《mSystems》：A robustness-first cross-disease framework supports a candidate shared microbial redox axis and disease-specific metabolic divergence in colorectal cancer, Crohn’s disease, and liver cirrhosis
编辑推荐：
肠道微生物组失调与结直肠癌（CRC）、克罗恩病（CD）和肝硬化（LC）相关，但这些疾病是否存在保守的微生物易感性仍未解决。仅分析流程的选择就能使相同数据的表观性能从接近零变为接近完美，使跨疾病比较不可靠。在本研究中，一项对公开数据集的二次横断面分析引入最大最小
肠道微生物组失调与结直肠癌（CRC）、克罗恩病（CD）和肝硬化（LC）相关，但这些疾病是否存在保守的微生物易感性仍未解决。仅分析流程的选择就能使相同数据的表观性能从接近零变为接近完美，使跨疾病比较不可靠。在本研究中，一项对公开数据集的二次横断面分析引入最大最小优化（maximin optimization）作为所提出的分析流程选择准则，该准则同时保证所有任务的最差情况性能。研究人员利用来自CRC、CD和LC的肠道宏基因组学与血清代谢组学，对跨越六个任务的1,152种预处理-模型配置进行基准测试，发现一个候选的19物种微生物组特征，其中Firmicutes bacterium CAG:41是唯一阈值稳定的跨疾病分类单元，且在三种疾病中均丰度降低。微生物组通路富集汇聚于硫-硒氧化还原代谢和B族维生素生物合成，而宿主代谢组学反应主要为疾病特异性。CD和LC由单一判别性分类单元主导；CRC需要群落水平整合。探索性外部评估仅在CRC中具有足够统计功效（AUC = 0.769，95% bootstrap CI 0.678–0.849）；CD和LC的评估仅为探索性。
研究背景与问题
肠道微生物组作为代谢活跃的“器官”，与结直肠癌（colorectal cancer, CRC）、克罗恩病（Crohn’s disease, CD）和肝硬化（liver cirrhosis, LC）均存在关联，但三者是否共享保守的微生物易感性仍未明确。既往研究显示，预处理、特征选择、模型架构等分析决策可大幅改变微生物组机器学习（machine learning, ML）性能；同一数据上不同分析流程可能使表观性能从接近随机变为接近完美，导致跨疾病比较缺乏可靠的分析基础。为此，研究人员提出以最大最小优化（maximin optimization）作为分析流程选择准则，在保证所有任务同时获得最差情况性能最优的前提下，开展首次受分析控制的多组学、多疾病比较。
关键技术与方法
研究人员对来自人类肠道微生物组图谱（Human Gut Microbiome Atlas）的1,990种微生物物种丰度矩阵和血清代谢组学数据（CRC与CD来自Metabolomics Workbench，LC来自已发表队列）进行二次横断面分析。训练队列为PRJEB10878（CRC，中国）、PRJEB15371（CD，中国）、PRJEB6337（LC，中国）；外部验证队列为PRJEB6070（CRC，法国）、PRJEB2054（CD，西班牙）、PRJEB38481（LC，英国）。方法包括五折嵌套交叉验证、最大最小优化、SHAP（SHapley Additive exPlanations，一种基于博弈论的特征归因方法）、单特征曲线下面积（area under the receiver operating characteristic curve, AUC）逻辑回归、信噪比（signal-to-noise ratio, SNR）分析、置换检验和Bootstrap置信区间，以及基于京都基因与基因组百科全书（Kyoto Encyclopedia of Genes and Genomes, KEGG）的通路富集分析。
研究结果
分析选择主导表观可预测性
