《Journal of Dental Research》：Comparative Diagnostic Performance of Oral Microbial Habitats for Periodontitis
编辑推荐：
牙周炎影响全球超过10亿人，但仍普遍存在诊断不足。口腔微生物群提供了一种无创诊断窗口，但基于16S rRNA数据的既往研究报道了异质且常不理想的表现。哪种口腔生境与建模策略最能支持临床决策仍不清楚。研究人员分析了来自33个公开16S rRNA V3-V4 Il
牙周炎影响全球超过10亿人，但仍普遍存在诊断不足。口腔微生物群提供了一种无创诊断窗口，但基于16S rRNA数据的既往研究报道了异质且常不理想的表现。哪种口腔生境与建模策略最能支持临床决策仍不清楚。研究人员分析了来自33个公开16S rRNA V3-V4 Illumina项目的2,303份成人样本，覆盖唾液、龈上和龈下生境。扩增子序列变体(ASV)依据扩展人类口腔微生物数据库进行鉴定。通过多变量技术（稀疏偏最小二乘判别分析[sPLS-DA]与定制遗传算法[GA]）识别紧凑微生物特征。五种机器学习(ML)算法在重复交叉验证与测试集评估下基准比较。诊断效能以受试者工作特征曲线下面积(AUC)评估，临床净获益以决策曲线分析(DCA)评估。广义加性模型(GAM)以6至12个ASV的紧凑组合取得最佳区分度。唾液与龈上分别为AUC=0.928与0.903、灵敏度=92.4%与87.6%、特异度=85.3%与81.7%，显著优于龈下菌斑（0.803、78.2%、75.1%；校正P≤0.001）。DCA进一步显示唾液净临床获益最高且最稳定（AUC-DCA=0.437），其次龈上（0.419）与龈下（0.331）。48个经分类注释的ASV成为预测因子，凸显模型生物学可解释性。龈下位点最普遍特征为健康相关共生菌，如Streptococcus oralis subsp. dentisani；龈上与唾液主要揭示牙周炎相关类群，包括Porphyromonas gingivalis与Filifactor alocis。因此，唾液与龈上菌斑更能捕获牙周炎相关菌群失调的微生物指纹。各生境口腔微生物组模型对牙周炎均表现一致诊断效能。GAM配合紧凑可解释微生物特征在唾液与龈上样本中实现强区分度与更优净获益，凸显其转化为可扩展无创诊断工具以服务精准牙周学的潜力。
研究背景方面，牙周炎是一种菌斑生物膜相关、宿主介导的炎症性疾病，会导致牙齿支持组织渐进性破坏，是全球最常见的慢性炎症性疾病之一，2021年受影响者超10亿，且被预测到2050年增长44%。牙周炎不仅影响口腔健康，还与糖尿病、心血管疾病和不良妊娠结局等全身问题相关。传统上，龈下区域被视为牙周炎菌群失调的主要生态生境，但龈上菌斑和唾液也同样呈现疾病相关微生物改变，反映出口腔更广泛生态转移，这赋予了口腔微生物群诊断潜力。人工智能(AI)驱动的机器学习(ML)可对这些微生物数据分类、识别超出常规丰度检验的疾病相关类群，并量化特征重要性以提升可解释性。然而，基于16S rRNA数据的牙周炎诊断模型表现高度不定，预测因子可从1个到200余个，AUC从唾液0.973到龈上菌斑0.629不等，准确率也波动明显。这种异质性源于小样本、特征选择有限和验证不足。少数研究比较过不同ML算法或口腔生境，但很少同时优化算法并评估临床效用；决策曲线分析(DCA)虽已用于肠道微生物模型，却从未用于口腔微生物组ML诊断。因此，亟需在大样本、异质人群与严格验证下，明确最利于临床决策的口腔样本类型与算法配置，并补齐临床净获益评价这一空白。
作者为开展研究用到几个主要关键技术方法：研究人员整合33个公开16S rRNA V3-V4 Illumina项目中的2,303份成人样本，生境包括龈下菌斑、龈上菌斑与唾液，健康与牙周炎群体来自不同公开生物项目。序列经质量过滤与降噪后推断扩增子序列变体(ASV)，使用扩展人类口腔微生物数据库作分类注释，丰度表做中心对数比(clr)转换。先以稀疏偏最小二乘判别分析(sPLS-DA)按生境降维并筛选判别ASV，再用定制遗传算法(GA)精炼特征子集。随后在caret框架下基准五种监督ML算法，即广义加性模型(GAM)、广义线性模型(GLM)、高维判别分析(HDDA)、朴素贝叶斯(NB)与随机森林(RF)；数据按三分之二训练、三分之一测试划分，训练内做20×3折重复交叉验证，并以合成插值(CutMix)与自助抽样处理类别不平衡。性能以受试者工作特征曲线下面积(AUC)评价，生境与算法间用Venkatraman置换检验比较ROC；临床效用以rmda包做决策曲线分析(DCA)，以AUC-DCA量化相对全员评估与全员不评估策略的净获益。
研究结果部分保留原文小标题并简述如下。
Characteristics of the Included Investigations：研究人员经筛选纳入33个生物项目，并汇总各项目诊断定义、严重度分级与方法学质量，作为后续统一建模的数据基础。
