摘要
人类微生物组已经越来越被认为具有潜在的疾病预测用途。预测疾病的风险、进展和严重程度有望改变临床实践，增强患者的决策能力，并减轻各种常见疾病的负担，这已经在心血管疾病或乳腺癌等方面得到了证明。结合多种可改变和不可改变的危险因素，包括高维基因组数据，传统上一直受到青睐，但很少有研究将人类微生物组纳入预测疾病预期风险的模型中。在这里，我们回顾了关于使用人类微生物组进行疾病预测的研究，特别关注前瞻性研究以及作为治疗策略的微生物组的调节和工程。
正文
理解人类微生物组与疾病风险和进展的相互作用是现代医学面临的一个关键挑战。这些信息以个体微生物特征的形式存在，可能通过改进的疾病预测模型具有临床效用，从而导致更好的预防性治疗的部署，更好的疾病进展的管理，以及更好的患者预后。
尽管在这一领域的研究越来越多地记录了我们所拥有的微生物多样性，但是对于微生物组增强疾病的预测仍然存在着持续的挑战。大规模和前瞻性的微生物组宏基因组数据集的稀缺性，测序技术和流程标准化的技术变异性，都是重要的障碍。同时，为了利用各种高维数据集，包括宏基因组数据集，已经开发了互补的机器学习（ML）和统计方法。识别与疾病相关的微生物特征取决于无数的实验、技术和分析因素，所有这些因素都需要仔细考虑。
在这篇综述中，我们概述了近期利用人类微生物组进行未来疾病事件和结果预测方面的关键进展。我们重点关注了评估微生物组动态、变异来源、归一化、分析方法、疾病特异性应用以及作为治疗策略减轻疾病风险的微生物组潜在操纵的研究。
人类微生物组在健康和疾病中的动态变化
将人类微生物组整合到疾病预测框架中，依赖于对微生物及其扰动动态的强有力的表征。了解各种共生微生物群落的结构和个体之间的差异是一项任务，仍然可能受到许多实验和生物学偏见的影响。尽管对于多个身体部位和器官来说，定义“健康”的微生物组状态是复杂的，但它通常以稳定和多样的微生物功能群落为特征，这些群落被认为对宿主的整体健康至关重要。
环境和宿主相关的因素都会影响微生物群落。虽然肠道微生物组以稳定性和恢复力为特征，但它也受到宿主遗传变异的影响，与饮食、药物、生活方式和其他系统因素（如压力、免疫和代谢调节）相互作用。外部环境本身也在塑造肠道微生物组方面起着主要作用，特别是在早期生活和不同的暴露组中。长期的饮食习惯（包括蛋白质、脂肪、碳水化合物、益生菌、膳食多酚和特定的饮食）对肠道菌群的组成有着显著的影响，对宿主的代谢和免疫有着直接的次级效应。一项使用成人痰液样本的气道微生物组的研究表明，细菌类群（特别是通过富集奈瑟菌属）和真菌类群的变异不仅与有害暴露相关，而且还介导了吸烟和PM2.5（直径小于或等于2.5微米的颗粒物）浓度对肺功能受损风险的影响。人与人之间的传播和“同居”也与肠道和口腔微生物群的相当大的菌株共享有关。
在病例对照组中观察到的个体微生物群的扰动，有时在文献中被称为“生态失调”，如几项横断面研究所表明的那样，可能与特定的症状表型有关。一项对来自世界各地所有年龄参与者的21000个粪便微生物组的综合研究表明，微生物组中优势分类群的消耗以及一组特定物种丰度的增加是导致不健康衰老的主要原因。肠道微生物组的组成和功能的变化与一系列的疾病和临床结果相关联，包括心脏代谢紊乱、高血压、肾功能、神经精神障碍、癌症、自身免疫性疾病、肺部疾病以及对治疗的反应。气道微生物群落的改变，特别是以多样性显著降低和病原体定植为特征，与几乎所有的呼吸系统疾病相关联，包括慢性阻塞性肺病（COPD）、哮喘、支气管扩张、囊性纤维化、肺部疾病的并发症，如肺动脉高压，以及急性呼吸道疾病，这暗示了微生物群落与宿主在呼吸系统疾病中的相互作用可能存在一些共性。应该强调的是，尽管在微生物和疾病或状况之间发现了许多统计上稳健的联系，但是微生物群落与人类宿主的相互作用非常复杂。该领域的高保真度研究在统计和校正可能的混杂因素时非常谨慎，但不可能控制所有不必要的变异来源，并且仍可能存在未检测到或未控制的混杂因素。
