结直肠癌是全球癌症致死率第二的疾病。早期发现可有效治疗，但当前主要诊断方式结肠镜检查因费用高昂和不适感常导致诊断延迟。日内瓦大学（UNIGE）团队运用机器学习算法，首次详尽解析人类肠道微生物群的所有细菌种类，建立精确到亚种级别的数据库。该数据库可依据粪便样本中的细菌特征进行非侵入式、低成本筛查，相关研究发表于《Cell Host & Microbe》。
该疾病常在晚期才被发现，凸显对简单诊断工具的迫切需求。研究团队聚焦微生物群中同一菌种不同亚种的功能差异，发现某些亚种具致癌性而另一些则无。"微生物群研究传统上仅分析菌种层面或个体菌株，前者遗漏关键差异，后者因个体差异难以普适化。"首席研究员Mirko Trajkovski教授指出，"我们确立的亚种分辨率既捕捉功能差异，又具备跨群体适用性。"
生物信息学家Matija Trickovic领导开发的全球首个肠道微生物亚种综合数据库，结合临床数据构建预测模型。该模型单凭粪便样本即可检测90%的结肠癌病例，接近结肠镜94%的准确率，优于现有所有非侵入式方法。通过整合更多临床数据，该模型有望匹配结肠镜精度，或成为常规筛查工具，仅需对高风险群体实施结肠镜检查。
日内瓦大学医院（HUG）正开展临床试验验证该技术的分期诊断能力。研究者强调，该方法不仅适用于结直肠癌，还可揭示微生物群影响健康的机制。"单次微生物组分析即可开发多种非侵入诊断工具。"Trajkovski总结道。该团队已建立数据库分析框架，并开发出高效临床应用方法，相关研究获得欧盟资助。
【全文结束】
