MOL CANCER | 气道微生物组学有望成为早期肺癌诊断的标志物

肺癌已成为人类癌症死亡的主要原因之一，据统计，全球肺癌的 5 年生存率小于 20%，肺癌的高死亡率很大程度上由于早期肺癌的诊断率低，及晚期肺癌的预后不理想所导致。由此可见，探索肺癌的早期诊断方法十分重要。

吸烟是包括肺癌在内的多种癌症的独立危险因素，长期吸烟会削弱支气管上皮的完整性，使肺部更容易受到常驻微生物变化的影响，从而致使肺癌相比于非恶性组织或健康人群在微生物组的组成上存在差异。随着对微生物组的深入研究，我们逐渐了解微生物群对于疾病发展的影响，并将其运用于多种恶性肿瘤的诊断生物标志物和干预治疗的潜在靶点上。因此，通过对气道微生物群进行测序分析而建立的这种新的组学方法可以用于早期肺癌的检测以及癌症发展风险的预测。

此前，由加拿大不列颠哥伦比亚大学研究团队在著名期刊 Molecular Cancer 发表题为 "Distinct bronchial microbiome precedes clinical diagnosis of lung cancer" 的文章。研究者通过分析了近 400 名患者的呼吸道微生物谱进而创建并验证了一种基于微生物的分类器，该分类器能够在临床诊断前预测无相关症状的患者肺癌的发生，证明了气道微生物组图谱用于早期肺癌检测的临床潜能。

Doi: 10.1186/s12943-022-01544-6

方法 

该研究回顾性纳入了 352 名吸烟者经支气管镜检查的支气管刷洗样本，根据患者在支气管镜检查取样时的诊断进行分层，分为：无癌症组、突发癌症组（指在支气管镜检查时未患癌症，但在后续的随访期间发生肺癌的患者）和肺癌患者组（支气管镜后随访时间见 Fig 1A 所示），以进行与微生物组属性的相关分析，随后利用线性判别分析（LDA, Linear discriminant analysis），创建并验证了微生物群评分模型的诊断预测性能。

 主要实验结果 

01   患者气道微生物组特征

将收集的 345 个患者样本随机分为队列 1（n=230）和队列 2（n=115），两组患者基线特征（年龄、吸烟史、肺功能以及随访时间等）没有统计学差异（所有  p>0.05）。另外收集额外的 38 名患者样本的队列 3 用于外部验证（见 Tab. 1 所示）。将气道 DNA 样本通过扩增、分析和测序等方法来评估微生物群多样性变化情况。结果发现：相对丰度值主要由韦荣氏菌属、链球菌属、普雷沃氏菌属和类芽孢杆菌属在所有三个类别（182 名无癌症组、36 名突发肺癌组和 12 个肺癌组）中占主导（Fig. 1B 所示）。此外，通过队列 1 中肺癌和非肺癌患者的微生物群差异分析，发现与肺癌相关的分类成分的变化发生在可能确诊肺癌患者的气道中。因此，研究者进一步确定具体的某些微生物组特征能够区分肺癌与非肺癌患者，通过考虑各群体特征的相对丰度的差异以及 LDA 评分大小，来确定可能有效的候选特征。

Tab. 1: 三个队列中患者的临床基线特征

02   用于预测肺癌发生的 LMPC 评分模型的构建和验证

研究者进一步通过队列 1 中微生物组的变化确定了产生最大 LDA 评分的分类特征（规定 4 分作为重要特征的截断值）（Fig 1C 所示），然后将 LDA 评分值乘以每个患者样本中特征的相对频率来创建 LDA 加权组合得分模型（LMPC, Lung Microbiome Predictor of Cancer）（Fig 1D 所示）。

将 LMPC 模型在发现队列（1）和验证队列（2）中进行测试，在发现队列中，模型具有区分发生癌症和未患癌症的参与者（p<0.0001，AUC=0.7057，95% CI：0.6118-0.7997）（Fig 1E），队列 2 中的无症状患者分析中，发现通过 LMPC 得分高的患者具有更早的癌症患病率。表明该模型适用于更广泛的危险人群筛查（Fig 1F）。