前瞻性研究和纵向采样对于了解微生物变异对健康和疾病的长期影响至关重要。测量的总体肠道微生物组变化在15年的随访期间，β-多样性被证明与一般人群较高的全因死亡率风险密切相关，而α多样性与病死率无关。具体来说，在基线时肠道微生物组中富集的肠杆菌科与胃肠道和呼吸系统疾病相关的死亡率相关。最近的一项研究使用从护理机构中的老年人(易患虚弱的人群)以及社区中的老年人和健康的年轻人身上收集的皮肤、口腔和肠道微生物组的纵向样本，表明养老院患者的微生物组比社区居民和健康的年轻人更不稳定。与年轻人相比，老年人的油性皮肤部位和肠道微生物多样性增加，口腔微生物多样性减少。虽然实际年龄与分类组成并不一致，但我们观察到老年人和年轻人之间皮肤微生物组的显著组成差异，并且在口腔和肠道微生物组中也发现了较少的组间差异特征。
利用微生物组预测人类疾病
虽然许多病例-对照研究已经发现了微生物组在两组之间的不同特征，但在流行病学中广泛认为，病例-对照研究特别容易受到选择偏倚、混杂和技术伪影的影响。大规模的前瞻性研究对于构建和验证人类疾病风险预测模型至关重要。由于这类数据集的稀缺性，很少有已发表的研究关注微生物组与临床结果的长期随访的前瞻性关联。本节总结了使用微生物组数据进行疾病预测的最近的工作，重点关注了未来疾病发病的随访期间、无症状个体的疾病前特征以及基于纵向采样的微生物群落的研究。
肝病
肝脏疾病给人类健康带来了巨大的负担，每年导致全球数百万人死亡。越来越多的证据表明，肠道微生物组具有预测肝脏疾病和促进肝硬化失代偿的鉴别能力。肠道微生物组的α多样性与肝损伤严重程度的增加呈负相关，而β多样性在中度严重程度时表现出初始下降，在重度肝损伤时表现出更高的系统发育分散度，这暗示了非酒精性脂肪性肝病（NAFLD）进展中肠道菌群的低多样性和低稳定性特征。在一项关于肠道微生物组与一般人群中脂肪肝关联性的研究中，基于肠道宏基因组特征和脂肪肝的常规风险因素训练的机器学习（ML）模型可以区分由脂肪肝指数定义的高风险和低风险的脂肪肝患者，其中微生物特征主要属于Lachnospirales和Oscillospirales。基于肠道微生物组的16S rRNA测序特征和临床变量的ML模型能够区分非NAFLD对照组、无高级纤维化的NAFLD和NAFLD-肝硬化。肠道宏基因组和代谢组特征在检测NAFLD-肝硬化方面表现出可比的性能，并且结合肠道菌群、代谢物和临床特征进一步提高了在遗传和地理上不同的队列中检测NAFLD-肝硬化的诊断准确性，以及区分肝硬化和纤维化。
