Nature Medicine | 颠覆性发现：口腔细菌竟是肠癌“共犯”？跨越癌前病变到晚期，微生物...

正文

请到「今天看啥」查看全文

微生物指纹：肠癌的“秘密联络”

肠道内的微生物群落，就像一个复杂的生态系统，其多样性（diversity）和组成结构（composition）反映着宿主的健康状态。这项大规模研究首先从整体上揭示了肠癌患者肠道微生物群落的特征。

多样性与口腔菌群的“闯入”

Alpha-diversity（α多样性）： 这衡量的是单个样本内微生物物种的丰富度和均匀度。研究发现，在16个队列中的9个中，肠癌患者的肠道微生物α多样性（例如Shannon指数和SGBs丰富度）高于健康对照组（标准化均差SMD > 0）。尽管这一趋势在荟萃分析（meta-analysis）中并未达到统计学显著水平（P ≥ 0.05），且微生物丰富度与临床分期之间没有明显的线性关系，但它提供了一个有趣的整体视角。

口腔-肠道微生物的渗透： 代表口腔微生物渗入肠道的“口腔-肠道微生物评分”（oral-to-gut microbiome score）在肠癌患者中显著升高（标准化均差SMD = 0.47，P < 0.001）。这表明，口腔中的一些微生物可能“非法”地进入了肠道，并在肠癌的发生发展中扮演了角色。这种现象在晚期肠癌患者中更为明显，评分的标准化均差为0.14（P = 0.003），提示随着疾病的进展，口腔微生物的渗透可能加剧。

肿瘤位置的影响： 肿瘤的原发位置也与微生物特征相关。起源于右侧结肠（right colon）的肠癌，其微生物丰富度相对较低（标准化均差SMD = 0.25，P = 0.07），但口腔来源SGBs的丰度却显著高于起源于左侧结肠（left colon）和直肠（rectum）的肠癌（标准化均差SMD = -0.23，P = 0.003）。这进一步支持了口腔微生物在肠癌中的作用，并提示肿瘤位置可能影响这种渗透的程度。

群落组成与疾病进展

Beta-diversity（β多样性）： 这衡量的是不同样本之间微生物群落组成的差异。研究明确指出，肠癌患者的微生物群落组成与健康对照组存在显著差异（差异方差分析PERMANOVA R² = 0.014，P ≤ 0.01），这与之前的研究发现一致。

分期与腺瘤的特殊性： 令人意外的是，早期肠癌（0-III期）与晚期肠癌（III-IV期）的微生物群落组成没有显著差异（R² = 0.01，P ≥ 0.05）。同样，腺瘤患者的微生物群落与健康对照组也没有统计学上的显著差异（P ≥ 0.05）。这可能意味着，肠道微生物群在从腺瘤向癌变过渡的阶段，以及在早期癌变之后，扮演了更为关键的角色，而不同癌变阶段之间的微生物群落差异可能相对较小，或者需要更精细的分析才能捕捉。

总而言之，这些综合数据有力地支持了“富集的口腔微生物渗入肠道”可能是区分肠癌不同阶段和位置的关键因素。

精准预警：宏基因组学如何实现“火眼金睛”？

基于肠道微生物组的粪便宏基因组学检测，被认为是无创肠癌筛查（non-invasive CRC screening）的潜在途径。这项研究进一步优化了这一潜力，通过利用更大的样本量和机器学习（machine learning, ML）算法，显著提升了肠癌病例的预测准确性。

研究团队采用了三种不同的机器学习模型验证策略：

数据集内交叉验证（per-dataset cross-validation, CV）： 在每个数据集内部进行10折交叉验证，重复20次。

数据集间训练-测试（training-testing across datasets）： 将数据分成不同的训练集和测试集进行交叉验证，确保模型在未见过的数据上的泛化能力。

留一法（Leave-One-Dataset-Out, LODO）： 这是一种更为严格的验证方法，它每次将一个数据集作为测试集，用剩余的所有数据集进行训练，从而最大限度地评估模型的普适性和稳健性。

结果令人振奋：通过LODO方法，模型对肠癌状态的预测达到了最高且最稳定的曲线下面积（AUC）。平均AUC高达0.85，范围从0.71到0.97。这相较于之前研究报道的平均AUC 0.81，有了显著提升。这表明，随着样本量的增加和分析方法的优化，基于肠道宏基因组学的肠癌预测能力正变得越来越强大和可靠。

