《Journal of Oral Microbiology》：Integrative meta-analysis of the OSCC microbiome: from niche-specific heterogeneity to universal network and functional signatures
编辑推荐：
背景：虽然口腔鳞状细胞癌（OSCC）与微生物失调之间的关联已确立，但研究间高度异质性历来阻碍通用生物标志物（biomarker）的识别。目的：探索解剖学生态位对微生物谱的深远影响，同时识别跨人群共有的促癌特征。设计：对独立OSCC微生物组队列进行整合宏分析。结
背景：虽然口腔鳞状细胞癌（OSCC）与微生物失调之间的关联已确立，但研究间高度异质性历来阻碍通用生物标志物（biomarker）的识别。目的：探索解剖学生态位对微生物谱的深远影响，同时识别跨人群共有的促癌特征。设计：对独立OSCC微生物组队列进行整合宏分析。结果：研究人员的结果表明，微生物群落组成主要由采样部位而非单纯疾病状态驱动，组织来源样本形成独立生态簇；尽管部位效应占主导，以具核梭杆菌属（Fusobacterium）、二氧化碳噬纤维菌属（Capnocytophaga）和密螺旋体属（Treponema）为代表的厌氧病原核心在多个数据集中显著富集于OSCC。基于网络的分析将Fusobacterium鉴定为微生物群落重构的最强驱动者。诊断方面，唾液模型精度优于组织和黏膜模型，提示唾液是口腔病理改变的综合储库。功能谱显示向核糖体生物合成、DNA复制和鞭毛组装等细菌增殖与适应通路的显著功能汇聚。结论：上述发现强调标准化采样方案的必要性，并为OSCC无创唾液精准诊断策略提供坚实科学依据。
研究背景方面，口腔鳞状细胞癌（OSCC）占口腔恶性肿瘤绝大多数，具有高发病与高死亡负担。传统危险因素包括烟草、酒精和嚼槟榔，但口腔微生物组正被确认为癌发生的重要介导因素：菌群失调可诱发慢性炎症并产生促癌代谢物，激活宿主信号通路。然而，不同人群、地域、饮食和测序方法带来的批次效应，使可复现微生物生物标志物（biomarker）难以识别。与粪便相对均一的肠道不同，口腔按解剖生态位高度结构化，采样部位效应会掩盖疾病相关信号。既有研究多依赖差异丰度分析，如线性判别分析效应量（LEfSe），难以捕捉微生物共 occurrence 与群落级重构，因此需要从分类学多样性走向关键驱动类群和网络重组分析。
为克服上述问题，研究人员对13个独立OSCC数据集开展整合宏分析，覆盖唾液、黏膜、漱口水与组织样本，并采用NetMoss框架识别驱动 taxa。论文发表于《Journal of Oral Microbiology》。研究结论强调：采样部位主导口腔微生物格局，但具核梭杆菌属（Fusobacterium）在多个队列中始终为最高排名的网络关联类群；唾液模型表现最优，为早期OSCC检测提供临床路径；未来必须标准化采样方案以降低生态位噪声并精炼全局微生物特征。
主要关键技术方法方面，研究人员通过PubMed检索获取公开16S rRNA测序研究，从NCBI序列读取档案（SRA）下载原始FASTQ并以QIIME2流程重处理，剔除总读数低于1000的样本；用phyloseq与vegan做α/β多样性，物种水平相对丰度计算Bray–Curtis相异度并做主坐标分析（PCoA）与研究内PERMANOVA；用LEfSe识别属种级生物标志物；用NetMoss2基于SparCC构建病例/对照微生物关联网络并量化网络重写得分；用PICRUSt推演功能谱，再以ReporterScore聚合KEGG通路水平得分。样本队列来源于13个公开BioProject队列，含唾液、黏膜、漱口与组织等多种采样模态。
研究结果部分，Microbial diversity and community structure across OSCC datasets：研究人员通过Chao1、Shannon及Bray–Curtis PCoA、PERMANOVA发现，OSCC对丰富度影响不完全一致，Chao1在6/13数据集显著、Shannon仅3/13显著；PCoA显示采样部位而非疾病状态主导群落，组织样本成独立簇；13个队列中疾病状态解释度R2约0.02–0.09，8个队列校正后仍显著，说明疾病相关组成改变存在但强度随研究而异。
Taxonomic composition and enrichment patterns of the oral microbiota in OSCC：属水平气泡图与LEfSe热图显示，Streptococcus、Veillonella、Prevotella、Haemophilus、Neisseria、Fusobacterium为跨研究核心类群；唾液富Oribacterium、Nanosynbacter，黏膜富Aggregatibacter、Alloprevotella，组织缺失Neisseria等共生菌。OSCC富集Fusobacterium、Capnocytophaga、Campylobacter、Alloprevotella、Treponema、Filifactor、Peptostreptococcus，多为厌氧/机会致病菌；对照富集Veillonella、Rothia、Actinomyces、Corynebacterium。
Network-based identification of driver taxa and diagnostic performance across OSCC datasets：NetMoss2评分中Fusobacterium获最高分1.0且OSCC中富集，其他高分驱动包括Capnocytophaga、Treponema、Campylobacter、Gemella、Peptostreptococcus；对照侧驱动为Haemophilus、Schaalia、Prevotella。留一/留二数据集敏感性分析显示部分核心标记稳定但具体得分与排序受队列组成影响。ROC显示唾液模型AUC 0.839，合并队列0.817，黏膜0.801，组织0.776，说明网络衍生微生物特征尤其唾液特征可高效区分OSCC与对照。
Functional pathway profiles and shared metabolic signatures across OSCC datasets：PICRUSt与ReporterScore显示Cluster A中OSCC富集群落向核糖体（map03010）、鞭毛组装（map02040）、磷酸转移酶系统（PTS；map02060）、甲烷代谢（map00680）、DNA复制（map03030）、氨酰-tRNA生物合成（map00970）、错配修复（map03430）、同源重组（map03440）等增殖与适应通路；对照富碳固定、氨基酸生物合成、碳代谢、辅因子生物合成、脂多糖（LPS）生物合成、卟啉代谢。Cluster间还存在亚组共享通路网络，说明分类组成虽异，功能向蛋白合成与DNA维护汇聚。
讨论部分总结：研究人员指出，解剖采样部位比疾病状态更强地塑造微生物组成，组织样本独立聚类印证生态位效应；在异质性下仍获得以厌氧机会致病菌为核心的OSCC签名，Fusobacterium作为最高网络关联类群与其促炎、Wnt/β-catenin激活等已知致癌机制一致。唾液因整合多口腔表面及瘤位信号而成为最优诊断介质。功能上预测通路提示肿瘤微环境选择出高增殖、高适应细菌表型，但属推断结果需实验验证。局限包括吸烟、饮酒、牙周状态等临床变量未统一，NetMoss评分对队列构成敏感。未来应统一采样、测序与分析协议。
结论部分翻译：这些发现强调标准化采样方案的必要性，并为OSCC非侵入性、唾液基精准诊断策略提供了稳健的科学依据。
