探索基于唾液微生物组学和机器学习算法的肺结节检测的非侵入性生物标志物
Chunxia Huang1, Qiong Ma1, Xiao Zeng1
1Hospital of Chengdu University of Traditional Chinese Medicine, Chengdu, 610072, Sichuan Province, China.
Scientific reports
|March 29, 2025
概括
唾液微生物群分析可以非侵入性地检测肺结节 (PN). 这项研究确定了唾液中的特定微生物生物标志物,开发了用于准确PN诊断的优化模型,扩大了临床方法.
科学领域:
- 微生物学 微生物学
- 在瘤学瘤学.
- 生物信息学是一种生物信息学.
背景情况:
- 微生物显示出作为癌症生物标志物的前景.
- 微生物群和肺癌之间的联系为肺结节 (PN) 诊断提供了潜在的可能性.
研究的目的:
- 分析PN患者和对照组的唾液微生物群.
- 评估唾液微生物群作为用于PN检测的非侵入性生物标志物.
主要方法:
- 来自153名PN患者和40名对照患者的唾液样本的16S rRNA基因测序.
- 机器学习模型 (包括XGBoost和贝叶斯优化) 用于PN诊断.
- 谢普利添加剂解释 (SHAP) 用于生物标志物识别.
主要成果:
- 在PN患者和对照人群之间,唾液微生物群多样性和组成的显著差异.
- 确定了10种微生物特征,从而产生了有效的PN诊断模型.
- 一个基于贝叶斯优化的优化XGBoost (BOXGB) 模型实现了高性能.
结论:
- 唾液微生物群作为肺结节的可行的非侵入性生物标志物.
- 像Defluviitaleaceae_UCG-011,Aggregatibacter,Oribacterium,Bacillus和Prevotella这样的特定品种是潜在的PN生物标志物.
- 开发了一个基于唾液微生物群的PN预测的在线平台.
