世界上充满了微生物，这些微生物对生活的各个方面都有深远的影响。这些微生物群落会影响癌症1吗？微生物及其基因组（统称为微生物组）的许多研究都集中在人体大多数微生物所居住的肠道上。这项工作揭示了肠道微生物作用于肠壁本身出现的几种类型的癌症2-4，并表示，肠道微生物可能会在通过其对免疫系统的影响远隔部位影响癌症1。此外，新出现的证据表明，微生物特征（如核酸）可以在肿瘤中在身体的其他部位中找到5，6在个人的组织和血液中谁没有癌症的7，8。Poore等人在《自然》中写作。9基于这一证据，鉴定了多种人类癌症中肿瘤和血液中微生物DNA和RNA的特征。作者进一步建议，这些标记可能会增强现有的临床诊断工具，尽管在该领域还需要进一步的工作。Poore等。使用了癌症基因组图谱（TCGA）（一种包含DNA和RNA序列的在线资源）来分析33种癌症类型的数据，总共从大约10,000名患者中提取了17,000个样本。他们分析了从大量肿瘤样品（原发性和复发性肿瘤，以及通过转移扩散的肿瘤），正常相邻组织和血液样品中获得的数据集。作者使用多种计算方法，包括独立训练的人工智能（AI）模型，对这些样品中的微生物序列进行过滤，归一化和分类。经过严格的过滤方法以解决潜在的污染和其他变量后，该小组将总测序读数的7.2％归类为非人类。大约有三分之一映射到细菌，古细菌或病毒起源的已知序列，还有12。作者接下来训练了机器学习模型，以使用这些序列来区分癌症类型以及同一癌症类型的不同阶段之间以及肿瘤与正常组织之间。总体而言，这些模型在区分癌症类型以及癌症与正常组织之间的区分方面表现良好，但是在区分癌症各个阶段的能力方面却表现出一定的差异。研究人员还测试了微生物谱与已知的与癌症的微生物关联的生物学相关性。与以前的报告线，他们发现梭杆菌在胃肠道肿瘤和病毒如Alphapapillomavirus和丙型肝炎病毒在宫颈癌，头颈部癌和肝癌。Poore等。接下来，我们使用AI模型分析了来自TCGA人群的全基因组序列，探索了癌症患者血液中的微生物特征。他们的发现表明，血源性微生物DNA（mbDNA）可用于区分癌症类型。该小组试图在一个单独的队列中针对现有的无细胞肿瘤DNA（ctDNA）分析验证其mbDNA模型，其中包括69名无癌个体和100名患有前列腺癌，肺癌或称为黑色素瘤的皮肤癌（图1）。。尽管存在一些局限性，但作者的模型通常擅长区分癌症类型。使用专用方法，在跨癌症类型的更大队列中，需要进一步验证这些结果。这些结果以及使用TCGA数据6进行的另一项针对肿瘤中微生物的研究都具有启发性。但是，这些研究有一些局限性，这表明有大量的机会可以继续开展这项工作。一个局限性在于，TCGA样品的采集方式无法控制微生物或mbDNA的污染。在样品收集和测序之间的任何时间都可能引入了这种污染。Poore等。其他6人则试图通过严格过滤潜在污染物来控制这一情况；但是，这种方法可能会限制我们检测肿瘤中存在的全部微生物的能力。此外，用于人类研究的DNA和RNA测序可能无法完全表征微生物。在当前工作的基础上进行的未来研究应包括使用适当的测序技术对精心挑选的组织和血液进行分析，以表征微生物特征。除了验证这些微生物在肿瘤和血液中的存在之外，重要的是深入了解它们的分布和功能。Poore等。其他6个根据核酸序列鉴定了肿瘤中的微生物特征；然而，尚不清楚这些微生物在何处（在肿瘤细胞，免疫细胞内或在称为基质的结缔组织内或周围）以及它们是否存活。而且需要更多的工作来确定微生物是在致癌还是在改变的肿瘤微环境中只是乘客。有很多肿瘤微生物如何可能有助于癌症的发展和抗肿瘤治疗明显的例子3，10。但是，其他数据表明，肿瘤中微生物的存在与更好的长期预后相关11。最后，需要进一步了解微生物如何进入癌组织并在癌组织中持久存在的机制，以及研究如何以最佳方式靶向微生物进行治疗甚至预防癌症。这样的策略将需要加以细化，并且必须考虑到对所有微生物生态位的潜在影响，因为人体中许多常驻微生物在整体生理学中具有至关重要的作用。尽管一些临床前研究表明，共靶向微生物和肿瘤细胞与抗生素和化疗与延迟的肿瘤生长相关的10，12，其他的工作表明用广谱抗生素在治疗13可能由于肠道微生...