此外，当纳入临床特征以调整参与者年龄、吸烟史和肺功能（FEV1% 预测值）时，LMPC 模型仍可以识别将发展为肺癌的患者（p = 0.004），其 AUC=0.6503，95% CI：0.5167-0.7839）（Fig 1G），且得分高患者相比较得分低患者肺癌发病时间更早（Fig 1H）。最后在独立队列中，五分之四的癌症事件参与者被确定为具有最高的 LMPC 评分，并在自采样时间起平均 16 个月后诊断肺癌，而得分低的患者则需要 53 个月时间（Fig 1I）。ROC 曲线能够区分发生癌症与无癌症患者的（p=0.0103，AUC=0.8550，95% CI：0.6180-1.000）。

结果表明：LMPC 评分模型具有预测肺癌发生的性能表现。

Fig. 1: 基于微生物组的 LMPC 分类器可识别高危因素患者肺癌的发生

结论 

本研究确定了产生最大 LDA 分数的分类特征，并开发了一个能够区分癌症状态的分类器（LMPC），且在独立验证队列中得到验证，证明了其区分癌症与非癌症的能力，从而能够预测无症状吸烟者的肺癌的发生。无症状患者气道微生物组的变化作为生物标志物，可以比 LDCT 更早观察到肺癌。本研究为开发基于微生物组的液体活组织技术提供了强有力的证据，有望成为肺癌早期筛查和高危患者临床诊断的新方案。

肺癌是人类社会最常见的癌种，虽其发病率已经退居世界第二，但死亡率依旧居于首位。大量研究证实，部分肺结节可能是癌前病变或早期肺癌的征象，而肺结节诊断介入得越及时，良恶性鉴别越精准，越有利于后续诊疗方案的制定。然而，基于影像学的 LDCT 高度依赖影像科及专科医生的阅片能力，无法直接判别肺结节的良恶性，也为早期肺癌的临床鉴别和诊疗带来了巨大的压力。

《中华医学会肺癌临床诊疗指南（2022 版）》中提出，肺结节病因复杂，建议综合肺结节的影像学、生物学和临床特征综合评估。《中国肺癌筛查与早诊早治指南（2021，北京）》中提出了需建立适合我国人群的肺癌临床预测模型，寻求可用于肺部结节良恶性判断的生物标志物。借由医学界和产业界的技术研究成果，当前，生物标志物联合影像学技术以及其他多组学检测技术，已经能够实现进一步提高恶性肺结节的诊断敏感度和特异度。

多组学是全新的生物学分析方法，也是医学界最前沿的研究领域。基于基因组、表观组、蛋白组、代谢组、微生物组等多个不同生命环节、不同维度的大量分子水平生物数据，利用生物信息统计分析、计算生物以及机器学习等技术，以实现对生命过程、疾病等集合超多影响因子的复杂生命现象进行高层次的分析、解读，以此来研究健康与疾病之间微妙的关系。

基于独家多组学技术成果，泰莱生物与同济大学附属上海市肺科医院共同牵头发起了 MISSION 计划（全称：Multi-omIcs claSSIfier for pulmOnary Nodules，即基于多组学的肺结节良恶性鉴别诊断前瞻性多中心临床研究），四川大学华西医院、山东省胸科医院等数十所三甲医院联合参与，旨在利用基于影像组学、表观基因组学、代谢组学、临床表型组学等多组学技术，针对医学影像显示肺结节的患者进行肺结节良恶性鉴别诊断，以推进早期肺癌的诊断效率并帮助肺癌患者更早实施临床诊疗，从而提升患者生存率。MISSION 计划拥有目前我国该领域内最大（获得病理诊断结果）规模的临床研究队列，经过分析万例临床肺结节患者胸部 CT、血液中代谢物质及 cfDNA 羟甲基化水平数据，构建出了肺结节诊断多组学融合模型，并以此转化了斐盼安®（影像组学 + 代谢组学）、斐盼康®（影像组学 + 代谢组学 + 表观基因组学）两款产品，可对肺结节良恶性鉴别提供高效、可靠的参照，将对优化与完善早期肺癌临床诊疗起到重要的辅助作用。

针对癌症的诊断来说，不止是肺癌，所有癌症的诊断都离不开 ‘生物标志物’，而 ‘生物标志物’ 也有很多不同的层面。不论是哥伦比亚大学研究团队研究中的气道微生物组，还是多组学融合模型，其研究的根本都是在为人类生命的延续而钻研和拓展。前沿科技服务于人类，相信在未来，我们距离真正实现癌症 “防大于治” 会越来越近。

- End -