Predictive Performance of ML Models in Oral Habitats：在各生境分别建模后发现，龈下模型保留7至12个ASV，测试AUC为0.738至0.822，表现最弱；龈上模型保留7至8个ASV，测试AUC为0.847至0.903；唾液模型保留6至12个ASV，测试AUC为0.895至0.928，表现最好。GAM在三种生境中均具较高准确率与较平衡的灵敏度、特异度，RF在训练到测试中存在过拟合下滑，GLM在部分生境灵敏度损失明显。
Cross-Habitat Comparisons：以GAM直接跨生境比较，唾液测试AUC 0.928、龈上0.903、龈下0.803；唾液与龈上灵敏度与特异度均高于龈下。ROC比较确认唾液和龈上显著优于龈下，二者间无显著差异。
Net Clinical Benefit of ML Models in Oral Habitats：DCA显示，龈下测试集AUC-DCA为0.274至0.331，全员评估仅0.187；龈上为0.366至0.419，全员评估0.188；唾液为0.357至0.437，全员评估0.143。所有ML模型均显著优于全员评估策略，GAM在唾液与龈上净获益最高。
Cross-Habitat Comparisons (DCA)：跨生境GAM比较下，唾液AUC-DCA 0.437、龈上0.419、龈下0.331；在0.1至0.7阈值概率内唾液与龈上净获益数值上高于龈下，唾液相对龈下差异显著。
Predictive ASVs Associated with Periodontal Health and Disease across Oral Habitats：三生境共识别出48个唯一ASV。龈下有14个独有ASV，其中10个关联健康，如Haemophilus parainfluenzae、Gemella haemolysans与Streptococcus oralis subsp. dentisani；龈上6个独有ASV均关联疾病，如Treponema denticola、Streptococcus anginosus与Fretibacterium fastidiosum；唾液12个独有ASV中11个关联疾病，如Campylobacter rectus、Fusobacterium nucleatum subsp. vincentii、Porphyromonas endodontalis与Prevotella spp.；另有8个跨生境共有ASV，如F. nucleatum subsp. vincentii、Tannerella forsythia、Porphyromonas gingivalis、Filifactor alocis与Dialister invisus，一致指向牙周炎。
讨论部分总结：研究人员指出，AI尚未成为牙科诊断常规，因数据有限、质量参差和方法不一。本研究遵循诊断预测模型最佳实践与TRIPOD+AI，整合2,303份样本，以sPLS-DA联合定制GA筛选紧凑特征，并以重复交叉验证、测试集与类别平衡防止过拟合。相比既往小队列、缺独立验证的研究，本工作以6至12个变量达到可比或更优性能，且测试集中算法间显著差异淡化，说明交叉验证中的优势常来自拟合而非真实预测力。GAM提供最准确的准确率与临床净获益平衡；RF有过拟合倾向。唾液AUC可达0.928，优于既往唾液或龈上研究，首次证明唾液及一定程度龈上比龈下更适合作为牙周炎诊断基质，因唾液整合全口腔微生物信号。DCA首次进入口腔微生物ML评价，显示唾液与龈上模型具有明确临床效用，仅唾液与龈下差异显著。48个分类注释ASV表明模型提取的是群落水平失调信号：龈下残留健康共生菌成为显著特征，是因疾病中共生菌耗竭；龈上与唾液则提供更清晰的疾病相关对比。临床层面，唾液与龈上可作为微创筛查基质，龈上适于位点生物膜评估，龈下仍可用于晚期或位点导向评价；紧凑可解释特征利于转化为临床检测。局限性在于三生境来自不同个体，无法做个体内比较，且最新诊断标准仅用于约三分之一原项目。
结论部分翻译：本研究呈现了针对龈下、龈上与唾液微生物组诊断牙周炎的机器学习算法首次系统基准比较。将遗传算法与机器学习和决策曲线分析相整合，提供了一个可迁移到其他诊断应用的统一分析框架。各生境口腔微生物组模型对牙周炎表现出一致诊断效能。广义加性模型(GAM)在区分度与临床效用间取得最佳平衡。仅用6至12个扩增子序列变体(ASV)的简约模型同时捕获了牙周炎相关致病共生菌（Fusobacterium nucleatum subsp. vincentii与Tannerella forsythia）和健康相关共生菌（Streptococcus oralis subsp. dentisani），支撑了模型的生物学可解释性。唾液与龈上菌斑诊断性能高于龈下菌斑，并成为无创口腔微生物组牙周炎诊断的有前景生境。该论文发表在《Journal of Dental Research》。
