科学家发现一系列新型"生物标志物"，有望改善胃癌(GC)、结直肠癌(CRC)和炎症性肠病(IBD)等胃肠疾病(GIDs)的检测与治疗。研究发现特定肠道细菌和代谢物与各疾病存在关联，这些生物标志物或可实现早期、微创诊断，某些标志物甚至能在多种疾病间预测风险。
研究团队运用先进的机器学习和AI算法，分析胃癌、结直肠癌和炎症性肠病患者的微生物组及代谢组数据。交叉疾病分析显示，基于胃癌数据训练的模型可准确预测炎症性肠病生物标志物，结直肠癌模型对胃癌标志物的预测准确率同样很高。
该研究由伯明翰大学迪拜校区(健康数据科学理学硕士项目)、英国伯明翰大学及伯明翰大学医院NHS基金会信托的研究人员合作完成，相关成果发表于《转化医学杂志》。
"目前内窥镜和活检等诊断方法虽然有效，但存在侵入性强、成本高且难以早期发现疾病等问题。我们的分析不仅深化了对疾病发展机制的理解，还识别出可用于靶向治疗的关键生物标志物。这些发现有助于实现疾病更早、更精准的识别，推动个性化治疗的发展。"主要作者Animesh Acharjee博士表示。
研究显示，胃癌患者普遍存在厚壁菌门、拟杆菌门和放线菌门细菌，代谢物如二氢尿嘧啶和牛磺酸出现显著变化。其中部分标志物对炎症性肠病同样有效，但对结直肠癌的诊断效果相对较弱。结直肠癌则表现出梭杆菌属和肠球菌属细菌，以及异亮氨酸和烟酰胺等代谢物的显著特征，与胃癌存在部分重叠，提示疾病发展可能存在共同通路。
针对炎症性肠病的研究发现，毛螺旋菌科细菌及尿胆素和甘油酸等代谢物尤为重要，这些标志物部分参与癌症通路，揭示不同疾病的关联性。通过模拟肠道微生物生长和代谢通量，研究团队揭示了健康与患病状态间的显著代谢差异。
"我们的交叉疾病分析强调了利用一种胃肠道疾病中识别的微生物和代谢标志物预测另一种疾病的潜力。这种创新方法可能催生通用诊断工具，彻底革新多种胃肠疾病的诊疗方式。"Acharjee博士补充道。研究团队计划进一步探索临床应用，包括开发非侵入式诊断测试和基于生物标志物的靶向治疗，同时将在更大规模的患者群体中验证模型，并探索这些标志物对其他相关疾病的预测潜力。
【全文结束】
