格里高里·鲍尔(Gregory Poore)大一时,他原本健康的祖母在12月下旬被诊断出患有晚期胰腺癌,并于次年1月去世。这使他感到惊讶,“因为他几乎没有症状或体征,为什么不及早发现他的癌症,为什么治疗无效?”这些问题不断导致穷人寻求答案。
直到2017年,普尔在《科学》杂志上看到一项研究,其中微生物入侵大多数胰腺癌,并且可以分解这些患者使用的主要化疗药物。这引起了他们的极大兴趣,并推测细菌和病毒可能在癌症中发挥更大的作用。

永远记住,会有混响。今天,可怜的人,博士学位。加州大学圣地亚哥分校医学院学生,RobMicrobiology Innovation Center学习骑士教授。他们与一个跨学科团队一起开发了一种诊断癌症的新方法。通过使用机器学习方法来识别血液中的微生物DNA(细菌和病毒)的特征,他们可以诊断是否患有癌症。
这项名为“最具暗示性血液和组织癌诊断方法的微生物组分析”的研究结果于当地时间3月11日发表在《自然》杂志上,可能促进生物学领域的重要变革。
具体来说,研究人员使用癌症基因组图谱数据库分析了18116个肿瘤样品。样本来自10,481名患者,涵盖了33种不同类型的癌症,包括原发性和复发性肿瘤以及转移性和弥散性肿瘤。除了已知的微生物与癌症之间的联系,例如人乳头瘤病毒(HPV)与宫颈癌,头颈癌之间的关系以及梭菌属物种与胃肠道癌症之间的关系外,研究人员还发现“新世界”是费氏菌与结肠癌之间的联系。
当前,大多数癌症的诊断需要手术活检,但这种方法缓慢,昂贵且具有侵入性。当前的液体活检无法可靠地将正常的遗传变异与真正的早期癌症区分开,并且罕见的遗传突变难以检测。
研究人员说,与人类循环肿瘤DNA相比,基于DNA的微生物癌症检测的优势在于其在人体不同部位的多样性。相比之下,人体DNA在整个人体上基本相同。由于它不是基于人类DNA的罕见变化,因此该研究表明,与当前的液体活检相比,基于血液中微生物DNA的信息,可以准确检测癌症的存在和类型,并且缺乏基于早期癌症的可检测基因突变的癌症。
当然,研究人员还注意到,这些初步观察结果在被FDA批准为癌症诊断测试之前还有很长的路要走。需要更大和更多样化的患者群体来验证和完善机器学习算法。同时,为了加速这种临床应用和商业化过程,奈特和普尔申请了专利,并与合著者桑德琳·米勒·蒙哥马利共同创立了一家名为Micronoma的公司。