GUT：发现可准确预测“癌王”的粪便微生物

胰腺癌俗称“癌中之王”。

近些年，死于胰腺癌的世界级名人包括：世界男高音帕瓦罗蒂、诺奖得主斯塔曼……

胰腺癌发现晚，治疗手段有限，疗效差，致死率高，一年存活率仅为25%1。

胰腺肿瘤分为两种。最常见的是起源于胰腺导管的胰腺腺癌（PDAC），即通常说的“胰腺癌”。另一种是起源于胰腺有分泌激素功能的细胞，即胰腺内分泌肿瘤。

胰腺的位置深，胰腺癌早期症状不明显、发病原因不明确……这些都制约着胰腺癌的早发现。

血液中的糖类抗原19-9（CA19-9），是当前唯一被FDA批准的胰腺癌标志物。然而， CA19-9水平与其它多种症状关联（如胆道阻塞），对胰腺癌的筛查特异性低（0.75,95% CI 0.72-0.86）2，亟需更高效的筛查方法。

近日，发表在Gut上的一个研究发现粪便微生物可用于胰腺癌筛查，单独使用时准确性达到0.84（AUROC值，一种模型评估指标）；当与血液CA19-9联合使用时，准确性提升至0.943。该研究由学界大咖Peer Bork领导的德国和西班牙科学家共同完成。

既往研究已多次揭示微生物与胰腺癌的关联。胰腺本身被特定微生物定植，包括口腔和肠道的常见细菌4, 5。小鼠模型研究发现，肠道来源细菌能促进胰腺导管癌的形成6。另有研究发现人口腔和肠道的特定微生物与胰腺癌发病风险相关7。

受这些研究启发，Bork团队基于136位法国受试者（57位胰腺癌患者，50位对照，29位慢性胰腺炎患者），以及76位德国受试者（44位胰腺癌患者，32位对照），采集粪便、唾液、肿瘤和癌旁组织样品，使用DNA测序技术，系统性地挖掘粪便微生物和唾液微生物对胰腺癌的预测效果（图1）。

图1：研究样本和数据组成。rRNA：ribosomal RNA

该研究首要问题是确认粪便微生物组成与胰腺癌的关联。在排除年龄、性别等因素的影响后，粪便微生物组成与胰腺癌显著相关（R2=0.01，P=0.5）。单因素检验发现，9个细菌物种与胰腺癌关联（多重检验校正PVeillonella atypica）、具核梭杆菌（Fusobacterium nucleatum）和广栖别样斯卡多维亚菌（Alloscardovia omnicolens）等细菌在胰腺癌组富集。

紧接着，研究者构建由多个粪便微生物组成的分类器去识别胰腺癌患者。在多元逻辑回归（LASSO）模型中，27种细菌被选中（图2），它们的组合对胰腺癌的判别准确性达到AUROC=0.84（图3）。此分类模型记为模型1（model-1）。

这27个细菌包括胰腺癌组富集的细菌：史密斯产甲烷短杆菌（Methanobrevibacter smithii）、广栖别样斯卡多维亚菌、非典型韦荣氏球菌和芬氏拟杆菌（Bacteroides finegoldii）等；也包括胰腺癌组中缺少的细菌：普氏栖粪杆菌（Faecalibacterium prausnitzii）、粪居拟杆菌（Bacteroides coprocola）、双歧双歧杆菌（Bifidobacterium bifidum）和罗姆布茨菌（Romboutsia timonensis）。

图2：模型1中挑选到的27种粪便微生物在训练集样本中的分布。PDAC：胰腺导管癌，俗称胰腺癌。

在胰腺癌组缺乏的细菌通常与多种非癌症病变有关联8，它们并不是胰腺癌特有的标志细菌，并且影响模型对胰腺癌的判别特异性。为此，研究者用同样的方法，仅从胰腺癌组富集的细菌中挑选标记物，重新构建了一个分类模型，简称模型2（model-2）。

结果显示，模型2的准确性（AUROC=0.71）比模型1低。这是因为模型2采用了更严格的条件，仅纳入胰腺癌组富集的细菌，降低了预测的敏感性所致。

糖类抗原CA19-9是肿瘤组织分泌，而粪便微生物可以看做环境因素，在对胰腺癌的预测中，血液CA19-9水平很可能与粪便微生物水平互补。CA19-9分别与上述两个模型联合检测，两个模型的准确性都有显著提升：模型1的AUROC从0.84提升至0.94，模型2的AUROC从0.71提升至0.89。

图3：模型1（Model 1）和模型2（Model 2）在训练人群和验证人群中的预测效果。DE：德国验证人群；ES：法国训练人群；TPR：真阳性值。

更为重要的是，胰腺癌的分期不影响上述分类器的预测准确性。在25位胰腺癌早期（T1，T2）患者和32位晚期（T3，T4）患者中，分类器对早晚期胰腺癌的预测效果类似，没有偏向性。

