|
當Gregory Poore還是一名大一新生時，他原本健康的祖母被診斷患有晚期胰腺癌，12月下旬確診，次年1月就去世了。這讓他感到震驚，“因為她幾乎沒有任何征兆或癥狀，為什么她的癌癥沒有更早被發(fā)現(xiàn)，為什么治療方法無效？”這些問題驅(qū)使著Poore不斷地去尋找答案。 直到2017年，Poore看到《Science》雜志上的一項研究——微生物入侵大多數(shù)胰腺癌并能夠分解這些患者使用的主要化療藥物。這引起了他濃厚的興趣和猜想，細菌和病毒可能在癌癥中發(fā)揮更大的作用。 
DOI：10.1126 / science.aah5043念念不忘，必有回響。如今，在美國加州大學圣地亞哥醫(yī)學院攻讀博士的Poore師從微生物組創(chuàng)新中心Rob Knight教授。他們聯(lián)合一個跨學科的合作小組共同開發(fā)了一種癌癥診斷新方法，通過機器學習方法識別血液中存在的微生物DNA（細菌和病毒）特征，就可以診斷是否患癌以及患有哪種癌癥。這項研究結(jié)果以“Microbiome analyses of blood and tissuessuggest cancer diagnostic approach”為題于當?shù)貢r間3月11日發(fā)表在《Nature》雜志上，或許會推動癌癥生物學領域的重要轉(zhuǎn)變。 
https:///10.1038/s41586-020-2095-1具體來說，研究人員使用癌癥基因組圖譜數(shù)據(jù)庫分析了18,116個腫瘤樣本。這些樣本來自10,481名患者，涵蓋了33種不同的癌癥類型，包括原發(fā)性和復發(fā)性腫瘤以及轉(zhuǎn)移擴散的腫瘤。除了已知的微生物與癌癥之間的聯(lián)系，如人乳頭瘤病毒（HPV）與宮頸癌、頭頸癌之間的關(guān)系，以及梭桿菌種類與胃腸道癌癥之間的關(guān)系外，研究人員還發(fā)現(xiàn)“新大陸”，如費氏桿菌物種與結(jié)腸癌之間的聯(lián)系等。 
在收集了癌癥樣本的微生物特征之后，研究小組訓練了數(shù)百種機器學習算法，以將某些微生物序列特征與特定癌癥相匹配。機器學習模型能夠僅使用患者血液中的微生物數(shù)據(jù)來識別患者的癌癥類型。隨后，研究人員使用從59例前列腺癌、25例肺癌和16例黑色素瘤患者的血液樣本中收集的數(shù)據(jù)對算法進行驗證，并與69名健康個體的血液進行比較。結(jié)果顯示，這些模型能以敏感性為86％識別出肺癌患者，對于無肺部疾病的個體沒有出現(xiàn)假陽性報告；以81％的敏感性區(qū)分前列腺癌患者和肺癌患者。目前，大多數(shù)癌癥的診斷需要進行手術(shù)活檢，但這種方法耗時且昂貴，而且是侵入性的。而當前的液體活檢尚未能夠可靠地將正常的遺傳變異與真正的早期癌癥區(qū)分開，罕見基因突變也很難檢測。研究人員表示，與人體循環(huán)腫瘤DNA相比，基于微生物DNA的癌癥檢測的一個優(yōu)勢是其在不同身體部位的多樣性。相比之下，人類的DNA在整個身體中是基本相同的。由于不依賴于罕見的人類DNA變化，這項研究表明，與目前的液體活檢相比，基于血液中微生物DNA信息或許能夠在癌癥早期就準確地檢測出癌癥的存在和類型，以及缺乏可檢測基因突變的癌癥。當然，研究人員也指出，這些初步觀察結(jié)果距離FDA批準其為癌癥診斷檢測方法，還有很長的路要走?，F(xiàn)在需要更大、更多樣化的患者群體來驗證和完善機器學習算法。同時，為了加快這一商業(yè)化進程和臨床應用，Knight和Poore已經(jīng)申請了專利，并與合著者Sandrine Miller-Montgomery共同創(chuàng)立了一家名為Micronoma的公司。 [1] Microbial DNA in patient blood may be tell-tale sign of cancer [2] Microbe DNA in blood samples could reveal clues about cancer–study [3] AI finds microbial signatures in tumours and blood across cancer types [4] Nature：AI增強版“滴血測癌”，準確率高達86%！查驗血中微生物DNA即可實現(xiàn)早期診斷
|