长期随访的前瞻性研究为肠道菌群对未来肝脏疾病发病的预测能力提供了新的证据。一项基于霰弹枪宏基因组学和大人群队列电子健康记录的研究表明，肠道微生物群可以预测未来15年发生肝脏疾病的潜在风险。基于基线肠道微生物特征的ML模型显示出对酒精性肝病和更广泛的一般肝病的预测能力，与常规预测模型和肝脏疾病的临床无创测试具有相当的性能。此外，肠道微生物组对肝脏疾病的临床风险因素显示了附加的预测能力，并改善了无病生存的风险分层。预测新发肝病的微生物组特征包括先前报告的与肝损伤、酒精中毒、肠道通透性、脂多糖(LPS)和内毒素产生、胆汁酸和胆盐水解酶活性相关的细菌类群。在一项基于社区的队列研究中，结合基线肠道宏基因组和血清代谢组特征的ML模型能够预测在4.6年的随访期间新发生的NAFLD，其性能高于临床预测模型。微生物特征的区分能力在不同种族的病例-对照队列中得到了外部验证。基于肠道微生物群落功能通路的模型可以区分纤维化恶化和非NAFLD，而结合肠道微生物群落组成和通路、血清代谢物和临床特征的模型进一步用于分类不同程度的脂肪变性。
呼吸系统疾病
尽管肠-肺轴的描述越来越多，但肠道微生物群在呼吸道疾病中的预测作用才刚刚开始被理解。慢性阻塞性肺病是全球死亡的主要原因，与哮喘一起，是最常见的慢性呼吸道疾病。2020年第一次有研究描述了肠道微生物变化与COPD之间的关联。根据临床标准，研究人员使用16S rRNA基因测序，在定义明确的COPD患者和健康对照组之间发现了不同的肠道微生物组和代谢组，重点是COPD患者中富集的链球菌属（Streptococcus spp.）。后来，研究表明在普通人群中，肠道微生物组可预测未来COPD和成年哮喘的发病，随访时间为15年。根据先前的研究结果，以散弹枪宏基因组测序为特征的基线肠道微生物群被发现与未来发展为哮喘和COPD的风险相关，包括后来发展为COPD的个体中富集的Streptococcus sp000187445，以及后来发展为哮喘的个体中较低的基线α多样性。机器学习模型表明，基线肠道微生物组可预测未来的COPD和哮喘，其预测性能高于单个传统风险因素，并可补充传统因素。
生命早期呼吸道和肠道中的微生物群与呼吸道疾病的后期发病有关。2-4岁经常喘息的学龄前儿童的肠道微生物群与随访至6岁的儿童哮喘有关，Gemmiger属和Escherichia属丰度的增加与儿童哮喘发病风险的增加有关。使用16S rRNA测序对2个月和12个月婴儿的肠道微生物组进行纵向采样，证明了早期肠道微生物成熟对儿童哮喘的保护作用。健康个体的微生物成熟度，通过“估计微生物组年龄”(EMA)来测量，与第12个月时哮喘和肺功能损伤风险降低有关，并且受到农场暴露的积极影响。产生丁酸盐的细菌，特别是Roseburia和Coprococcus，以及编码丁酸盐产生主要酶的基因，有助于哮喘的保护作用。另一项前瞻性纵向研究也证实了微生物成熟对哮喘发病的影响，该研究表明，婴儿微生物群成熟受损与学龄期患哮喘的风险增加有关。
糖尿病
肠道微生物群的改变，尤其是产生丁酸盐细菌的减少，与糖尿病前期、胰岛素抵抗和独立于抗糖尿病药物的2型糖尿病(T2D)有关。肠道微生物组成的变化与功能途径的变化平行，与糖尿病前期和糖尿病治疗初期T2D的血糖状态改变有关。此外，在运动干预后，糖尿病前期患者的肠道微生物群在葡萄糖稳态和胰岛素敏感性方面表现出明显的变化，这表明肠道微生物群在调节运动对糖尿病预防作用方面的潜在作用。在新发1型糖尿病(T1D)儿童中发现了肠道微生物组功能谱和代谢途径的紊乱。基于肠道微生物组特征的ML模型，特别是产生丁酸盐的细菌和条件致病菌，对T1D表现出了鉴别能力，通过添加粪便代谢物特征，进一步提高了鉴别性能。
