扫码联系客服
顶刊：真菌和细菌协同诊断CRC
真菌：微生物界的老选手，转化为临床诊断新秀
真菌是尚未得到充分研究的病原体，形成宿主的免疫并感染免疫功能低下的人，包括癌症患者。
先前研究表明[1]，在多种癌型中发现了真菌，包括胃肠道和肺部肿瘤等。另外，有助于食管癌和胰腺癌的发生。
多界微生物个性化思路
立即扫码上车
在2022年Cancer Discovery杂志上的一篇综述中提到，肿瘤组织中存在代谢活性、免疫活性、细胞内和癌症类型特异性的细菌和病毒群落，这些群落被纳入更新的癌症“hallmarks”。这些细菌影响癌症治疗。
真菌是否有上述类似的作用，是否应该被包括在癌症“hallmarks”多态微生物群落中尚不清楚，这就推动了泛癌真菌群落的表征。
真菌和细菌之间存在共生和拮抗关系，进一步促进了对它们在肿瘤中的相互作用的研究。发表在Nature Microbiology杂志中的文章Muti-kingdom microbiota analyses identify bacterial-fungal interaction and biomarkers of colorectal cancer across cohorts（IF：30.96）表明，将真菌和细菌的信息结合起来可提供对结直肠癌（CRC）的协同诊断性能。
该项研究分析了8个国家/地区CRC队列中1368个样本的宏基因组数据，鉴定出20个古菌、27个细菌、20个真菌和21个病毒物种可分别用于CRC的单界诊断模型，但基于16个多界标志物（11个细菌、4个真菌和1个古菌）的诊断模型准确性最佳（AUROC=0.83），并在3个独立队列中验证，生态网络的Co-abundance分析揭示了CRC中的细菌和真菌物种间的关联，宏基因组功能分析表明，CRC中D-氨基酸代谢和丁酸酯代谢增加，基于功能基因的诊断模型准确性高（AUROC=0.86）。
下面看一下具体研究内容吧~
CRC相关的四界微生物物种的综合分析
1.收集8个CRC队列中1368个样本的宏基因组数据，队列包括FRA、GER、AUS、USA、ITA、CHN、CHN_SH、JPN。
2.通过Shannon指数评估CRC患者和健康对照组的α多样性变化。CRC患者的微生物α多样性下降。β多样性不仅与疾病状态相关，在不同队列间也存在差异。
3.不同的微生物种类在不同的队列中差异很大，但存在一些物种具有一致的变化，比如细菌Alistipes onderdonkii，Parvimonas micra 和Gemella morbillorum，真菌Aspergillus rambellii，Trichophyton mentagrophytes。然而，古菌和病毒在不同队列中显示出大量的差异，没有一致的差异物种。
图1
二、单界微生物标记物用于CRC诊断
1.鉴定出20种真菌，27种细菌，20种古细菌和21种病毒作为重要特征。
2.基于上述每个单界特征，构建五重交叉验证随机森林模型。细菌模型在所有队列中显示出最强的CRC检测能力，AUROC平均得分为0.80，范围为0.73至0.85。真菌模型平均AUROC值为0.77。基于古菌（AUROC=0.74）和病毒（AUROC=0.73）的模型诊断能力相对较差。
3.上述模型诊断能力在不同的地理队列中显示出很大的差异，表明这些CRC患者有不同的肠道微生物组特征，很可能是由于饮食差异。
4.为了评估上述特征是否可以普遍应用于CRC诊断并克服地理异质性，作者进行了队列间转移分析和leave-one-cohort-out (LOCO)分析。与交叉验证模型相比，基于队列间转移分析的受试者工作特征曲线下面积（AUROC）评分略有降低。而LOCO的AUROC值较队列间转移分析的AUROC值有所增加。总的来说，结果证明来自不同界的微生物标记物特征为不同人群的CRC诊断提供了无偏倚的预测能力。
图2
三、组合多界微生物特征提高预测性能
