DOI: https://doi.org/10.1038/s41598-025-10999-8
PMID: https://pubmed.ncbi.nlm.nih.gov/40691262
تاريخ النشر: 2025-07-21
المؤلف: Pablo Aja‐Macaya وآخرون
الموضوع الرئيسي: دراسات الجينوميات والتطور
نظرة عامة
تدرس الدراسة إمكانية استخدام العلامات الحيوية البكتيرية للكشف المبكر عن سرطان القولون والمستقيم من خلال مقارنة طريقتين للتسلسل: تسلسل القراءة القصيرة لجين 16S rRNA (تحديدًا منطقة V3V4) باستخدام تقنية إلومينا وتسلسل جين 16S rRNA الكامل الطول (مناطق V1-V9) باستخدام تقنيات أكسفورد نانوبور (ONT) مع كيمياء R10.4.1. شملت التحليلات عينات براز من 123 موضوعًا، مع استخدام نماذج وأساليب قاعدة بيانات مختلفة لتقييم الناتج التصنيفي وتحديد الأنواع.
أشارت النتائج إلى أنه بينما قدمت نماذج قاعدة البيانات نواتج تصنيفية مشابهة، فإن النماذج عالية الجودة أسفرت عن تنوع أكبر ملحوظ في الأنواع المرصودة (قيمة p < 0.05). كما أثر اختيار قاعدة البيانات على تحديد الأنواع، حيث تفوقت قاعدة بيانات Emu's Default على SILVA من حيث التنوع (قيمة p < 0.05)، على الرغم من أنها أحيانًا صنفت الأنواع غير المعروفة بشكل مفرط. ومن الجدير بالذكر أن تسلسل ONT حدد علامات حيوية بكتيرية محددة مرتبطة بسرطان القولون والمستقيم، بما في ذلك *Parvimonas micra* و *Fusobacterium nucleatum*، والتي لم يتم اكتشافها بواسطة إلومينا. حققت توقعات التعلم الآلي بناءً على الأنواع المختارة منطقة تحت المنحنى (AUC) قدرها 0.87 مع 14 نوعًا و0.82 مع 4 أنواع فقط. بشكل عام، تُظهر الدراسة أن تسلسل 16S rRNA الكامل عبر ONT يعزز دقة تحديد الأنواع ويسهل اكتشاف علامات حيوية دقيقة أكثر مرتبطة بسرطان القولون والمستقيم.
الطرق
توضح قسم “الطرق” في ورقة البحث التصميم التجريبي والتقنيات التحليلية المستخدمة للتحقيق في أسئلة البحث. استخدمت الدراسة نهجًا كميًا، مع دمج التحليلات الإحصائية لتقييم البيانات المجمعة من المشاركين. شملت المنهجيات المحددة تجارب محكومة، واستطلاعات، ودراسات رصدية، مما يضمن تقييمًا شاملاً للمتغيرات المعنية.
شملت جمع البيانات أدوات موحدة لقياس النتائج الرئيسية، مع وضع بروتوكولات صارمة للحفاظ على الموثوقية والصلاحية. تم إجراء التحليل باستخدام برامج إحصائية متقدمة، مع تطبيق تقنيات مثل تحليل الانحدار وANOVA لتفسير النتائج. سهل هذا الإطار المنهجي فحصًا قويًا للفرضيات، مما سمح بتحديد الأنماط والعلاقات المهمة داخل البيانات.
