编辑推荐：
头颈部鳞状细胞癌（HNSCC）危害大且现有诊疗手段不足，口腔微生物组与 HNSCC 关系不明。研究人员分析 172 例患者口腔样本，发现微生物代谢失调与 HNSCC 进展有关，构建的诊断分类器准确性高。为 HNSCC 诊断和治疗提供理论依据。
在医学领域，头颈部鳞状细胞癌（HNSCC）一直是个令人头疼的难题。它是头颈部癌症的主要类型，在美国，2023 年预计有大量新发病例和死亡病例。即便采用手术、放疗和化疗相结合的综合治疗手段，局部晚期 HNSCC 患者仍面临着肿瘤易局部复发和远处转移的困境，这使得当前对 HNSCC 的致癌机制和治疗方法的研究显得尤为迫切。
随着研究的深入，微生物在癌症发生、发展中的作用逐渐受到关注。以往大部分研究聚焦于肠道微生物群与结直肠癌（CRC）的关系，而口腔微生物组与 HNSCC 的联系却尚不明确。虽然早就有研究发现口腔卫生差、牙周炎和牙齿缺失与 HNSCC 的发生发展相关，但对于口腔微生物组在 HNSCC 中的具体作用，特别是在喉和下咽 HNSCC 进展过程中的动态变化，人们知之甚少。此外，已有的研究多集中于鼻咽和口腔 HNSCC，且 16S rDNA 测序的分辨率有限，难以深入解析口腔微生物组的变化。
为了解开这些谜团，天津第一中心医院的研究人员开展了一项极具意义的研究。他们通过对 172 例患者的口腔拭子样本进行 16S rRNA 扩增子测序和宏基因组测序分析，试图揭示口腔微生物组与 HNSCC 之间的奥秘。研究成果发表在《npj Biofilms and Microbiomes》杂志上，为 HNSCC 的研究带来了新的曙光。
研究人员运用了多种关键技术方法。首先，他们收集了患者的口腔拭子样本，这些样本来自于接受喉和下咽手术的患者，包括良性病变、癌前病变、早期 HNSCC 和晚期 HNSCC 患者。接着，通过 16S rRNA 扩增子测序（5R 16S RNA 方法）和宏基因组测序，对样本中的微生物进行检测和分析。在数据分析阶段，运用 DMM（Dirichlet multinomial mixture）模型等方法对数据进行处理，从而挖掘出微生物群落的特征和变化规律。
下面来看看具体的研究结果：
- 鉴定出三个与 HNSCC 状态相关的微生物组簇：通过对 16S rRNA 扩增子测序数据的分析，研究人员发现物种水平的稀疏曲线随样本量增加趋于平稳，这表明 16S rDNA 基因序列覆盖度足够。利用 DMM 模型，他们鉴定出三个微生物组簇（C1 - C3），其中 C1 与晚期 HNSCC、T3 - T4 期、TNM III - IV 期密切相关。不同微生物组簇的微生物组成存在显著差异，例如 C1 中链球菌（Streptococcus）、孪生球菌（Gemella）等相对丰富，这些差异暗示着口腔微生物群落的失衡与 HNSCC 的进展可能存在关联。
- 微生物代谢基因丰度的变化：对 91 例样本进行宏基因组测序后发现，三个微生物组簇在物种水平的微生物代谢基因丰度上存在明显差异。像链球菌属的一些物种，如缓症链球菌（Streptococcus mitis）在某些簇中占主导地位，且不同物种的丰度与临床特征相关。例如，某些链球菌物种与 p16 蛋白和 Ki67 染色显著相关，这意味着微生物群落的变化可能影响肿瘤细胞的增殖和预后。
- 功能分析揭示代谢差异：通过 STAMP 分析发现，不同微生物组簇的功能存在显著改变。微生物组簇 1 中多条代谢途径富集，表明其代谢活性较高。进一步分析发现，氮代谢途径和戊糖磷酸途径（PPP）在不同微生物组簇中存在差异，且链球菌属对这两条途径的贡献在不同组中有所不同，提示这些代谢途径的变化可能与 HNSCC 的发生发展相关。
- 构建预测模型评估 HNSCC 的预测性能：基于宏基因组和 16S rRNA 扩增子测序数据，研究人员构建了随机森林分类器。结果显示，这些模型对 HNSCC 具有较高的预测准确性，其中基于宏基因组数据构建的模型 AUC 值可达 0.8046 - 0.83，基于 16S rRNA 测序数据构建的模型 AUC 值可达 0.8886，这表明利用口腔微生物组特征构建预测模型用于 HNSCC 筛查具有很大的潜力。
研究结论和讨论部分指出，该研究首次综合运用 16S rRNA 扩增子和宏基因组测序策略，对大量样本进行分析，明确了口腔微生物群落失调在 HNSCC 中的重要意义。研究发现的微生物组簇与疾病状态的关联、链球菌属与临床特征的关系以及构建的高准确性诊断分类器，都为 HNSCC 的无创诊断和治疗策略的开发提供了坚实的理论基础。然而，研究也存在一定的局限性，比如缺乏口腔、口咽和鼻咽 HNSCC 的口腔微生物群数据，对某些潜在污染物的判断可能存在争议等。但总体而言，这项研究为未来 HNSCC 的研究指明了方向，有望推动 HNSCC 早期诊断和精准治疗的发展。
