研究人群与样本采集
建立用于微生物组分析的结直肠肿瘤研究队列。
从COLO-COHORT研究中纳入1762名年龄≥30岁、提供肠道准备前粪便样本并具有临床、饮食和生活方式数据的参与者；通过结肠镜和组织病理学评估肿瘤状态。
关于丁香通
公司信息
个人用户
企业机构
无忧采购 轻松科研
- 移动端
结直肠肿瘤中的肠道微生物组特征：一项跨肿瘤分期和亚型的横断面研究
Gut microbiome signatures in colorectal neoplasia: a cross-sectional study across neoplasia stages and subtypes
实验完整度
中横断面粪便宏基因组分析1762例，线性混合模型和随机森林分类，有明确实验方法和验证结果，但无体内外功能验证。
主要模型
接受结肠镜检查的参与者粪便样本（n=1762） 无肿瘤对照组（n=1076） 肿瘤组（n=686）
重点核对
粪便样本采集于肠道准备前，使用OC Sensor FIT采样器 shotgun宏基因组测序由Novogene在Illumina NovaSeq6000平台完成 肿瘤分类依据英国胃肠病学会（BSG）监测指南 线性混合效应模型（MaAsLin2）调整年龄、性别、BMI、种族、招募中心和测序批次 随机森林模型五折交叉验证区分高风险肿瘤与匹配对照
摘要
背景：虽然结直肠癌（CRC）已被与肠道微生物组联系起来，但在腺瘤性息肉、锯齿状病变或无蒂锯齿状病变等前驱病变中是否可检测到特定微生物特征仍不清楚。目的：评估肠道微生物组分类学和功能与结直肠肿瘤存在、严重程度（非进展期、进展期和CRC）及亚型的关联，并评估其在高风险肿瘤中的预测潜力。设计：分析来自多中心COLO-COHORT研究中1762名接受结肠镜检查参与者（97%为英国白人）的横断面粪便宏基因组（结肠镜检查前）。肿瘤按英国胃肠病学会监测指南分类。线性混合效应模型和随机森林分类器评估分类学和功能关联，并调整饮食、临床和生活方式协变量。结果：有和无肿瘤个体之间的肠道微生物组组成差异具有统计学显著性但极小（R2=0.0008，p=0.03）。少数物种，包括Mediterraneibacter faecis和Pseudoruminococcus massiliensis，以及微生物通路，包括氨基酸生物合成和β-内酰胺耐药性，与肿瘤（尤其是早期病变）存在适度关联（q值<0.05）。关联通常较弱，并在协变量调整后减弱。结合微生物组与临床/人口学特征的预测模型适度改善高风险肿瘤分类（曲线下面积=0.64 vs 仅临床/人口学特征的0.58）。结论：这项大型前瞻性横断面研究发现肠道微生物组与癌前结直肠肿瘤之间的关联较弱且不一致，没有稳健的微生物特征。研究结果表明，先前报道的微生物变化可能在疾病进展后期出现，可能是CRC的结果而非原因。需要纵向、多组学研究来解开肠道微生物组与肿瘤之间的时间和因果通路。
实验结论
提炼研究问题、关键发现与证据，快速把握文章的核心贡献。
- 研究问题
- 肠道微生物组分类学和功能特征是否与结直肠肿瘤的存在、严重程度和亚型相关，并能否预测高风险肿瘤？
- 核心机制
- 文献未提出明确的因果机制；观察到微生物组与肿瘤的关联较弱，且在调整饮食、生活方式等协变量后减弱，提示关联可能由混杂因素解释。
- 主要证据
- 对1762名接受结肠镜检查参与者的粪便宏基因组分析显示，肿瘤组与无肿瘤组之间β多样性差异虽显著但效应量极小（R2=0.0008），α多样性无差异；少数物种如Mediterraneibacter faecis和Pseudoruminococcus massiliensis呈弱关联；随机森林模型结合微生物组与临床特征预测高风险肿瘤的AUC为0.64，仅略高于临床特征的0.58。
- 研究意义
- 研究表明肠道微生物组对癌前结直肠病变的检测和风险分层价值有限，提示微生物变化可能出现在疾病进展后期，可能是CRC的结果而非原因；需要纵向多组学研究来厘清时间与因果通路。
研究路径
按研究推进顺序梳理实验设计、验证步骤与关键观察。
粪便宏基因组测序
获取肠道微生物组的分类和功能图谱。
使用OC Sensor FIT采集粪便样本，由Novogene在Illumina NovaSeq6000平台进行 shotgun宏基因组测序，并按照标准化方案进行DNA提取、测序和质量控制。
微生物多样性与分类关联分析
评估肿瘤存在、分期和亚型与微生物多样性和分类群丰度的关联。
计算α多样性（Shannon指数、物种丰富度）和β多样性（Bray-Curtis、Jaccard距离），使用PERMANOVA、ANOVA和线性混合效应模型（MaAsLin2）分析物种、属和门水平关联，并调整协变量。
功能通路分析
评估肿瘤存在、分期和亚型与微生物功能潜力的关联。
使用HUMAnN V.3.0进行功能谱分析，分析132,794个微生物基因家族和462条代谢通路，使用线性混合效应模型。
预测建模
评估微生物组特征对高风险肿瘤的预测能力。
使用随机森林模型（五折交叉验证）区分高风险肿瘤病例与按年龄、性别和BMI 1:1匹配的对照，比较仅微生物组、仅协变量和联合模型的AUC。
研究方法
按研究目的归类文中使用的方法，便于定位所需技术。
验证样本或模型特征
验证分子表达变化
产品清单
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| 粪便样本采集 | OC Sensor | Mast Diagnostics | -- |
| shotgun宏基因组测序 | Illumina NovaSeq6000 | Illumina | -- |
关键环节
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 研究人群与样本采集 | 纳入标准（年龄≥30岁、提供肠道准备前粪便样本）、排除标准、样本量1762、肿瘤分类依据BSG指南 阅读提示：Methods中的Study sample和Neoplasia classification小节 |
| 粪便宏基因组测序 | 采样时间（肠道准备前）、测序平台（Illumina NovaSeq6000）、测序公司（Novogene）、DNA提取和质控方案 阅读提示：Methods中的Faecal sample collection and gut metagenome sequencing小节及补充方法 |
| 微生物多样性与分类关联分析 | α多样性指标（Shannon、丰富度）、β多样性距离（Bray-Curtis、Jaccard）、PERMANOVA参数（1000次置换）、线性混合效应模型协变量（基础模型、先验模型、数据驱动模型）、FDR阈值0.1 阅读提示：Methods中的Alpha diversity、Beta diversity和Statistical modelling approaches小节 |
| 功能通路分析 | HUMAnN版本（V.3.0）、基因家族和代谢通路数量、统计模型和FDR阈值 阅读提示：Methods中的Functional microbiome analysis小节 |
| 预测建模 | 随机森林五折交叉验证、匹配变量（年龄、性别、BMI）、高风险定义、AUC计算方式 阅读提示：Methods中的Predictive modelling for clinical utility小节及补充方法 |