當Gregory Poore還是一名大一新生時，他原本健康的祖母被診斷患有晚期胰腺癌，12月下旬確診，次年1月就去世了。這讓他感到震驚，“因為她幾乎沒有任何徵兆或症狀，為什麼她的癌症沒有更早被發現，為什麼治療方法無效？”這些問題驅使著Poore不斷地去尋找答案。
直到2017年，Poore看到《Science》雜誌上的一項研究——微生物入侵大多數胰腺癌並能夠分解這些患者使用的主要化療藥物。這引起了他濃厚的興趣和猜想，細菌和病毒可能在癌症中發揮更大的作用。
念念不忘，必有迴響。如今，在美國加州大學聖地亞哥醫學院攻讀博士的Poore師從微生物組創新中心Rob Knight教授。他們聯合一個跨學科的合作小組共同開發了一種癌症診斷新方法，通過機器學習方法識別血液中存在的微生物DNA（細菌和病毒）特徵，就可以診斷是否患癌以及患有哪種癌症。
這項研究結果以“Microbiome analyses of blood and tissues suggest cancer diagnostic approach”（血液和細胞組織的微生物組分析表明癌症診斷方法）為題於當地時間3月11日發表在《Nature》雜誌上，或許會推動癌症生物學領域的重要轉變。
具體來說，研究人員使用癌症基因組圖譜數據庫分析了18,116個腫瘤樣本。這些樣本來自10,481名患者，涵蓋了33種不同的癌症類型，包括原發性和複發性腫瘤以及轉移擴散的腫瘤。除了已知的微生物與癌症之間的聯繫，如人乳頭瘤病毒（HPV）與宮頸癌、頭頸癌之間的關係，以及梭桿菌種類與胃腸道癌症之間的關係外，研究人員還發現“新大陸”，如費氏桿菌物種與結腸癌之間的聯繫等。
癌症的微生物特徵（圖片來源：Nature）
在收集了癌症樣本的微生物特徵之後，研究小組訓練了數百種機器學習算法，以將某些微生物序列特徵與特定癌症相匹配。機器學習模型能夠僅使用患者血液中的微生物數據來識別患者的癌症類型。
隨後，研究人員使用從59例前列腺癌、25例肺癌和16例黑色素瘤患者的血液樣本中收集的數據對算法進行驗證，並與69名健康個體的血液進行比較。結果顯示，這些模型能以敏感性為86％識別出肺癌患者，對於無肺部疾病的個體沒有出現假陽性報告；以81％的敏感性區分前列腺癌患者和肺癌患者。
目前，大多數癌症的診斷需要進行手術活檢，但這種方法耗時且昂貴，而且是侵入性的。而當前的液體活檢尚未能夠可靠地將正常的遺傳變異與真正的早期癌症區分開，罕見基因突變也很難檢測。
研究人員表示，與人體循環腫瘤DNA相比，基於微生物DNA的癌症檢測的一個優勢是其在不同身體部位的多樣性。相比之下，人類的DNA在整個身體中是基本相同的。由於不依賴於罕見的人類DNA變化，這項研究表明，與目前的液體活檢相比，基於血液中微生物DNA信息或許能夠在癌症早期就準確地檢測出癌症的存在和類型，以及缺乏可檢測基因突變的癌症。
當然，研究人員也指出，這些初步觀察結果距離FDA批准其為癌症診斷檢測方法，還有很長的路要走。現在需要更大、更多樣化的患者群體來驗證和完善機器學習算法。同時，為了加快這一商業化進程和臨床應用，Knight和Poore已經申請了專利，並與合著者Sandrine Miller-Montgomery共同創立了一家名為Micronoma的公司。
閱讀更多 RAVV 的文章
