结直肠癌是全球癌症致死率第二的疾病。虽然早期治疗效果显著，但传统结肠镜检查的成本高昂和不适感常导致诊断延误。
日内瓦大学（UNIGE）研究团队运用机器学习算法，首次在人类肠道菌群中建立细菌亚种级的详细图谱，揭示不同微生物亚群的生理重要性。该技术通过分析粪便样本中的肠道菌群亚种特征，实现非侵入式、低成本的结直肠癌筛查。研究成果发表于《Cell Host & Microbe》，显示该方法可推广至其他癌症诊断及肠道菌群与健康关联研究。
日内瓦大学医学院细胞生理与代谢系教授Mirko Trajkovski指出："相比传统基于菌种或菌株层面的分析，菌群亚种水平既能捕捉细菌功能差异与疾病关联的特异性，又具备跨人群检测的普适性。"
研究团队通过大规模数据分析，创建了首个完整的人类肠道菌群亚种图谱，并开发出适用于科研和临床的检测方法。结合临床数据建立的预测模型，仅凭粪便样本细菌特征即可检测结直肠癌，准确率达到90%，接近结肠镜94%的检出率，且优于现有所有非侵入检测手段。
与日内瓦大学医院合作的临床试验将验证该技术对不同癌症分期和病变类型的检测能力。研究团队指出，通过分析相同菌种的亚种差异，未来有望开发针对多种疾病的非侵入式诊断工具，仅需单次菌群分析即可实现多病种筛查。
参考文献：Tričković M, Kieser S, Zdobnov EM, Trajkovski M. Subspecies of the human gut microbiota carry implicit information for in-depth microbiome research. Cell Host & Microbe. 2025;33(8):1446-1458.e4.
【全文结束】
