持续性肺结核中的唾液微生物群的诊断潜力:使用16S rRNA测序和机器学习识别生物标志物和功能途径
Xiao Zeng1, Qiong Ma1, Chun-Xia Huang1
1Hospital of Chengdu University of Traditional Chinese Medicine, Chengdu, 610072, Sichuan Province, China.
Journal of translational medicine
|November 29, 2024
概括
在持久性肺结节 (pPNs) 中的唾液微生物分析揭示了口腔微生物群组成和功能的明显差异. 机器学习确定了潜在的早期检测和针对PPN患者的针对性干预的关键细菌生物标志物.
科学领域:
- 微生物组研究的研究.
- 口腔微生物学 口腔微生物学
- 肺部医学 肺部医学
背景情况:
- 持久性肺结节 (pPNs) 是一个诊断挑战.
- 了解口腔微生物组在pPNs中的作用对于早期检测至关重要.
- 唾液微生物群的改变可以作为pPNs的生物标志物.
研究的目的:
- 探索pPNs患者口腔环境中的微生物变异和生物标志物.
- 确定pPNs中的唾液微生物群的潜在生物功能.
- 开发基于唾液微生物群的PPN风险预测模型.
主要方法:
- 来自483名参与者的唾液的16S rRNA基因测序 (342名pPN患者,141名对照).
- 应用七个机器学习算法,包括LightGBM,具有五倍交叉验证.
- 使用Shapley添加式解释 (SHAP) 进行生物标志物贡献分析和PICRUSt2进行功能预测.
主要成果:
- 与对照组相比,pPNs患者的唾液微生物群中的α和β多样性明显较低.
- 通过使用高精度的LightGBM模型,确定了六个核心属 (Fusobacterium,Solobacterium,Actinomyces,Porphyromonas,Atopobium,Peptostreptococcus) 作为pPNs生物标志物.
- 揭示了群体之间的免疫反应和唾液微生物群的代谢活动的差异,使得PPNs风险预测系统成为可能.
结论:
- 唾液微生物群具有显著的潜力,可以更早地检测pPNs.
- 基于微生物群的生物标志物可以促进针对PPN的有针对性的干预.
- 这项研究有望推进临床管理和改善pPNs患者的治疗结果.
