA、43种miRNA和119种mRNA的circRNA-miRNA-mRNA网络，观察到hsa_circ_0001013、hsa_circ_0007376和hsa_circ_0043947的上调，这可能为机械检查提供新的途径，并为胃癌的早期检测提供可能的生物标志物[91]。同样，在一项生物信息学circRNA-miRNA-基因相互作用网络分析中，两种circRNA（CircCEACAM5和CircCOL1A1）与胃癌相关的miRNA及其宿主基因合作，被建议作为胃癌的关键诊断生物标志物[92]。单细胞测序技术的出现显著提高了低输入测序的分辨率。最近引入的单细胞DNA/RNA-seq提供了检测细胞类型和细胞状态的机会。例如，一项针对胃前恶性病变和早期胃癌（EGC）的单细胞表达图谱研究识别了不同病变中多种细胞类型的表达特征，以及一组六个高置信度标记，这些标记可作为胃癌早期诊断的特异性生物标志物[93]。加权基因共表达网络分析（WGCNA）旨在：(1) 基于不同基因表达谱之间的相关性，在多个生物样本中识别共表达模块；(2) 探索基因网络与感兴趣的表型之间的关系，以及网络中的核心基因[94]。进行WGCNA可以防止先前生物方法的假阴性和假阳性结果。来自GEO数据库的WGCNA数据显示，涉及胃癌的核心基因包括四种功能基因（ITGAX、CCL14、ADHFE1和HOXB13），这些基因在肿瘤和正常胃样本中差异表达。另一项应用WGCNA并使用TCGA数据库的RNA-seq和临床数据筛选早期胃癌（EGC）潜在生物标志物的研究，识别了五个核心基因：MS4A1、THBS2、VCAN、PDGFRB和KCNA3[94]。这些技术发展将使更多研究人员能够对人类循环系统中的分子谱进行全面评估。
系统性研究已开发出应用非编码RNA（ncRNA）分子谱作为癌症生物标志物的方法。几项研究使用组织谱型数据来识别ncRNA作为潜在生物标志物，从而在血液队列中评估这些与癌症相关的ncRNA特征。最近使用多个组织测序数据集识别了在胃癌组织中高度过表达的miRNA。使用三种miRNA（miR-18a、miR-181b和miR-335）的定量逆转录聚合酶链反应数据验证的风险概率显示出比目前使用的常规肿瘤标志物CEA和CA19-9更好的诊断性能。此外，三-miRNA特征能够区分I期胃癌患者和无癌个体。更重要的是，使用miRNA特征相对于当前的内镜筛查临床实践显著更具成本效益，这表明与胃癌相关的miRNA特征在多个队列中的稳健性[95]。
