細菌，真菌，病毒…… 這些微生物，它們無處不在，也與人類生活息息相關。在人體的腸道內就儲存著大量的微生物，它們不僅能促進食物的消化吸收，調節腸道免疫系統，還與肥胖，糖尿病以及一些腸道疾病有關。更可怕的是，近年來研究顯示腸道微生物與許多腫瘤的發生發展有關。

今天 Nature 發布的一項研究顯示，加州大學圣地亞哥分校研究人員通過分析癌癥基因組圖譜中 33 中不同類型癌癥共 18116 例腫瘤樣本后，發現不同類型癌癥患者組織和血液內的微生物 DNA 存在差異。

為此研究人員開發了一種機器學習模型，該模型通過分析血液中微生物 DNA 的類型就可以識別受試者是否患有癌癥以及癌癥類型。即便是早期的癌癥，血液中的微生物數據仍然可以區分出多種癌癥類型。

Nature 論文

要知道，癌癥之所以可怕，很大一部分原因就是在于我們很難在早期發現它，大量患者確診時已經進入疾病晚期。那么，究竟有沒有一種簡單的方法能夠在早期準確篩查出腫瘤的發生呢？

近年來，許多科學家對腫瘤“液體活檢”技術產生了濃厚的興趣，他們企圖在血液中尋找腫瘤細胞破碎的 DNA，以達到癌癥早期診斷的目的。因此，液體活檢技術也被成為“滴血測癌”。

2017 年 Science 上發表了一項研究，顯示微生物能侵入大多數胰腺腫瘤，并分解患者服用的化療藥物。這一現象引起了加州大學圣地亞哥分校的博士研究生 Poore 的注意，他猜想，細菌和病毒所代表的信息，或許能夠在癌癥診斷過程中起到作用。

于是，他同微生物組創新中心主任 Knight 教授，以及一個跨學科合作小組一同開展了微生物與癌癥診斷的研究。他們首先查看了癌癥基因組圖譜（The Cancer Genome Atlas），該圖譜是美國國家癌癥研究所的數據庫，包含了來自成千上萬名癌癥患者的腫瘤基因和其他信息。他們要做的就是在人類測序數據中來篩查出微生物的 DNA。

終于，研究人員在 10418 名患者、33 種不同癌癥類型的 18116 個腫瘤樣本中發現了與特定癌癥相關的微生物特征。其中一些與既往研究相同，如甲型乳頭瘤病毒屬 (Alphapapillomavirus) 和丙型肝炎病毒屬（Hepacivirus）與宮頸癌、頭頸癌和肝細胞癌有關，梭菌屬（Fusobacterium）與胃腸道腫瘤有關。

此外，研究人員還發現微生物特征可以區分不同的癌癥類型，如糞桿菌屬（Faecalibacterium）可將結腸癌與其他癌癥區分開來。

近年來科學家們逐漸發現，寄居在人體中的微生物與癌癥發生與發展密切相關

在研究了數千個癌癥樣本的微生物特征后，他們訓練并測試了數千種機器學習模型來將特定微生物類型與特定腫瘤關聯起來，隨后他們發現這些機器學習模型能夠通過患者血液中微生物數據來區分患者的癌癥類型。

然而，在癌癥極難被發現的早期階段，這些發現是否有效呢？

為此，研究人員將晚期癌癥（Ⅲ 期和 Ⅳ 期）患者從數據庫中剔除出去，發現通過患者血液中的微生物數據，仍然可以將許多早期癌癥類型區分開來。當研究團隊去除 90% 以上微生物數據以此對樣本進行了最嚴格的生物信息學凈化后，結果依然有效。

接下來，研究人員著手驗證這些機器學習模型是否實現癌癥早期診斷。

他們分析了來自加州大學圣地亞哥分校摩爾癌癥中心的 59 名前列腺癌患者、25 名肺癌患者和 16 名黑色素瘤患者，以及 69 名未確診癌癥個體的血液血漿樣品，結果發現這些機器學習模型能夠將大多數癌癥患者與非癌癥患者區分出來。

該模型診斷肺癌的敏感性（真陽性，檢測出確實患有癌癥的能力）是86%，特異性（真陰性，檢測出確實沒有患癌的能力）是100%，此外，該模型也能將不同癌癥類型區分開來，如該模型區分前列腺癌和肺癌患者的敏感性是 81%。

研究人員表示，這個模型不僅僅是一個診斷癌癥的工具，也可以對癌癥治療過程進行長期的監測。如果在今后測試中這些結果依然有效，那么這對于癌癥患者治療和癌癥的早期診斷將有重要的意義。

組織和血液中的微生物 DNA

目前，大多數癌癥的確診需要通過手術將腫瘤取出，隨后由病理學家對腫瘤進行分析（即活檢）。這種方法不僅會給患者帶來巨大的創傷，而且價格昂貴且耗時。

現在一些公司試圖開展 “液體活檢” 技術，試圖通過簡單的抽血并檢測來自腫瘤的循環 DNA 來快速診斷癌癥。該方法已經可以用于監測某些確診癌癥患者的疾病進展，但美國食品和藥物管理局 (FDA) 尚未將其批準用于癌癥的確診。

圣地亞哥精確免疫治療中心的副主任 Patel 表示，雖然液體活檢和癌癥早期診斷發展迅速，但目前的液體活檢技術還不能區分早期癌癥和正常基因突變患者。因此，現在的液體活檢技術往往存在假陰性結果。

這樣一來，與檢測血液中循環腫瘤 DNA 相比，檢測血液中腫瘤相關微生物 DNA 的優勢就顯而易見，它不僅能夠在癌癥早期準確檢測癌癥的存在和類型，也可以檢測到存在正常基因突變的癌癥患者。

盡管如此，研究人員指出，基于微生物 DNA 來確診癌癥的方法仍可能存在假陰性的結果，但今后他們會使用更多的數據來完善這個機器學習模型，使這個新方法更加準確。

研究人員同時表示，即使利用該機器學習模型來確診癌癥，患者仍可能需要進一步的檢查來確定腫瘤的階段及其位置。

微生物組創新中心主任 Knight 教授表示，“先前幾乎所有的研究都假定腫瘤是一個沒有微生物存在的環境，同時忽略了癌細胞可能與人體內細菌、病毒和其他微生物之間復雜的相互作用。事實上，我們體內微生物基因的數量遠遠超過人類基因數量，因此它們能為我們健康提供重要的線索也就不足為奇。我們希望這項研究能夠鼓勵科學家能夠清醒認識微生物，而癌癥診斷可能只是一個開始。”