肠道微生物群对未来糖尿病发病的预测能力的证据正在出现。一项对普通人群进行纵向随访的研究表明，1岁婴儿的肠道微生物群属可以区分20年后是否会发展为T1D。17个核心不同的属，包括Ruminococcus, Alistipes和Fusicatenibacter，以及10个核心扩增子序列变异(asv)，包括Agathobacter-434, Lachnospira-5640和Anaerostipes-747，被确定为区分未来T1D病例与对照的最强微生物特征。在不同地域的人群中，经过3年的随访，肠道微生物群已被证明与血糖特征和T2D具有前瞻性相关性，并且与T2D事件风险相关的分类单元与饮食和生活方式因素具有关联。在另一项中位随访60个月的新发病T2D研究中，肠道微生物特征显示出比芬兰糖尿病风险评分(FINDRISC)和美国糖尿病协会(ADA)评分组成的临床变量更高的预测性能，将临床变量添加到肠道微生物组进一步提高了内部验证的性能。基于口服葡萄糖耐量试验衍生的胰岛素抵抗指标，如胰岛素抵抗的稳态模型评估(HOMA-IR)和肝脏胰岛素抵抗指数(HIRI)，从模型中最具预测性的分类群中开发出的T2D风险评分与不同组相关。
在一个以肠道微生物群和长期随访健康结果为基础的大人群队列研究中，基线肠道微生物群与新发T2D在长达18年的时间内相关。在15.8年的随访中，四种基线肠道菌群，包括Clostridium citroniae 、Clostridium bolteae、Tyzzerella nexilis和Ruminococcus gnavus，在两个地理和基因分离的地区显示出与T2D发病的一致正相关。按比例丰度聚类的肠道菌群物种在两个地区也显示出相似的模式和基本一致的类群成员。在同一队列中，在17.8年的中位随访中，基于基线肠道微生物组训练的ML模型显示出中度预测新发T2D的能力，肠道微生物组风险评分与发病T2D显著相关，独立于多基因风险评分(PRS)和强大的常规预测指标，包括体重指数(BMI)、葡萄糖水平和家族史。在没有糖尿病史的孕妇中，根据妊娠中期的诊断，妊娠前三个月的肠道微生物组谱可以区分妇女是否会发生妊娠糖尿病(GDM)。后来发展为GDM的女性肠道微生物群的特点是肠道微生物群的几个分类群的消耗，特别是在小鼠模型中复制的普雷沃氏菌丰度降低，粪便代谢组中短肽水平降低，以及与胰岛素抵抗和炎症相关的代谢途径差异丰富。此外，基于肠道微生物组组成和妊娠前三个月收集的临床变量的外部验证ML模型可以预测几周后GDM的发病。
炎症性肠病
尽管在病例对照研究和体内验证中，胃肠道疾病(特别是IBD)与肠道微生物群偏差之间的联系已经很明显，但肠道微生物群在疾病发病前的预测作用很少被探索。在一项多国籍克罗恩病患者的大型前瞻性队列研究中，克罗恩病患者健康一级亲属的肠道屏障功能受损与肠道微生物组成的变化有关，包括增加的Colidextribacter，和减少的Adlercreutzia, Clostridia UCG 014，Clostridium sensu stricto以及功能途径的改变。在内部验证中，使用基线肠道微生物属和协变量的ML模型开发的微生物组风险评分可预测5年后新发克罗恩病，其中贡献最大的分类群是来自Oscillospiraceae和Lachnospiraceae。此外，微生物组风险评分与克罗恩病的预期风险相关，独立于亚临床肠道炎症，而大多数健康的一级亲属在基线时存在肠道炎症，在平均6年的随访中仍无症状。
神经和精神疾病
