在结直肠癌患者中探索与外围神经入侵相关的肠道微生物群,并构建预测模型
Chuanbin Chen1, Qingmin Chen2, Shenghai Liu1
1Division of Colorectal & Anal Surgery, Department of Gastrointestinal Surgery, Guangxi Medical University Cancer Hospital, Nanning, The People's Republic of China.
BMC microbiology
|August 16, 2025
概括
肠道微生物群的改变与带有外围神经入侵 (PNI) 的结直肠癌有关. 机器学习模型使用这些微生物生物标志物准确预测PNI,提供了一种新的诊断策略.
科学领域:
- 微生物组研究的研究.
- 在瘤学瘤学.
- 生物信息学是一种生物信息学.
背景情况:
- 结肠直肠癌 (CRC) 是一个重大的健康挑战.
- 外周神经入侵 (PNI) 是CRC进展和转移的关键因素.
- 了解肠道微生物群在CRC-PNI中的作用对于开发新的诊断工具至关重要.
研究的目的:
- 为了研究有或没有PNI的CRC患者之间的肠道微生物群差异.
- 开发机器学习模型,使用微生物生物标志物预测CRC患者的PNI.
- 确定用于CRC-PNI检测的新型非侵入性微生物指标.
主要方法:
- 来自132名CRC患者的肠道微生物群的16SrRNA基因测序 (PNI与NPNI组).
- 分析肠道微生物群的组成和数量.
- 构建随机森林 (RF) 和多层感知器 (MLP) 模型用于PNI预测.
主要成果:
- 没有观察到肠道微生物群的α和β多样性的显著差异.
- 35种不同的肠道微生物群种在PNI和NPNI组之间显示出显著的丰度差异.
- 射频和MLP模型在预测CRC患者的PNI方面表现强.
结论:
- 在PNI和NPNI组之间,在35种肠道微生物群中发现了显著的差异.
- 不同的肠道微生物群可能会影响CRC中的神经侵入过程.
- 机器学习模型可以准确预测CRC-PNI状态,这对于临床参考很有价值.


