在肺癌组织微生物群中识别潜在的体生物标志物
1Faculty of Arts and Sciences, Harvard University, Cambridge, MA, 02138, USA; Microbiome Medicine and Advanced AI Lab, Cambridge, MA, 02138, USA; Computational Biology and Medical Ecology Lab, Kunming Institute of Zoology, Center for Excellence in Animal Evolution and Genetics, Chinese Academy of Sciences, Kunming, China.
Computers in biology and medicine
|October 21, 2024
概括
瘤微生物组影响癌症的发展和治疗反应. 一个新的计算框架在肺癌组织中确定了独特的微生物物种,为新的生物标志物和疗法提供了潜力.
科学领域:
- 微生物组研究的研究.
- 癌症生物学 癌症生物学
- 计算生物学是一种计算生物学.
背景情况:
- 瘤组织微生物组在癌症的特征,进展和治疗结果中起着至关重要的作用.
- 鉴定瘤微生物群的特征是具有挑战性的,因为生物量低,污染和有限的计算工具.
- 识别与癌症相关的微生物物种对于了解致癌症和开发向疗法至关重要.
研究的目的:
- 应用一种新的计算框架,即元基因组比较框架 (MCF),在肺癌组织中识别独特或丰富的微生物物种 (US/ES).
- 使用MCF重新分析现有的肺癌微生物组数据集,以克服当前的分析局限性.
- 探索已识别的微生物物种作为肺癌中的生物标记物和治疗点的潜力.
主要方法:
- 使用MCF重新分析了四个肺癌组织微生物组数据集 (肺腺癌和肺状细胞癌).
- 应用三种不同的分析方案:单个数据集分析,整合数据集分析和比较集分析 (联盟/交叉).
- 识别与肺癌相关的独特或丰富的微生物物种 (US/ES) 和丰富的微生物族群.
主要成果:
- 在不同肺癌数据集中,MCF成功识别了独特和丰富的微生物物种 (US/ES).
- 分析显示了与肺腺癌和肺状细胞癌相关的特定微生物特征.
- 综合和比较分析提供了潜在的癌症相关微生物的完整列表.
结论:
- 已识别的美国/西欧国家具有开发肺癌诊断和预后生物标志物的巨大潜力.
- 这些微生物发现可以提高免疫疗法的有效性,并为基于微生物组的新型肺癌疗法的设计提供信息.
- MCF提供了一种强大的计算方法,用于推进瘤微生物组研究及其临床应用.
