口腔-肠道微生物富集评分：基于22,710例宏基因组的大规模荟萃分析揭示其与宿主健康及疾病的关联

《Nature Communications》：Meta-analysis of 22,710 human microbiome metagenomes defines an oral-to-gut microbial enrichment score and associations with host health and disease

本研究针对人类微生物组研究中数据标准化不足的挑战，开发了curatedMetagenomicData (cMD) 3——一个包含22,710个样本、94项研究的标准化宏基因组数据库。通过大规模荟萃分析，研究人员系统鉴定了与性别、年龄、BMI及15种疾病显著相关的微生物物种和功能特征，并创新性提出"口腔富集评分"(OES)作为肠道菌群失调的量化指标。研究发现OES在多种疾病状态下显著升高，且与年龄正相关，为微生物组与宿主健康的关联研究提供了重要资源和新的生物标志物。

　　

在我们身体的每一个角落，都存在着一个肉眼看不见的微观宇宙——人类微生物组。这个由数万亿细菌、病毒和真菌组成的复杂生态系统，尤其是肠道微生物组，被誉为人类的"第二大脑"，与我们的健康息息相关。然而，当我们试图解读这个微观宇宙的奥秘时，却面临着巨大的挑战：不同研究的数据如同散落的拼图碎片，缺乏统一的标准和处理方法，使得我们难以窥见全貌。

正是为了解决这一难题，由Paolo Manghi和Giacomo Antonello共同领导的研究团队在《Nature Communications》上发表了他们的最新成果。他们开发了curatedMetagenomicData (cMD) 3，这是一个经过精心整理的宏基因组数据库，包含了来自94项研究、42个国家的22,710个样本，所有数据都经过统一的标准化处理。这不仅是目前最全面的人类微生物组资源之一，更是一座连接碎片化知识的桥梁。

研究人员利用这一宝贵资源，开展了一项规模空前的荟萃分析，系统探索了微生物组与宿主性别、年龄、身体质量指数(BMI)以及15种疾病之间的关联。他们不仅鉴定了数百个与这些表型特征显著相关的微生物物种和功能通路，还提出了一个创新性的概念——"口腔富集评分"(Oral Enrichment Score, OES)，用于量化口腔来源微生物在肠道中的富集程度。

这项研究的独特之处在于其方法论上的严谨性。研究人员采用了多种关键技术来确保结果的可靠性：首先，所有宏基因组数据均使用bioBakery 3流程进行统一处理，包括MetaPhlAn3进行物种组成分析和HUMAnN3进行功能潜力预测；其次，通过手动整理和机器验证相结合的方式，对样本元数据进行了标准化处理；第三，采用随机效应模型进行荟萃分析，合成不同研究间的效应量；第四，运用留一数据集交叉验证(leave-one-dataset-out, LODO)评估机器学习模型的泛化能力；最后，通过多种统计方法验证口腔富集评分的临床意义。

性别相关的微生物特征

通过对5,505名健康成年人(2,216名男性，3,288名女性)的肠道微生物组进行分析，研究人员发现了明显的性别差异。女性肠道微生物的香农多样性指数显著高于男性，这与先前的研究一致。在物种水平上，Akkermansia muciniphila和Intestinimonas butyriciproducens在女性中富集，而Phascolarctobacterium succinatutens和Prevotella copri则在男性中更为丰富。这些差异可能与饮食习惯和生理反应有关，例如女性较长的肠道传输时间可能有利于某些细菌的生长。通过机器学习模型预测性别，仅使用微生物物种数据的平均曲线下面积(AUROC)达到0.68，表明微生物组特征对性别具有良好的预测能力。

年龄和BMI相关的微生物模式

研究人员分析了4,723个样本的年龄关联和6,361个样本的BMI关联。年龄与微生物多样性呈正相关，而BMI与多样性呈负相关。Bacteroides species "OM05_12"与年龄负相关，而Bifidobacterium dentium与年龄正相关。在BMI分析中，Firmicutes species "CAG_95"与BMI负相关，而Gemella haemolysans与BMI正相关。值得注意的是，一些口腔来源的细菌如Streptococcus gordonii在年长个体中更为丰富，而Streptococcus mitis在BMI较高的个体中富集。功能分析显示，维生素B1和B2的生物合成途径与年龄负相关，而磷脂酰甘油和糖原生物合成途径与BMI正相关。

疾病相关的微生物标志物

研究人员对15种疾病的4,646个样本(2,300例患者，2,346例对照)进行了分析，发现了34个与健康或疾病状态显著相关的微生物物种。疾病相关的物种包括Streptococcus vestibularis和Actinomyces odontolyticus，而健康相关的物种则以Eubacterium和Roseburia属为主。通过机器学习模型区分患者与健康对照，留一数据集交叉验证的平均AUROC达到0.72，表明存在跨疾病的微生物组特征。在功能层面，89个MetaCyc通路与疾病相关，141个与健康相关，其中queosine和preQ0生物合成途径在健康个体中富集。

口腔富集评分的提出与验证

研究团队创新性地提出了口腔富集评分(OES)，定义为肠道样本中口腔典型物种相对丰度的总和。该评分基于857个口腔样本，选择在至少1%口腔样本中存在的305个物种作为口腔特征物种。分析显示，OES在疾病个体中显著高于健康对照，在30个研究中的29个都呈现这一趋势。特别在结直肠癌(CRC)患者中，OES的判别能力尤为突出。多元回归分析显示，在校正年龄、性别和BMI后，OES仍与多种疾病显著相关，包括心血管疾病、肝硬化、克罗恩病和2型糖尿病。

这项研究的结论部分强调了cMD 3资源的重要价值，它不仅为微生物组研究提供了标准化的数据基础，还通过大规模荟萃分析揭示了微生物组与宿主表型之间的稳健关联。特别是口腔富集评分的提出，为量化肠道微生物组失调提供了一个简单而有效的工具。研究发现OES不仅与多种疾病状态相关，还与年龄呈正相关，这提示在观察性研究中需要考虑年龄的 confounding 效应。

讨论部分进一步阐述了本研究的局限性与未来方向。当前数据仍以粪便样本为主，其他身体部位的样本相对不足；地理代表性方面，非洲、南美、中东等地区的数据仍有待丰富。此外，虽然中心对数比(clr)转换和反正弦平方根转换得到的荟萃分析系数高度相关，但显著关联的方向存在差异，这反映了绝对丰度和相对丰度解释之间的差异。

这项研究的意义在于：首先，它提供了一个大规模、手工整理的标准化数据库，促进了微生物组研究的可重复性和可比性；其次，通过跨人群、跨研究的荟萃分析，识别了不太可能受到混杂因素影响的宿主-微生物组关联；最后，口腔富集评分作为一个易于计算的指标，为多种健康不良结局的微生物组基础研究提供了新的视角。随着更多数据的积累和标准化程度的提高，人类对微生物组与健康关系的理解必将日益深入，为精准医疗和健康管理开辟新的可能性。