GUT:发现可准确预测“癌王”的粪便微生物( 二 )


糖类抗原CA19-9是肿瘤组织分泌 , 而粪便微生物可以看做环境因素 , 在对胰腺癌的预测中 , 血液CA19-9水平很可能与粪便微生物水平互补 。 CA19-9分别与上述两个模型联合检测 , 两个模型的准确性都有显著提升:模型1的AUROC从0.84提升至0.94 , 模型2的AUROC从0.71提升至0.89 。
GUT:发现可准确预测“癌王”的粪便微生物
文章图片
图3:模型1(Model1)和模型2(Model2)在训练人群和验证人群中的预测效果 。 DE:德国验证人群;ES:法国训练人群;TPR:真阳性值 。
更为重要的是 , 胰腺癌的分期不影响上述分类器的预测准确性 。 在25位胰腺癌早期(T1 , T2)患者和32位晚期(T3 , T4)患者中 , 分类器对早晚期胰腺癌的预测效果类似 , 没有偏向性 。
构建好了分类器模型 , 接下来就是验证这些模型的适用性和可推广性 。 为此 , 研究者在两种不同场景中测试分类器模型 。
第一种场景是由76位德国人构成的疾病-对照组(44位胰腺癌患者和32位对照者) 。 测试结果显示 , 模型1和模型2的准确性与训练集(法国人)类似:模型1的AUROC为0.83 , 模型2的AUROC为0.85 。 与血液CA19-9的联合检测时 , 准确性也都有显著提升:模型1+CA19-9的AUROC为0.91 , 模型2+CA19-9的AUROC为0.92 。
另外一种场景是5792份粪便宏基因组样品 。 这些样品来自25个已发表研究 , 涉及18个国家的人群 , 包括糖尿病、结直肠癌、乳腺癌、肝病和肠炎等多种疾病患者 。 在10%的假阳性期望值下 , 模型2比模型1有更低的误判率 。 模型2的平均假阳性率不足5% , 优于训练集结果;而模型1平均假阳性率为15% , 比训练集结果差 。 这说明 , 模型2在预测胰腺癌时 , 有更好的特异性 。
胰腺是个分泌型器官 , 其导管与十二指肠连接 , 形成一个连接通道 , 方便肠道细菌“跑”到胰腺导管 。 基于此 , 研究者假设在胰腺中也有与胰腺癌关联的粪便细菌 。 通过目标基因扩增和荧光原位杂交(图4) , 研究者在超过25%的胰腺组织样品中(肿瘤和非肿瘤)测到至少13个与胰腺癌关联的粪便细菌 。 部分细菌在肿瘤组织中富集:乳酸杆菌(Lactobacillusspp)、嗜黏蛋白阿克曼氏菌(Akkermansiamuciniphila)和拟杆菌(Bacteroidesspp) 。 这些结果证实了胰腺器官中存在粪便中发现的胰腺癌特异性微生物 , 与其他研究发现相吻合9 。
GUT:发现可准确预测“癌王”的粪便微生物
文章图片
GUT:发现可准确预测“癌王”的粪便微生物】图4:荧光原位杂交显微镜图 。 拟杆菌位于肿瘤组织细胞核内(左上);双歧杆菌位于肿瘤组织细胞核外(右上);乳酸杆菌位于非肿瘤组织细胞核外(左下);链球菌位于非肿瘤组织细胞核外(左下);韦荣氏球菌位于肿瘤组织细胞核外(右下) 。