النتائج
تشير نتائج الدراسة إلى أن تدابير مراقبة الجودة لقراءات إلومينا وتقنيات أكسفورد نانوبور (ONT) أسفرت عن وسيلة قدرها 32,104 وحوالي 109,000 قراءة لكل عينة، على التوالي، مع اختلافات كبيرة في أطوال القراءات ومقاييس الجودة. كانت قراءات إلومينا بطول وسطي قدره 418 نيوكليوتيد (nt) وبجودة عالية، حيث حققت 90% من القراءات Q30، بينما كانت قراءات ONT بطول وسطي قدره 1,480 nt وجودة متغيرة، حيث حقق أفضل نموذج لقاعدة البيانات Q18. ومن الجدير بالذكر أن تحليل β-diversity لم يكشف عن اختلافات كبيرة بين نماذج قاعدة البيانات ولكنه أبرز اختلافات كبيرة بين قواعد البيانات (قيمة p < 0.001). من حيث α-diversity، أظهر النموذج السريع ميزات مرصودة أعلى مقارنة بالنموذج الفائق، وتفوقت قاعدة بيانات Emu's Default على SILVA في هذا الصدد. كشفت التحليلات الإضافية للأنواع الميكروبية المرتبطة بسرطان القولون والمستقيم (CRC) أن أجناسًا معينة، مثل Fusobacterium وParvimonas، كانت أكثر وفرة بشكل ملحوظ في عينات البراز من مرضى CRC مقارنةً بالضوابط (قيمة p < 0.001). كما حددت الدراسة عدة علامات حيوية لـ CRC من خلال تحليل الوفرة التفاضلية، حيث اتفقت كلا قاعدتي البيانات المستخدمة (Emu's Default وSILVA) على عدة أنواع رئيسية. أظهرت نماذج التعلم الآلي المطورة من هذه الميزات قدرة تنبؤية عالية، حيث حققت منطقة تحت المنحنى (AUC) لا تقل عن 0.9 مع عشرة ميزات فقط. ومن الجدير بالذكر أن الجمع بين P. micra وF. nucleatum أسفر عن AUC قدره 0.71، والذي تحسن إلى 0.87 مع إضافة أنواع أخرى ذات صلة، مما يشير إلى إمكانية استخدام هذه العلامات الحيوية في الكشف عن CRC.
المناقشة
في هذه الدراسة، التزمت عملية تجنيد المشاركين وجمع عينات البراز بإرشادات أخلاقية صارمة، حيث تم تسجيل 93 شخصًا تم تشخيصهم بسرطان القولون والمستقيم (CRC) و30 ضابطًا خاليًا من السرطان من مستشفى جامعة لا كورونيا. قدم المشاركون موافقة مستنيرة، وتم جمع العينات في ظروف محكومة، مما يضمن أن الميكروبيوم يمكن أن يتعافى بعد تنظير القولون. استخدمت الدراسة طريقتين للتسلسل – إلومينا (V3-V4) وتقنيات أكسفورد نانوبور (ONT، V1-V9) – لتحليل الميكروبيوم البرازي، مع مقارنة فعاليتها في تحديد الأنواع البكتيرية المرتبطة بـ CRC.
تشير النتائج إلى أنه بينما تعتبر كلتا طريقتي التسلسل متشابهتين على مستوى الجنس، فإن أطوال القراءة الأطول لـ ONT تعزز بشكل كبير تحديد الأنواع، مما يكشف عن نسبة أعلى من الأنواع المعروفة في مرضى CRC (27.74% لـ ONT مقابل 16.75% لـ إلومينا). ومن الجدير بالذكر أن عدة أنواع، بما في ذلك *Parvimonas micra* و *Fusobacterium nucleatum*، تم تحديدها كعلامات حيوية محتملة لـ CRC. أظهرت نماذج التعلم الآلي قدرات تنبؤية واعدة لتشخيص CRC، حيث حققت منطقة تحت المنحنى (AUC) قدرها 0.9 مع الميزات المختارة. ومع ذلك، تعترف الدراسة بالقيود، بما في ذلك حجم العينة الصغير وغير المتوازن نسبيًا، مما قد يؤثر على قوة العلامات الحيوية المحددة. بشكل عام، تؤكد الأبحاث على مزايا تسلسل ONT لتوصيف الميكروبات في العينات المعقدة وتقترح استكشافًا إضافيًا في مجموعات أكبر وأكثر تنوعًا للتحقق من هذه النتائج.
DOI: https://doi.org/10.1038/s41598-025-10999-8
PMID: https://pubmed.ncbi.nlm.nih.gov/40691262
Publication Date: 2025-07-21
Author(s): Pablo Aja‐Macaya et al.