越来越多的证据表明，肠道微生物组通过肠脑轴在自闭症谱系障碍(ASD)、帕金森病(PD)和阿尔茨海默病(AD)等脑部疾病的发病机制中发挥作用。根据儿童ASD诊断状态，肠道微生物群具有不同的丰度，并且ASD相关微生物群是由饮食多样性介导的。与年龄和性别相匹配的正常对照组相比，自闭症儿童表现出不同的微生物群落，其代谢能力与饮食关联模式相似。在帕金森病（PD）前驱期，肠道微生物组组成的改变，如丁酸生成菌的减少和促炎菌的过量，与快速眼动(REM)睡眠行为障碍(RBD)向早期PD发展的过程同步发生变化，而功能通路从健康对照、RBD一级亲属、RBD向早期PD发展的过程呈增加趋势。60-94岁认知正常的临床前AD患者(β-淀粉样蛋白阳性)与健康对照组相比，肠道微生物组的组成或途径不同，这表明肠道微生物组在AD早期发展中的潜在作用。研究还表明，添加肠道微生物组特征略微但显著地提高了ML模型在区分AD临床前阶段与健康对照组方面的区分性能，而不是临床和遗传生物标志物。
其他疾病
肠道微生物群紊乱与许多其他病症和疾病有关，包括心血管疾病和癌症。研究显示，肠道微生物组和代谢组可将缺血性心脏病(IHD)患者与健康对照者区分开来，在中位随访15年期间，微生物组组成与房颤新发有关。在一项基于人群的前瞻性队列研究中，在约18年的随访期间，肠道微生物组对新发前列腺癌的预测优于传统的危险因素，并且与前列腺癌风险相关，与年龄、PRS、癌症家族史、BMI和生活方式因素无关。一项针对60名多发性硬化症患者的纵向研究表明，基线肠道微生物组对疾病进展具有中等的预测性能，当将这两个因素相结合时，其预测贡献大于临床变量，尽管需要对模型进行外部验证。肠道菌群和微生物代谢物的改变也与结直肠癌有关。有趣的是，在回顾性和前瞻性分析中，口腔微生物组显示出对结肠癌的中等区分能力。在一项针对儿童过敏性疾病（包括特应性皮炎、哮喘、食物过敏和过敏性鼻炎）的前瞻性纵向研究中，所有后来在5岁时患上过敏性疾病的儿童都存在通过微生物群预测的婴儿年龄测量的肠道微生物组成熟延迟，并且与更高的过敏诊断风险以及失调的功能途径一致相关。肿瘤微生物群已被证明可以预测癌症的预后和多种癌症对化疗的反应，并可能增加对临床协变量的辨别力。在不同的癌症亚型中独特存在的微生物特征表明它们作为生物标志物的诊断和预后潜力。
新的治疗策略
越来越多的证据表明，肠道微生物组通过双向相互作用调节了目前治疗疾病的治疗效果和不良反应。在一项对两大洲同质试验人群队列中接受新辅助免疫治疗的癌症患者的肠道微生物组的研究中，发现肠道微生物组的组成和功能变化与病理反应和毒性相关。具体来说，粪杆菌属、丁酸球菌属和粘液秋兰氏菌属的富集与病理反应相关，而有益代谢途径的减少——包括丁酸产生、嘌呤降解、维生素B和氨基酸合成——与不良结果组相关。重要的是，他们发现与高纤维摄入相关的类群的富集与更高的治疗反应率相关，表明肠道微生物组在改善治疗结果方面具有潜在的效用。常见的药物，如质子泵抑制剂（PPIs）、二甲双胍和泻药，被发现与肠道微生物分类和途径的改变相关，其中二甲双胍与肠道微生物组功能变化的关联主要归因于大肠杆菌。
微生物组和环境暴露的可改变性为发现新的预防、诊断和治疗方法提供了机会。在一项双盲、随机、安慰剂对照的临床试验中，口服给予SER-109，一种由纯化的厚壁菌门孢子组成的研究性口服活性微生物组治疗剂，是一种有效的治疗方法，可以降低复发性艰难梭菌感染的风险，没有严重的不良事件。最近诊断为1型糖尿病（T1D）的患者接受了连续的粪便移植治疗，显示出肠道微生物组驱动的对残余β细胞功能的影响，伴随着肠道微生物组成和血浆代谢物的改变。
