大家好，今天跟大家分享一篇题为Charac terization ofthe landscape ofthe intratumoral microbiota reveals thatStrep tococcus anginosus increases therisk of gastric cancer initiation and progression（肿瘤内微生物群的特征表明，血管链球菌增加了癌症发生和发展的风险）胃癌 (GC)是全球最常见的恶性肿瘤之一，是癌症死亡的第四大原因。根据国际癌症研究机构2000年的数据，全球每年新诊断的胃癌病例为109万，死亡77万，严重威胁人类的生命和健康。
01
研究背景
作为肿瘤免疫微环境 （TIME） 的关键组成部分，常驻微生物群促进多种癌症类型的肿瘤发生。在这里，我们整合了多种类型的组学数据，包括微生物组、转录组和代谢组数据，以研究瘤内细菌在胃癌（GC）中的功能作用。微生物组用于将 GC 样本分为 6 种亚型，链球菌或假单胞菌丰度高的患者预后明显较差。
进一步的检测表明，心绞痛链球菌（Streptococcus anginosus，SA）促进肿瘤细胞增殖和转移，同时抑制CD8 T细胞的分化和浸润。然而，抗生素治疗显着抑制了体内SA小鼠的肿瘤发生。我们进一步证明，SA 精氨酸途径增加了鸟氨酸的丰度，这可能是重塑 TIME 的主要贡献者。
我们的研究结果表明，SA 是一种新的危险因素，在 GC 的发生和进展中起着重要作用，这表明 SA 可能是 GC 诊断和治疗的一个有希望的靶点。
见图一
基于瘤内微生物组表征GC的新型分子类型。
图一
a 本多组学研究中使用的样本摘要。
b OS 分析表明，低多样性组的预后明显差于高多样性组。使用 Shannon 多样性指数计算 alpha 多样性。使用 Kaplanu2012Meier 方法进行生存分析。
c 基于肿瘤和配对正常组织样本之间差异最大的 30 个细菌属对肿瘤样本进行无监督分层聚类。
d 在主坐标分析（PCoA）图上可视化的Beta多样性模式，解释了总方差的16.1%（PCoA1）和10.7%（PCoA2）。样本按肿瘤微生物组谱进行聚类。
e 6 个已确定的胃肿瘤微生物组簇的属级系统型分布。
f OS 分析表明 III 组和 IV 组患者的预后明显较差。使用 Kaplanu2012Meier 方法进行生存分析。
见图二
细菌在GC的时间中起着重要的调控作用。
图二
a 差异分析，证明肿瘤和正常样本之间存在差异表达基因 （DEG）。显着性阈值：调整后的 p 值< 0.05，倍数变化 > 2。
b （a） 中富含 DEG 的标志性通路的基因集富集分析 （GSEA） 结果。显著性阈值：调整后的 p 值< 0.05 且 |NES |> 1。
c 肿瘤中预测的免疫细胞浸润水平与 CIBERSORT 计算的正常样本。显著性阈值：调整后的 p 值< 0.05。
d 与 30 个最丰富的细菌属相关的基因中富集的标志性途径的 GSEA 结果。显著性阈值：调整后的 p 值< 0.05 且 |NES |> 1。
e 与假单胞菌丰度（左）和链球菌丰度（右）相关的基因的 GSEA 标志性途径富集示例。
f 预测 5 个肿瘤微生物组簇中的免疫浸润。显着性阈值：调整后的 p 值< 0.05。
g 跨簇正常和肿瘤样本中 CD8 T 细胞和 M2 巨噬细胞的浸润水平。
见图三
SA是GC的预后危险因素，与CD8 T淋巴细胞计数呈负相关。
图三
a 我们培养了特定感兴趣集群（即 III 和 IV 集群）内 10 名患者的癌症组织，以确定影响 GC 发生和发展的关键微生物。
