子科生物（https://show.guidechem.com/zikerbio/）报道：据世界卫生组织（World health Organization）统计，慢性肝病是一个主要的全球公共卫生问题，影响了8.44亿人。在澳大利亚、英国和美国，它是导致死亡的主要原因之一。同时，肝病很难管理，也没有FDA批准的抗纤维化肝治疗。

现在，Salk研究所和加州大学圣地亚哥分校的科学家组成的合作团队开发出一种基于微生物组的新型诊断工具，它的准确度就像最好的医生，在人类患者中，以90%高效地快速、廉价地识别肝纤维化和肝硬化。

这种非侵入性方法依赖于用算法来分析病人的粪便样本——其中包含了肠道中存在的物质——并且可以改善病人的护理和肝病的治疗效果，正如2020年6月30日在《Cell Metabolism》上详细介绍的那样。

微生物群落是一个复杂的微生物集合，它可能是一个意想不到的健康指标。“微生物组是一个动态的活体传感器，它能反映人体健康和疾病的微小变化，因此，它能准确地读出人体健康状况，”Salk教授罗纳德?埃文斯（Ronald Evans）说。“由于这种诊断方法快速、成本低，因此它可能会得到广泛应用，特别是在许多缺乏专业诊所和医生的地区。简单地说，它可能是一个真正的游戏规则改变者，具有世界范围的影响。”

非酒精性脂肪性肝病（NAFLD）是全球慢性肝病的主要病因，随着肝脏开始出现疤痕和细胞死亡，可发展为肝纤维化、肝硬化和潜在的癌症。但目前缺乏肝纤维化和肝硬化的诊断工具。活检是有创性的，可能漏掉肝脏的损伤区域，磁共振成像昂贵，而且在农村地区通常不可用。为了应对这些挑战，研究小组探索了微生物组，以满足迫切需要一种新的检测方法，以确定有风险的患者。

“我们试图根据肝纤维化和肝硬化的‘微生物群特征’，开发一种通用的、非侵入性的肝纤维化和肝硬化检测方法，”Salk高级研究员、该研究的合著者Michael Downes说。

该团队与加州大学圣地亚哥医学部的科学家合作，优化一种机器学习的计算方法，根据一组患者粪便样本中存在的19种细菌来发现一种复杂的疾病特征。这种特征由不同数量的细菌组成，形成了一个识别肝纤维化和肝硬化的通用指纹。这项研究包括来自健康和患病家庭成员的163个临床样本，以确定指示肝病的变量。

研究人员利用微生物基因图谱和粪便样本中代谢物的数据，发现了一个与肝硬化诊断相关的微生物群特征，准确率达94%。微生物组学特征还可以确定肝纤维化的阶段，这可以让医生根据患者的病情分级，并改进治疗策略。

论文第一作者、Evans实验室博士后研究员Tae-Gyu-Oh说：“这些研究结果表明，使用机器学习来识别一种通用的特征信号是可能的，这种特征可用于准确诊断肝硬化等疾病。肠道健康可能会影响疾病。”

研究人员随后将他们的微生物群特征应用于来自中国和意大利的两个独立患者群体。这种指纹图谱可以准确识别90%以上患者的肝硬化，这验证了该算法在不同基因和饮食上的有效性和准确性。

“值得注意的是，来自南加州肝硬化患者的肠道微生物群特征能够预测中国和意大利两个独立队列中的肝硬化。这说明了在肠道微生物群诊断肝脏疾病和将其风险分层的作用方面尚未实现的新发现，”联合通讯作者、加州大学圣地亚哥医学院NAFLD研究中心主任Rohit Loomba说。“我认为将微生物组作为诊断工具的作用才刚刚开始被认识到。”

未来，科学家们将通过测试微生物群的部分恢复是否会导致疾病的消退，或者清除某些细菌会使病情恶化，从而检验微生物群与肝病之间的因果关系。研究小组还希望这种方法可以用来描述其他疾病，如炎症性肠病、结肠癌、阿尔茨海默氏症和其他可能受到失调微生物群影响的疾病。

原文检索：A Universal Gut-Microbiome-Derived Signature Predicts Cirrhosis