构建好了分类器模型，接下来就是验证这些模型的适用性和可推广性。为此，研究者在两种不同场景中测试分类器模型。

第一种场景是由76位德国人构成的疾病-对照组（44位胰腺癌患者和32位对照者）。测试结果显示，模型1和模型2的准确性与训练集（法国人）类似：模型1的AUROC为0.83，模型2的AUROC为0.85。与血液CA19-9的联合检测时，准确性也都有显著提升：模型1+CA19-9的AUROC为0.91，模型2+CA19-9的AUROC为0.92。

另外一种场景是5792份粪便宏基因组样品。这些样品来自25个已发表研究，涉及18个国家的人群，包括糖尿病、结直肠癌、乳腺癌、肝病和肠炎等多种疾病患者。在10%的假阳性期望值下，模型2比模型1有更低的误判率。模型2的平均假阳性率不足5%，优于训练集结果；而模型1平均假阳性率为15%，比训练集结果差。这说明，模型2在预测胰腺癌时，有更好的特异性。

胰腺是个分泌型器官，其导管与十二指肠连接，形成一个连接通道，方便肠道细菌“跑”到胰腺导管。基于此，研究者假设在胰腺中也有与胰腺癌关联的粪便细菌。通过目标基因扩增和荧光原位杂交（图4），研究者在超过25%的胰腺组织样品中（肿瘤和非肿瘤）测到至少13个与胰腺癌关联的粪便细菌。部分细菌在肿瘤组织中富集：乳酸杆菌（Lactobacillus spp）、嗜黏蛋白阿克曼氏菌（Akkermansia muciniphila）和拟杆菌（Bacteroides spp）。这些结果证实了胰腺器官中存在粪便中发现的胰腺癌特异性微生物，与其他研究发现相吻合9。

图4：荧光原位杂交显微镜图。拟杆菌位于肿瘤组织细胞核内（左上）；双歧杆菌位于肿瘤组织细胞核外（右上）；乳酸杆菌位于非肿瘤组织细胞核外（左下）；链球菌位于非肿瘤组织细胞核外（左下）；韦荣氏球菌位于肿瘤组织细胞核外（右下）。

综上，该研究不仅开发了一种基于粪便微生物的胰腺癌无创早筛方法（图5），还证实了胰腺肿瘤中存在特定的微生物，为胰腺癌的预防、机理研究和治疗提供新思路。

图5：文章图形摘要

在此之前，粪便微生物已被开发用于多种癌症的检测，包括结直肠癌10和胃癌11。由于粪便微生物不仅可以在身体各部位“流动”12，还可以通过代谢物影响多个器官13，可以推测，粪便微生物在人类与癌症的抗争中将会持续发光发热。

参考文献：

1. Park W, Chawla A, O’Reilly EM. Pancreatic Cancer: A Review. JAMA. 2021;326(9):851-862. doi:10.1001/jama.2021.13027

2. Xing H, Wang J, Wang Y, et al. Diagnostic Value of CA 19-9 and Carcinoembryonic Antigen for Pancreatic Cancer: A Meta-Analysis. Gastroenterol Res Pract. 2018;2018:8704751. doi:10.1155/2018/8704751

3. Kartal E, Schmidt TSB, Molina-Montes E, et al. A faecal microbiota signature with high specificity for pancreatic cancer. Gut. 2022:gutjnl-2021-324755. doi:10.1136/gutjnl-2021-324755

4. Riquelme E, Zhang Y, Zhang L, et al. Tumor Microbiome Diversity and Composition Influence Pancreatic Cancer Outcomes. Cell. Aug 8 2019;178(4):795-806.e12. doi:10.1016/j.cell.2019.07.008

5. Gaiser RA, Halimi A, Alkharaan H, et al. Enrichment of oral microbiota in early cystic precursors to invasive pancreatic cancer. Gut. 2019;68(12):2186. doi:10.1136/gutjnl-2018-317458

6. Thomas RM, Gharaibeh RZ, Gauthier J, et al. Intestinal microbiota enhances pancreatic carcinogenesis in preclinical models. Carcinogenesis. Jul 30 2018;39(8):1068-1078. doi:10.1093/carcin/bgy073

7. Geller LT, Barzily-Rokni M, Danino T, et al. Potential role of intratumor bacteria in mediating tumor resistance to the chemotherapeutic drug gemcitabine. Science. Sep 15 2017;357(6356):1156-1160. doi:10.1126/science.aah5043

9. Nejman D, Livyatan I, Fuks G, et al. The human tumor microbiome is composed of tumor type–specific intracellular bacteria. Science. 2020;368(6494):973. doi:10.1126/science.aay9189

11. Zhou C-B, Pan S-Y, Jin P, et al. Fecal signatures of Streptococcus anginosus and Streptococcus constellatus for non-invasive screening and early warning of gastric cancer. Gastroenterology. 2022;doi:10.1053/j.gastro.2022.02.015

12. Schmidt TSB, Hayward MR, Coelho LP, et al. Extensive transmission of microbes along the gastrointestinal tract. eLife. 2019/02/12 2019;8:e42693. doi:10.7554/eLife.42693

责任编辑丨王雪宁