1.与单界诊断模型相比，双界特征的AUROC值有所改善，范围在0.75到0.83之间。其中，结合细菌与古菌的交叉验证模型平均AUROC值为0.83，高于任何一个单界预测模型。结合细菌和真菌的模型平均AUROC值也达到了0.83。
2.除了古菌-真菌-病毒模型平均AUROC值为0.79，其它三界模型平均AUROC值都达到了0.83。结果表明组合三界微生物特征构建模型，其预测性能并没有得到改进。
3.基于四界微生物特征构建的模型平均AUROC值为0.84，略有改善。四界模型共具有41个特征，包括细菌标记13个，真菌标记5个，古菌标记1个，病毒标记1个。大多数可预测的信息来源于细菌和真菌maker。因此，多界模型并没有进一步提高诊断模型的性能。
图3
四、识别多界微生物基本特征，确定最小面板
1.基于四界微生物特征构建的模型对CRC诊断最有效，因此需要确定其基本特征。
2.细菌种类G. morbillorum、P. micra、Ruminococcus bicirculans、R. nestiinalis和F. nucleatum对四界模型预测价值的贡献排在前5位 和第7位。
3.真菌种类A. rambellii,、Sistotremastrum suecicum、T. islandicus 和 A. niger被鉴定为是重要的特征（分别是第4、第6、第8和第13位）。
4.3个古菌种Pyrobaculum arsenaticum、Nitrosotalea devanaterra和Pyrobaculum neutrophilum分别排在第12、23和27位。
5.基于前16个特征构建的模型平均AUROC值为0.83，在各单一队列中表现出良好的诊断性能（在独立队列中得到验证）。
数据表明，来自细菌、真菌和古菌的至少16个特征组可作为CRC早期及晚期诊断工具。
五、CRC与对照组间多界Co-abundance分析
1.基于不同物种丰度的Co-abundance分析显示，CRC患者的生态网络比对照组更复杂。除了界内种间的紧密联系外，界外种间，特别是细菌界和真菌界之间也存在着密切的联系。对照组网络包含112个物种的273个共丰度相关，CRC网络包含120个物种的360个共丰度相关。
图4
六、CRC微生物功能改变
1.共鉴定出1053个KO差异基因，其中612个KO基因在CRC患者中比对照组丰度增加。
2.共鉴定出49个差异通路，其中26条通路在CRC患者中比对照组显著上调，23条通路下调。与碳水化合物代谢有关的途径，如丁酸、抗坏血酸和赤氨酸代谢，在CRC患者中增加。而D -精氨酸和D-鸟氨酸的代谢也增强了。
3.研究与增强D -精氨酸、D -鸟氨酸和丁酸盐代谢相关的关键基因，结果发现，与对照组相比，CRC组在丁酸盐代谢中bdhA/B的丰度，以及D -精氨酸、D -鸟氨酸代谢中oraE，oraS 的丰度均显著提高。
4.基于175个EggNOG基因的模型具有最佳的CRC预测精度，平均交叉验证AUROC为0.86。
上述数据支持了微生物群介导的CRC功能发生改变的观点。
图5
该项研究是迄今为止在结直肠癌患者中样本量最大、最全面的基于宏基因组测序的微生物组分析，不仅系统的探索了CRC相关的微生物，包括细菌、真菌、病毒和古菌，还构建了诊断模型。尽管微生物诊断模型具有挑战性，但该研究证实了结合多界微生物特征比单一水平模型表现出更优越的诊断性能。
目前已有多种癌型的微生物公开数据，包括TCGA 32种癌型瘤内微生物测序数据，可以充分挖掘其中的价值，进行特定癌型诊断、预后微生物标志物的筛选鉴定，单界多界微生物标志物、微生物特征联合临床变量诊断等多种思路可选择，如果大家对该领域感兴趣的话，赶紧扫码咨询吧~
多界微生物个性化思路
立即扫码上车
[1] Pan-cancer analyses reveal cancer-type-specifific fungal ecologies and bacteriome interactions