多组学分析可以为复杂疾病的潜在异质性提供新的证据。基于粪便和血清的组学的整合展示了微生物群落功能异常与常见疾病之间相互作用的潜在途径，为开发新的治疗策略开辟了新的途径。在一项整合了蛋白质组学、代谢组学和宏基因组学的研究中，发现厚壁菌属蛋白酶的过度产生与溃疡性结肠炎（UC）患者的临床严重程度和疾病活动性相关，而在小鼠模型中给予蛋白酶抑制剂显示了对结肠上皮的保护作用。此外，在接受了来自UC患者的富含蛋白酶的粪便移植的无菌小鼠中诱导了明显的结肠炎，而在接受了没有厚壁菌属蛋白酶丰富的粪便的小鼠中则没有出现。结合肠道微生物组和代谢物谱的预测模型显示出比根据目前指南广泛使用的肝纤维化的无创检测方法纤维化-4（FIB-4）更高的对非肥胖人群中NAFLD的诊断能力，以及对区分克罗恩病活动性的强大区分性能和对新发生T1D的预测能力。尽管这些研究很有前景，但是使用体内和动物模型来超越相关性并向因果关系迈进，例如，为特定微生物或一组微生物对疾病结果的因果效应建立证据基础，仍然非常罕见，而且可用的文献有限。与此同时，功能基因组学和宏基因组学的方法可以标记出有趣的候选对象，优先考虑在动物模型或临床试验中进行功能验证。虽然微生物组的功能分析为疾病相关的微生物扰动的生物分子机制提供了宝贵的见解，但分类学分析通常表现出更好的疾病预测性能。在一项最近的研究中，使用一种整合方法对分类学、基因家族、代谢途径和代谢物谱进行训练的多视图ML模型被用于预测多种疾病。基于单一数据源的单视图模型在不同的疾病中表现出不同的性能，总体而言，分类学丰度倾向于优于其他数据源。尽管多视图模型的性能与最佳的单视图模型相似，但中间多视图整合方法进一步提供了一组混合的特征，有助于疾病预测。
结论和未来展望
基于全人群电子健康记录和多组学数据构建的预测模型，可以用来利用和揭示在诊断之前和复杂疾病发展之前的无症状微生物标志物之间的未知联系。因此，人类微生物群落开始被视为一个更广泛的生物学框架的一个组成部分，该框架包括基因组和环境疾病风险预测因子（通常归为“传统风险因子”），值得注意的是，微生物群落理论上可以通过益生菌、饮食改变或通过粪便微生物移植（FMT）的主动工程来改变，目前在“培养组学”领域正在强调，并建议使用培养的微生物有机体的个性化生物库来潜在地缓解不同人群的疾病（见突出问题）。最后，微生物组精准医学永远不会完整，直到解决宿主-微生物组知识的全球代表性的挑战，因为目前的微生物组数据集，以及对疾病进展本身的知识，仍然存在着对高收入欧洲或北美人群的偏见。总的来说，在推进微生物组研究方面已经取得了实质性的进展，丰富了我们对疾病风险和进展的理解，并且如果最终成功，将为精准医学提供一个新的预测和病因学维度。
本文译自：Liu Y, Fachrul M, Inouye M, et al. Harnessing human microbiomes for disease prediction. Trends in Microbiology, 2024 Jan 20: S0966-842X(23) 00339-6. doi : 10.1016/j.tim.2023.12.004.
发表杂志：Trends in Microbiology
影响因子：18.0
通讯作者： Guillaume Méric
作者单位：Cambridge Baker Systems Genomics Initiative, Baker Heart and Diabetes Institute, Melbourne, Victoria, Australia
