基于尿液微生物组的"尿型"分类创新与膀胱癌诊断模型的建立

本研究针对膀胱癌(BCa)无创诊断难题，通过16S rRNA基因测序分析104例BCa患者尿液微生物组特征，鉴定出Sphingomonas等12个标志菌属，构建了AUC达89.08%的诊断模型，并首创"尿型"(Urinetypes)分类体系。发现Prevotella优势尿型与BCa高风险显著相关，为肿瘤早诊和个体化治疗提供了新思路。

　　

膀胱癌作为泌尿系统高发恶性肿瘤，全球每年新增病例达55万例，其中75%初诊为非肌层浸润性膀胱癌(NMIBC)。尽管经尿道膀胱肿瘤切除术(TURBT)可使90%患者获得5年生存期，但50-70%患者5年内面临复发，10-30%会进展为肌层浸润性膀胱癌(MIBC)。目前诊断金标准膀胱镜检查存在侵入性高、费用昂贵等问题，而尿液细胞学等非侵入方法又存在灵敏度不足的缺陷。近年研究发现，尿路微生物与多种泌尿疾病相关，但其在膀胱癌中的作用机制和诊断价值尚未明确。

海军军医大学长海医院泌尿外科团队通过16S rRNA基因测序技术，对104例膀胱癌患者、56例其他泌尿恶性肿瘤(OMCa)患者、98例良性泌尿疾病(BUD)患者和42例健康对照(HC)的尿液微生物组进行解析。研究创新性提出"尿型"分类概念，并建立基于微生物标志物的诊断模型。

关键技术包括：1) 建立包含300例样本的发现队列和144例验证队列；2) 使用QIIME软件分析16S rRNA测序数据，计算Chao1、Shannon等α多样性指数；3) 通过LEfSe分析和随机森林算法筛选标志菌属；4) 采用PICRUSt预测功能通路；5) 构建患者区分指数(PDI)诊断模型。

微生物组多样性特征
膀胱癌组显示出最高的微生物丰富度(Chao1指数P<0.001)，且β多样性显著区别于其他组(ANOSIM R=0.08, P=0.001)。通过加权UniFrac距离的主坐标分析(PCoA)显示，BCa患者微生物群落结构与健康人群明显分离。

标志性菌属鉴定
在门水平，BCa组中变形菌门(Proteobacteria)相对丰度增加2.3倍(P<0.01)，而厚壁菌门(Firmicutes)降低37%。属水平分析发现，Sphingomonas、Acinetobacter和Novosphingobium在BCa组显著富集，而健康组以Lactobacillus和Gardnerella为主。通过LEfSe分析(LDA>2)鉴定的12个标志菌属构建的诊断模型，在验证队列中AUC达70.8%。

临床因素影响
男性BCa患者中Sphingomonas丰度更高(与吸烟率相关)，而女性Prevotella富集。高龄患者Anaero