本文為轉載內容，如有侵權請聯系我們進行刪除。                作者:probro                             文章轉載于：普羅布諾(重慶)生物科技有限公司

天地鴻蒙之中，微生物無處不在，影響著生命活動的方方面面。這些微生物群落是否存在于腫瘤組織中（相關閱讀見BioArt報道：Cell | 張煜博士等破解癌癥之王——胰腺癌“長壽”人群的秘密）？它們在腫瘤的發生中是否發揮作用?能否用這些微生物組學信息對腫瘤的臨床診斷和治療提供指導？迄今為止，大多數微生物組學的研究對象為腸道微生物。近年來，不斷有證據表明在腫瘤組織以及患者血液中都存在微生物標記。

2020年3月11日，加州大學圣地亞哥分校Rob Knight教授團隊在Nature雜志上發表題為Microbiome analyses of blood and tissues suggest cancer diagnostic approach的研究論文。在這篇文章中，作者對TCGA數據庫中樣本的全基因組和全轉錄組數據進行分析，包括來自于患者的腫瘤組織、癌旁組織和血液。通過人工智能（AI）機器學習等多種方法對數據進行歸類分析，鑒定了與腫瘤類型相關的微生物DNA和RNA的特征，這些特征可能為腫瘤的臨床診斷和預防提供新的切入點。由于涉及的腫瘤類型及樣本數量巨大，該研究成為迄今為止腫瘤微生物組學研究最系統最全面的文章。

傳統的觀點認為腫瘤是受基因組調控的疾病。近期研究表明，微生物組在某些腫瘤中起著重要作用，然而，微生物組對不同腫瘤的貢獻程度和診斷意義仍然未知。為了確定與腫瘤相關的微生物組，作者首先對TCGA數據庫中來自33種腫瘤類型和10,481名患者的18,116個樣品的全基因組測序（WGS；n = 4,831）和全轉錄組測序（RNA-seq；n=13285）進行了數據進行歸一化（Supervised normalization，SNM）和凈化分析（Decontamination analyses），并對其中的腫瘤微生物讀數（microbial reads）進行挖掘，建立了系統的腫瘤微生物組數據集，使用AI來識別和區分不同腫瘤類型的微生物特征，并比較其性能。在這些基因序列數據中，7.2%為非人源，而這些非人源序列中有高達1/3的比例與已知的微生物基因序列一致。

圖1. TCGA腫瘤微生物組分析CONSORT圖

為進一步檢驗這些微生物組學特征能否在腫瘤區分中發揮作用，作者通過使用AI機器學習對腫瘤進行了區分，包括（1）區分不同腫瘤類型；（2）區分同一種腫瘤的不同分期；（3）區分腫瘤與正常組織。作者的數據顯示這些微生物組特征在區分腫瘤類型以及區分腫瘤與正常組織方面表現良好，但對腫瘤的不同分期的區分中表現與腫瘤類型相關，如在區分結腸癌、胃癌和腎透明細胞癌的I期和IV期腫瘤方面表現良好，而在區分其他幾種腫瘤的分期中欠佳。同時，作者在多個數據庫中驗證了結果的可重復性和普適性，并通過貝葉斯跟蹤算法證明了這些微生物學特征在臨床上的生物相關性。

此外，作者還將基于AI機器學習獲得的微生物圖譜與已知的腫瘤相關微生物進行了對比分析。與之前的報道一致，他們在胃腸道腫瘤中發現了梭形桿菌，在宮頸癌、頭頸癌和肝癌中發現了α-乳頭瘤病毒和肝炎病毒等。據此，作者建立了數據庫（http://cancermicrobiome.ucsd.edu/cancermicrobiome_DataBrowser）以便搜索樣本的標準化微生物豐度。

腫瘤游離DNA（cell-free tumor DNA，ctDNA）檢測已經成為腫瘤診斷的重要手段，新近研究發現血源性微生物DNA（microbial DNA，mbDNA）能夠為腫瘤的臨床特征提供信息。為挖掘mbDNA在腫瘤診斷中的作用，作者繼續使用AI機器學習對TCGA隊列進行分析，發現mbDNA的特征能夠有效地區分不同的腫瘤類型。更重要的是，即使是對Ia–IIc 分級的腫瘤以及通過ctDNA無法檢測到基因組變異的腫瘤，mbDNA具有更強的預測能力。文中檢測到的血漿微生物豐度可在作者建立的數據庫中查看。圖2 技術總結

在建立了以上預測模型的基礎上，作者進一步使用正常人與腫瘤患者的mbDNA進行模型驗證。結果顯示，僅使用來源于受試者血漿的 mbDNA就能夠有效地區分腫瘤患者與正常人，提示基于mbDNA的預測模型在腫瘤診斷中的有效性。但值得注意的是，該驗證實驗中涉及的腫瘤患者均為stage III–IV，而該模型在腫瘤早期預測中的效果仍待考察。

微生物的DNA和RNA存在于血液、正常組織和腫瘤中。不同類型的腫瘤和特定的微生物群之間存在廣泛的聯系，AI技術能夠利用這些核酸特征。作者的AI模型在區分腫瘤類型、以及腫瘤與正常組織方面表現良好，但在區分腫瘤分期方面稍顯不足。另外，這些結果還需在跨腫瘤類型的更大規模隊列研究中進行驗證。在此工作的基礎上，還有許多進一步研究的空間。例如TCGA樣品的采集方式無法控制引入微生物的污染，無法確定所測到的核酸是來自活的微生物、宿主細胞、還是來自腫瘤微環境和血液中的裂解細菌，未來研究應提高采樣的質量控制及測序技術以表征微生物特征。此外，對這些微生物進行分布（在腫瘤細胞？免疫細胞？還是結締組織？）和功能（是原因？伴隨效應？還是預后？）的研究也非常重要。最后，這些微生物如何進入癌組織并存在于其中的機制還有待深入研究，如何將其作為腫瘤治療的靶標也有待探索。未來這一領域的進展將需要腫瘤學家和微生物學家之間的合作。盡管疑問很多，從微生物角度進行腫瘤的臨床及基礎研究依然充滿契機，前景誘人。