在结直肠癌中识别和预测机器学习模型,构建与淋巴结转移相关的肠道微生物群

科学领域:

• 在瘤学瘤学.
• 微生物学 微生物学
• 基因组学就是基因组学.

背景情况:

• 人们越来越认识到肠道微生物群的组成对癌症发展和进展的影响.
• 淋巴结转移 (LNM) 是结直肠癌 (CRC) 的关键预后因素.
• 了解肠道微生物和LNM之间的相互作用对于改善CRC患者的治疗结果至关重要.

研究的目的:

• 调查与结直肠癌 (CRC) 中的淋巴结转移 (LNM) 相关的独特肠道微生物群概况.
• 探索与LNM相关的生物功能和免疫细胞透模式.
• 根据肠道微生物群特征,开发CRC患者LNM状态的预测模型.

主要方法:

• 来自147名CRC患者的便样本的16S rRNA基因测序.
• 线性判别分析效果大小 (LEfSe) 算法用于微生物分析.
• 转录组数据分析和免疫细胞透矩阵构造.
• 随机森林 (RF) 和多层感知器 (MLP) 机器学习模型用于预测.

主要成果:

• 在LNM和没有 (NLNM) 的CRC患者之间发现了肠道微生物组合的显著差异.
• *Bacteroides plebeius*在LNM组中显著丰富,并且与中性粒细胞和CXCL8的上调调节以及因诺辛单酸盐代谢相关.
• 机器学习模型 (RF和MLP) 使用肠道微生物群数据证明了对LNM状态的良好预测效果.

结论:

• 肠道微生物群在结直肠癌淋巴结转移中发挥着重要作用.
• *Bacteroides plebeius* 可能通过免疫调节和代谢途径改变促进CRC进展.
• 使用肠道微生物群签名的机器学习模型为预测LNM和指导个性化CRC治疗提供了一个有希望的途径.