b qPCR检测GC组织与相应正常组织SA丰度的差异。
c qPCR检测食管癌组织与相应正常组织SA丰度差异。
d qPCR检测结直肠癌组织与相应正常组织SA丰度的差异。
e Kaplan-Meier 分析 SA 高表达与低丰度的 GC 患者之间生存差异。
f SA丰度与CD8 T淋巴细胞丰度的相关性分析。
g 肿瘤组织H&E染色、SAFISH检测、肿瘤组织CD8 T淋巴细胞免疫组化检测的代表性图像。
见图四
SA调节TIME以促进体内小鼠GC的发生和生长。
图四
a N-甲基亚硝基脲（MNU）诱导的自发性GC模型的建立和治疗。
b MNU诱导的自发GC模型中小鼠的体重。
c 小鼠胃粘膜肿瘤形成的代表性图像。
d MNU 诱导的自发性 GC 模型中肿瘤发生率的差异。
e H&E染色显示息肉样肿块为黏膜内腺癌。
f 显示小鼠异种移植实验中每组肿瘤大小的图像。
g 小鼠异种移植实验中每组的肿瘤体积。
h 肿瘤组织H&E染色、SAFISH检测、肿瘤组织CD8 T淋巴细胞、Ki-67、N-钙粘蛋白和波形蛋白免疫组化检测的代表性图像。SA-L表示低剂量SA，SA-H表示高剂量SA，SA-L+CFR表示头孢曲松（CFR）治疗的低剂量SA组，SA-H+CFR表示头孢曲松（CFR）治疗的高剂量SA组。
见图五
SA在体外促进GC细胞的增殖、迁移和侵袭，同时抑制CD8 T细胞的分化。
图五
a 通过透射电镜检测到SA感染的细胞，红色箭头表示SA。
b， c 通过 EdU 掺入测定检查有或没有 SA 感染 （b） 或用 SA 代谢物处理 （c） 的 GC 细胞的增殖能力。
d， e 通过伤口愈合实验检查有或没有SA感染（d）或SA代谢物处理的GC细胞（e）的迁移能力。
f， g 通过transwell侵袭实验检查有或没有SA感染（f）或SA代谢物处理的GC细胞的侵袭能力（g）。h 通过流式细胞术检查感染SA的CD8 T细胞的分化。i 代表性流式细胞术图。
见图六
代谢组学分析显示肿瘤样本中的精氨酸代谢活性增加，特别是在富含链球菌的IV类肿瘤样本中。
图六
a 代谢物景观代表由代谢物相关途径注释的不同簇内不同丰度的代谢物。显示每个途径中差异丰度代谢物的数量（右上）。显著性阈值：调整后的 p 值< 0.05，倍数变化> 1.3。
b 氨基酸代谢组内富集的特定 KEGG 途径。
c 差异丰度分析显示肿瘤样本和正常样本之间存在不同丰度的代谢物，其中参与精氨酸和脯氨酸代谢的代谢物以黄色突出显示。显着性阈值：调整后的 p 值< 0.05，倍数变化> 1.3。
d 肿瘤与正常样本DEGs的差异表达分析;参与精氨酸和脯氨酸代谢的基因以黄色突出显示。显着性阈值：调整后的 p 值< 0.05，倍数变化> 2。
e 细菌中精氨酸代谢途径的示意图。肿瘤与正常组织之间的褶皱变化呈白色至红色;表达水平为白色至紫色。
02
研究结论
总体而言，我们首次基于瘤内微生物群对GC进行了分子亚型分析，揭示了不同的微生物特征具有不同的预后和临床意义。此外，我们发现并证实，除了 HP 之外，SA 在 GC 的启动和进展中起着至关重要的作用。最后，我们的研究结果证实，SA调节肿瘤细胞的增殖、迁移和侵袭，同时还通过改变精氨酸代谢途径抑制CD8 T淋巴细胞在TIME中的分化和浸润，最终促进GC的发生和进展。因此，SA可以作为GC治疗的一个有前途的治疗靶点。
好了，今天的文献解读就到这儿来，我们下期再见！如果你正在开展临床研究.需要方案设计.数据管理. 数据分析等支持.也随时可以联系我们。