通过对六个分类任务、1,152种预处理-模型配置的系统基准测试发现，任务内AUC范围极大，例如CD代谢组学为0.00–1.00。树集成模型的中位性能高于核方法及神经网络；多层感知机对特征缩放高度敏感，最大SNR差异为7.33；基于方差的特征选择普遍降低性能。
稳健优先优化识别出统一分析流程
没有任何单一常规配置能在所有任务中一致达到高性能。最大最小优化选出的流程（XGBoost、标准缩放、随机森林特征选择、无类别平衡）实现跨任务最小AUC = 0.882（置换检验P < 0.01），优于均值AUC选择（0.872）和中位数AUC选择（0.809），且与Pareto多目标选择结果一致。外部验证中，只有CRC具有充分统计功效（AUC = 0.769，95% bootstrap CI 0.678–0.849）；CD和LC仅作探索性评估。
不同的菌群失调结构
单特征AUC分析显示两种信号结构：CD和LC为“主导型”，单一物种接近多变量模型性能，如CD中Faecalibacterium prausnitzii的AUC为0.933±0.042，LC中Veillonella parvula为0.91±0.036；CRC为“分布式”，最强物种Parvimonas micra仅为0.783±0.021，需多物种整合。
候选19物种跨疾病特征
在三种疾病中均为非零SHAP重要性的物种共19种，构成候选跨疾病面板。其中Firmicutes bacterium CAG:41是唯一在更严格阈值下仍保留的物种，且在CD（?87.5%）、CRC（?58.0%）、LC（?13.1%）中均显著丰度降低；其功能注释提示与硒化合物代谢和半胱氨酸生物合成相关。其余18种仅满足非零标准，属于产生假设的候选面板。
疾病特异性代谢组学特征
SHAP归因显示CRC排名靠前的代谢物包括组氨酸、甘油醛、丙二酸和马来酸；LC以牛磺酸、脱氢异雄酮硫酸盐、3-磷酸甘油和羟基苯乳酸为特征；CD以蔗糖、二甲基精氨酸和3-羟基丁酰肉碱为特征。没有代谢物在多种疾病中一致排名。
微生物组通路中保守的硫-硒富集
SHAP加权物种的通路富集分析显示，半胱氨酸和蛋氨酸代谢在CRC中排名第一，CD和LC中仍显著；硒化合物代谢在CD和LC中排名第一。共有50条KEGG通路在三种疾病中共享，涉及氨基酸代谢、B族维生素生物合成和核苷酸代谢。
代谢组学通路反应主要为疾病特异性
代谢组学通路富集呈显著疾病特异性：CRC有45条富集通路，LC有14条，CD有5条；只有丙氨酸、天冬氨酸和谷氨酸代谢是三种疾病共享的唯一代谢通路，也是唯一同时出现在两个组学层中的共享通路。平台异质性和KEGG注释覆盖率差异可能部分解释这种组学不对称。
讨论总结
讨论指出，最大最小优化是可推广的信息学方法选择准则，且Pareto最优准则得到相同流程，说明该选择并非特定准则的产物。MLP对特征缩放敏感、方差型特征选择普遍有害，提示深度学习在微生物组数据中需要更严格的预处理验证。主导型与分布式菌群失调结构对诊断设计有潜在含义：CD和LC可考虑基于单一标志物的低成本检测，CRC则需要宏基因组或panel测序。硫-硒氧化还原脆弱性、B族维生素合成以及CAG:41作为未充分研究谱系的核心信号，提示微生物来源的抗氧化能力受损可能是菌群失调的重要维度。50条共享微生物通路与仅1条共享代谢通路的对比支持分层生物学组织模型。局限性包括：外部验证仅CRC充分，CD和LC为探索性；横断面设计不能进行因果推断；训练队列均来自中国人群；SHAP来源特征使通路发现具有流程依赖性。未来需开展前瞻性多民族验证、系统性混杂控制、CAG:41实验表征和纵向研究。
研究结论
跨疾病微生物组比较此前缺乏有原则的分析基础。最大最小优化通过保证每个分类任务均贡献有效信号，实现了首次受分析控制的、跨越三种主要肠道相关疾病的肠道宏基因组学与血清代谢组学比较。鉴定Firmicutes bacterium CAG:41为唯一阈值稳定的跨疾病分类单元，且具有硫-硒代谢的预测功能，为实验表征和前瞻性筛查验证提供了具体靶点。所提出的两层菌群失调结构——普遍性微生物易感性与疾病特异性宿主代谢反应共存——为其他肠道相关疾病的跨疾病微生物组研究设计提供了概念模板，有待前瞻性确证。
