粪便样本中的微生物菌群特征可以用于检测肝硬化。
据世界卫生组织统计，作为主要的全球公共卫生问题，慢性肝病已对约8.44亿人的健康造成了巨大影响。这类疾病难以控制，也没有FDA批准的肝抗纤维化疗法。
近日，美国索尔克生物研究所和加州大学圣地亚哥分校的科学家们合作开发了一种新型的肠道微生物菌群诊断工具，通过机器学习分析患者的粪便样本，能够快速诊断出肝纤维化和肝硬化，具有准确性高、成本低等优势。
这可能会改善肝病患者的护理和治疗结果，相关论文于6月30日在《细胞代谢》杂志在线发表。
论文作者、索尔克研究所的Ronald Evans教授说：“肠道微生物菌群是一种动态的活体传感器，可以监测人体内的微小变化，准确反映人的健康状况。同时，诊断速度快、成本低等优点，使其具备广泛应用的潜质。这对缺乏专业诊所和医生的地区来讲尤为重要。”
非酒精性脂肪性肝病(NAFLD)是全球慢性肝病的主要病因，可发展为肝纤维化、肝硬化和肝癌。目前，医护人员仍缺乏针对肝纤维化和肝硬化的有效诊断工具。侵入性活组织检查可能会有遗漏，而核磁共振成像又非常昂贵。
“为了满足医护人员对新型检测方法的迫切需要，我们希望开发出一种通用的、非侵入性的肝纤维化和肝硬化检测方法，这种检测方法的基础是疾病的‘微生物菌群特征’。”索尔克研究所的高级研究员、论文作者Michael Downes说。
通过与加州大学圣地亚哥分校医学部的科学家们合作，研究人员优化了机器学习的计算方法，发现了一种复杂的慢性肝病特征。这种特征由病人粪便样本中的19种细菌组成，形成了一种识别肝纤维化和肝硬化的通用图谱。
利用微生物菌群基因图谱和粪便样本代谢物的数据，研究人员发现了与肝硬化诊断相关的微生物菌群特征，准确率高达94%。肠道微生物菌群的特征还可以确定肝纤维化的阶段。这可以帮助医生为病人分级，改进治疗策略。
论文第一作者、Evans实验室的博士后研究员Tae Gyu Oh说：“我们的研究表明，使用机器学习识别疾病（如肝硬化）的通用特征是可行的。”
研究人员随后将他们在美国南加州肝硬化患者中发现的微生物菌群特征应用于来自中国和意大利的两个独立患者群体。结果发现，这些特征可以准确识别超过90%的肝硬化，验证了算法在不同基因和饮食的人群中的有效性和准确性。
“这体现了肠道微生物在肝脏疾病诊断和风险分级中的重要作用。我认为，微生物菌群作为诊断工具的潜力还没有被充分发掘。”论文作者、加州大学圣地亚哥医学院NAFLD研究中心的主任Rohit Loomba说。
接下来，科学家们将通过测试恢复或去除部分微生物对疾病的影响来检验肠道微生物菌群和肝病之间的因果关系。研究小组还希望这种方法可以用于发现其他疾病的特征，如炎症性肠病、结肠癌、阿尔茨海默氏症和其他可能受到肠道微生物菌群失调影响的疾病。
科界原创
编译：花花
审稿：西莫
责编：雷鑫宇
期刊来源：《细胞代谢》
期刊编号：1550-4131
原文链接：
https://www.eurekalert.org/pub_releases/2020-07/si-gli070120.php
版权声明：本文由科界平台原创编译，中文内容仅供参考，一切内容以英文原版为准。转载请注明来源科技工作者之家—科界App。
