肠道微生物组中富集的通路可预测不同人群和癌症类型对免疫检查点抑制剂治疗的反应

研究人员整合 12 个数据集，发现肠道微生物组特定通路可预测免疫检查点抑制剂（ICI）疗效，有助于精准治疗。

　　《肠道微生物组中富集的通路可预测不同人群和癌症类型对免疫检查点抑制剂治疗的反应》

在癌症治疗的领域中，免疫疗法已成为备受瞩目的 “新星”，被视为癌症治疗的 “第五大支柱”。免疫检查点抑制剂（ICIs），如针对细胞毒性 T 淋巴细胞相关蛋白 4（CTLA-₄）和程序性细胞死亡蛋白 1（PD-1）的药物，为众多癌症患者带来了新的希望，显著改变了多种癌症的治疗格局。然而，现实却不尽如人意，患者对 ICIs 的反应存在着极大的差异。

为何会出现这种情况呢？近年来，一个重要的影响因素逐渐浮出水面 —— 患者肠道微生物群和微生物组的差异。大量研究表明，肠道微生物群与宿主的抗肿瘤免疫以及 ICIs 的治疗效果息息相关。比如，在转移性黑色素瘤患者中，不同研究分别发现，对 ICIs 治疗有反应的患者体内，费氏丙酸杆菌（Faecalibacterium prausnitzii）、长双歧杆菌（Bifidobacterium longum）等细菌的丰度有所增加；在非小细胞肺癌（NSCLC）患者中，对 ICIs 治疗有反应的患者体内，阿克曼氏菌（Akkermansia muciniphila）的相对丰度更高。

但是，以往的研究大多聚焦于微生物物种层面，试图寻找一致的微生物生物标志物来预测 ICIs 疗效。然而，由于微生物菌株的快速进化以及人类肠道微生物组的个体差异极大，这种基于物种的分析方法存在很大的局限性。相比之下，微生物群的功能可能是预测肿瘤对 ICIs 治疗反应更好的生物标志物。遗憾的是，目前缺乏对不同 ICIs 治疗队列中肠道微生物组功能的全面分析。

为了解决这些问题，华中科技大学同济医学院的研究人员开展了一项重要研究。研究成果发表在《iScience》上。

研究人员首先整合了来自 12 个人类数据集的 821 份粪便宏基因组数据，这些数据涵盖了多种癌症类型、不同地理位置以及多种检查点抑制剂治疗情况。他们从接受 ICIs 治疗的患者粪便样本中提取宏基因组数据，并进行了一系列复杂的分析流程。

在构建预测模型时，研究人员对整合后的数据集进行差异丰度分析，共鉴定出 55292 个差异丰度基因。利用这些基因，他们建立了 6 种常用的机器学习分类模型。交叉队列验证显示，随机森林（RF）分类器在预测 ICIs 反应方面表现最佳，其平均曲线下面积（AUC）达到 0.810，这表明该模型具有良好的预测性能。

通过通路分析，研究人员发现群体感应（QS）、ABC 转运体、鞭毛组装和氨基酸生物合成等通路在 ICIs 反应者（R）和无反应者（NR）之间存在显著富集差异。进一步分析发现，luxS、manA、fliC 和 trpB 等基因在 12 个数据集中，于 R 和 NR 之间表现出一致的变化。

为了探究这些发现的生物学意义，研究人员进行了后续的微生物群移植实验。他们发现，不同的 QS 自诱导物 - 2（AI-2）分子（由 luxS 合成）介导的种间信号，能够通过影响肠道微生物群落功能，促进阿克曼氏菌的定植，而阿克曼氏菌与 ICIs 治疗的良好反应密切相关。

研究人员为开展这项研究，用到了多个主要关键技术方法。在数据处理方面，运用 MetaWRAP 软件对原始宏基因组 DNA 测序数据进行过滤和组装，使用 MetaGeneMark 进行基因预测，通过 CD-HIT 去除冗余基因，从而获得非冗余的基因目录。在基因差异分析上，利用 Salmon 计算基因丰度，通过 Wilcoxon 秩和检验确定差异丰度基因，并进行 KEGG 通路富集分析。同时，运用多种机器学习算法构建预测模型，还用小鼠定植模型探究相关基因和微生物的作用。

研究结果主要包括以下几个方面：

1. 特征化接受 ICIs 治疗患者的粪便宏基因组数据：研究人员收集了 12 个公共数据集的粪便宏基因组数据，经筛选后保留 821 个样本，涵盖 6 个国家的 6 种癌症类型，包括黑色素瘤、胃肠道癌、NSCLC 等。
2. 基于差异丰度基因构建 ICIs 反应预测模型：鉴定出 55292 个差异丰度基因，构建 6 种机器学习分类模型，RF 模型表现最优，且 11 条富集通路代表潜在生物标志物，4 条关键通路（QS、ABC 转运体、鞭毛组装和氨基酸生物合成）在不同癌症类型和地区均显著富集，用其差异丰度基因构建的 RF 模型预测效果良好。
3. 跨队列一致性分析：在多个黑色素瘤和其他肿瘤类型数据集中，均发现 QS、ABC 转运体等通路显著富集，且部分通路存在共富集现象。
4. 关键基因分析：QS 基因、鞭毛组装基因和氨基酸生物合成基因在 R 和 NR 之间呈现一致变化，且在独立验证队列中得到验证。
5. 动物实验：通过小鼠定植模型发现，AI-2 可促进阿克曼氏菌在肠道的定植，且这种作用依赖于微生物群落。

研究结论和讨论部分表明，该研究揭示了不同人群和癌症类型中，肠道微生物组功能在调节微生物群落和抗肿瘤免疫方面的重要作用。所发现的富集通路和关键基因，为精准预测 ICIs 治疗反应提供了新的生物标志物和潜在靶点。不过，研究也存在一定局限性，如部分肠道微生物的基因操作困难，AI-2 等信号对阿克曼氏菌定植的机制尚待进一步研究。但总体而言，这项研究为癌症免疫治疗的发展提供了重要的理论依据和实践指导，有望推动癌症精准治疗的进步。