使用口腔微生物组对食道状细胞癌的泛化跨大陆预测

科学领域:

• 在瘤学瘤学.
• 微生物组研究的研究.
• 发现生物标志物的发现.

背景情况:

• 食道状细胞癌 (ESCC) 是一个重大的健康挑战,早期检测方法有限,预后不佳.
• 目前的查依赖于内镜,在高发病率地区往往无法获得.
• 口腔微生物组是上部胃肠道疾病的非侵入性生物标志物的潜在来源.

研究的目的:

• 调查口腔微生物群签名对于检测ESCC的有用性.
• 评估基于唾液微生物组数据的机器学习模型的诊断性能.
• 评估这些模型在不同地理位置的普遍性.

主要方法:

• 在南非进行了一项病例控制研究,涉及48名ESCC患者和110名对照.
• 分析了口腔微生物组组成,以确定病例和对照之间的差异.
• 开发了机器学习模型,使用微生物组数据对ESCC状态进行分类.

主要成果:

• 在ESCC患者中,口腔微生物组α多样性显著减少.
• 在ESCC患者中观察到 * Fusobacterium nucleatum * 的显著增加.
• 机器学习模型在分类ESCC方面取得了很高的表现 (AUC=0.96) 并显示了跨研究的概括性 (AUC=0.64-0.81).

结论:

• 在ESCC患者中,口腔微生物组的组成明显改变.
• 使用口腔微生物组数据的机器学习模型显示出作为ESCC非侵入性查工具的巨大潜力.
• 这种方法可以改善ESCC的早期检测,特别是在资源有限的高风险地区.