微生物失衡与雄激素性脱发的诊断潜力：基于多界测序与机器学习的头皮健康新指标

这篇研究通过16S rRNA和ITS1测序技术，首次揭示了雄激素性脱发（AGA）患者头皮微生物群（细菌/真菌）的全域失衡特征，并创新性开发了基于机器学习的多界微生物标志物模型——头皮健康微生物指数（MiSCH）。该指标不仅能精准区分AGA分期，还可通过微生物年龄模型识别表型前的高风险人群，为AGA的早期诊断和个性化干预提供了突破性工具。

　　

ABSTRACT
雄激素性脱发（AGA）作为最常见的脱发类型，与头皮微生物组失衡密切相关。本研究通过采集不同阶段AGA患者额部脱发区和枕部样本，结合16S rRNA和ITS1测序技术，首次证实健康人群头皮微生物群与宿主年龄呈强相关性，而AGA患者因严重菌群失调打破了这一规律。值得注意的是，微生物失衡不仅局限于脱发区域，更蔓延至全头皮，且失衡程度与AGA严重度一致。基于多界微生物特征构建的机器学习模型MiSCH，不仅能准确诊断AGA分期，还可识别微生物结构紊乱但未表现明显脱发症状的高风险人群。

IMPORTANCE
研究揭示了AGA对头皮细菌/真菌群落的系统性影响，创新的MiSCH指数通过整合微生物组数据与机器学习算法，实现了AGA早期预警和进展预测。该方法尤其适用于在临床症状出现前识别潜在重症患者，为个性化诊疗提供了新范式。

INTRODUCTION
AGA在亚洲人群中高发，中国男性患病率达21.3%，全球受累者超2.5亿。该病以毛囊进行性微小化为特征，与遗传、激素变化及外部环境因素密切相关。近年研究发现，皮脂分泌和头皮微生物组成（如丙酸杆菌属、葡萄球菌属、马拉色菌属）通过诱发炎症反应加剧脱发进程。皮肤作为人体最大器官，其微生物组在维持屏障功能和生理稳态中起关键作用，但AGA与头皮微生物组的相互作用机制尚不明确。

RESULTS

Cohort design
研究纳入89名中国山东男性（健康对照51例，AGA3/5/7期患者38例），采集额部（T）与枕部（H）样本共178份，通过16S/ITS1测序获得356个微生物组数据。

Microbial age model reveals significant dysbiosis associated with AGA
β多样性分析显示，疾病状态对细菌群落的影响（Adonis F=193.56, P=3.40×10^?55）远超头皮区域或年龄因素。真菌群落对AGA进展更敏感，且患者全头皮微生物组成均显著偏离健康人群。建立的微生物年龄模型鉴定出6个关键标志物（如副球菌属、微球菌属），发现AGA患者的微生物年龄增长停滞，揭示疾病进程干扰了微生物组的自然成熟。

Alterations in scalp microbial composition associated with AGA
α多样性分析显示AGA3期与健康组相似，AGA5期达峰值后AGA7期下降。β多样性中，AGA5与AGA7的Jensen-Shannon差异最大。菌属水平上，丙酸杆菌属（g__Propionibacterium）随AGA进展持续富集，棒状杆菌属（g__Corynebacterium）则递减；真菌中链格孢属（g__Alternaria）在AGA7期占比超50%，马拉色菌属（g__Malassezia）显著减少。

A machine learning-based index for AGA severity assessment
整合22个细菌属和5个真菌属（如大球菌属、链格孢属）构建的随机森林模型，在属水平分类性能最优（kappa=0.89）。基于微生物距离加权的MiSCH指数（0-100分）可准确区分健康组（>75分）、轻度（25-75分）、中度（15-25分）及重度AGA（≤15分）。

Prediction of AGA risk by MiSCH
MiSCH识别出27例微生物组类似AGA3的健康样本（H-A3）和10例类似AGA7的AGA5样本（A5-A7）。这些高风险样本的微生物结构与对应重症组无显著差异（P>0.05），证实微生物失衡早于临床表现。

Conclusion and discussion
研究首次阐明AGA导致的全头皮微生物组紊乱模式，突破性地将微生物年龄概念引入脱发研究。MiSCH通过捕捉丙酸杆菌属/马拉色菌属等关键菌群的动态变化，为AGA超早期诊断提供了微生物"预警系统"。未来需进一步探究微生物失衡与毛囊微小化的因果关系，以及细菌-真菌互作机制。该成果为开发微生态调节疗法奠定了理论基础。

MATERIALS AND METHODS
样本采集自青岛大学附属医院确诊患者，严格排除干扰因素。DNA提取后采用Illumina平台进行双端测序，数据经QIIME和Parallel-Meta Suite处理。微生物年龄模型通过Python的RandomForestRegressor构建，MiSCH算法整合Jensen-Shannon距离与多类概率权重，经10次交叉验证优化参数。