更重要的是，研究还揭示了口腔来源微生物在预测中的核心地位。当模型仅使用口腔来源的SGBs进行分类时，平均AUC仍能达到0.83，而仅使用非口腔来源的SGBs时，平均AUC则为0.79。这证实了微生物群落预测肠癌的强大能力，很大程度上（但并非全部）来源于粪便中“口腔典型菌群”的存在。相比之下，如果仅使用微生物的功能特征（functional features）进行预测，效果则相对较差，平均AUC仅为0.68至0.72。

这些结果进一步巩固了基于粪便宏基因组学的预测工具在肠癌筛查中的巨大潜力。它们不仅在大型多样化数据集上进行了训练和验证，更凸显了肠癌发生发展过程中，肠道中口腔来源微生物存在的预测重要性。

关键物种与功能：谁是肠癌的“共犯”？

深入到微观世界，研究团队利用多队列分析的强大能力，精确识别了与肠癌相关的特定微生物生物标志物。

明星物种：不仅仅是“老熟人”，更有“新面孔”

研究共识别出125种在肠癌患者中相对丰度显著增加的SGBs（校正q值<0.1），其中包含了106种已知SGBs和19种以前未被识别的未知SGBs。同时，也有83种SGBs在健康对照组中更为丰富。这表明肠癌相关的微生物图谱比我们之前认为的更为复杂。

“老熟人”的再确认： 研究再次确认了一些已知的肠癌相关微生物，如微小口杆菌（Parvimonas micra）、Morbilliform格姆氏菌（Gemella morbillorum）和口腔消化链球菌（Peptostreptococcus stomatis），它们的标准化均差分别为0.63、0.59和0.58，进一步证明了它们在肠癌中的显著富集。

“新面孔”的涌现： 更令人兴奋的是，研究发现了许多新关联的SGBs。其中最引人注目的是多个基因组上不同的具核梭杆菌（Fusobacterium nucleatum）SGBs，包括SGB6007（标准化均差SMD = 0.54）、SGB6014（SMD = 0.50）、SGB6011（SMD = 0.47）、SGB6001（SMD = 0.43）和SGB6013（SMD = 0.34）。这些具核梭杆菌的亚种或菌株，如具核梭杆菌动物亚种（F. nucleatum animalis）、具核梭杆菌vincentii亚种（F. nucleatum vincentii）和具核梭杆菌多形亚种（F. nucleatum polymorphum），在肠癌中均显示出显著富集。此外，脆弱拟杆菌（Bacteroides fragilis）的两个SGBs（SGB1853和SGB1855，SMD = 0.32），以及哈氏亨氏菌（Hungatella hathewayi）的两个SGBs（SGB4741和SGB4742，SMD分别为0.33和0.27），也均与肠癌显著相关（q值<0.1）。

口腔菌群的“侵略性”： 在识别出的肠癌肠道生物标志物中，有相当一部分是口腔典型物种。在125种与肠癌呈正相关的SGBs中，有21种（16.8%）是口腔典型物种。相比之下，在未与肠癌显著相关的488种SGBs中，只有34种（7.0%）是口腔典型物种，这在统计学上显示出显著差异（Fisher精确检验，P < 0.01）。更重要的是，在研究中，没有发现任何口腔SGBs与健康对照组相关。这进一步强调了口腔来源微生物在肠癌中的特殊作用。

研究还通过重建菌株和亚种水平的系统发育关系（phylogenetic relationships），发现一些口腔典型物种，如具核梭杆菌SGB6007和三种魏荣氏菌（Veillonella species），其亚类在口腔或肠道中更普遍存在。这提示这些口腔微生物可能在肠道环境中发生了基因组适应。

为了更深入地了解这21种在肠癌中丰度更高的口腔SGBs的趋向性，研究利用了来自同一健康个体的牙菌斑（dental plaque）和舌背（tongue dorsum）宏基因组数据集。结果显示，有11种SGBs在牙菌斑中丰度更高（其中7种位列前8名最富集物种），而有5种SGBs在舌背中丰度更高。这暗示了形成生物膜（biofilm-forming microbes）的微生物可能在肠道肠癌微生态中发挥着重要作用。

为了验证这些微生物生物标志物是否与肠道中原发肿瘤的存在相关，研究评估了微生物群在区分“原位肿瘤”（in situ primary tumor）和“已切除肿瘤”（resected primary tumor）的IV期肠癌患者中的潜力。通过留一法（LODO）验证，模型取得了0.78的曲线下面积（AUC）。研究还发现，在与肠癌最相关的20种SGBs中，有13种（其中11种是口腔来源）在原发肿瘤存在时显著丰度更高。这进一步支持了“口腔共生菌渗透入肠道”的重要性，以及原发肿瘤微环境决定粪便微生物组整体特征的观点。

请到「今天看啥」查看全文