Primary Topic: Genomics and Phylogenetic Studies
Overview
The study investigates the potential of bacterial biomarkers for early detection of colorectal cancer by comparing two sequencing methods: short-read sequencing of the 16S rRNA gene (specifically the V3V4 region) using Illumina technology and full-length 16S rRNA gene sequencing (V1-V9 regions) using Oxford Nanopore Technologies (ONT) with R10.4.1 chemistry. The analysis involved fecal samples from 123 subjects, employing various basecalling models and databases to assess taxonomic output and species identification.
Results indicated that while basecalling models yielded similar taxonomic outputs, higher quality models resulted in significantly greater observed species diversity (p-value < 0.05). The choice of database also influenced species identification, with Emu's Default database outperforming SILVA in terms of diversity (p-value < 0.05), although it occasionally overclassified unknown species. Notably, ONT sequencing identified specific bacterial biomarkers associated with colorectal cancer, including *Parvimonas micra* and *Fusobacterium nucleatum*, which were not detected by Illumina. Machine learning predictions based on selected species achieved an area under the curve (AUC) of 0.87 with 14 species and 0.82 with just 4 species. Overall, the study demonstrates that full-length 16S rRNA sequencing via ONT enhances the accuracy of species-level identification and facilitates the discovery of more precise disease-related biomarkers for colorectal cancer.
Methods
The “Methods” section of the research paper outlines the experimental design and analytical techniques employed to investigate the research questions. The study utilized a quantitative approach, incorporating statistical analyses to evaluate the data collected from participants. Specific methodologies included controlled experiments, surveys, and observational studies, ensuring a comprehensive assessment of the variables in question.
Data collection involved standardized instruments to measure key outcomes, with rigorous protocols established to maintain reliability and validity. The analysis was conducted using advanced statistical software, applying techniques such as regression analysis and ANOVA to interpret the results. This methodological framework facilitated a robust examination of the hypotheses, allowing for the identification of significant patterns and relationships within the data.
Results
The results of the study indicate that quality control measures for Illumina and Oxford Nanopore Technologies (ONT) reads yielded a median of 32,104 and approximately 109,000 reads per sample, respectively, with significant differences in read lengths and quality metrics. The Illumina reads had a median length of 418 nucleotides (nt) and a high quality, with 90% of reads achieving Q30, while ONT reads had a median length of 1,480 nt and varied quality, with the best basecalling model achieving Q18. Notably, β-diversity analysis revealed no significant differences between basecalling models but highlighted significant differences between databases (p-value < 0.001). In terms of α-diversity, the fast model showed higher observed features compared to the sup model, and the Emu's Default database outperformed SILVA in this regard. Further analysis of microbial taxa associated with colorectal cancer (CRC) revealed that specific genera, such as Fusobacterium and Parvimonas, were significantly more abundant in fecal samples from CRC patients compared to controls (p-value < 0.001). The study also identified multiple CRC biomarkers through differential abundance analysis, with both databases used (Emu's Default and SILVA) agreeing on several key taxa. Machine learning models developed from these features demonstrated high predictive power, achieving an Area Under Curve (AUC) of at least 0.9 with only ten features. Notably, the combination of P. micra and F. nucleatum yielded an AUC of 0.71, which improved to 0.87 with the addition of other relevant taxa, indicating the potential for these biomarkers in CRC detection.
Discussion
In this study, the recruitment of participants and fecal sampling adhered to strict ethical guidelines, enrolling 93 colorectal cancer (CRC) diagnosed subjects and 30 cancer-free controls from the University Hospital of A Coruña. Participants provided informed consent, and samples were collected under controlled conditions, ensuring the microbiome could recover post-colonoscopy. The study employed two sequencing approaches—Illumina (V3-V4) and Oxford Nanopore Technologies (ONT, V1-V9)—to analyze the fecal microbiome, comparing their efficacy in identifying bacterial species associated with CRC.
The findings indicate that while both sequencing methods are comparable at the genus level, ONT’s longer read lengths significantly enhance species-level identification, revealing a higher percentage of known species in CRC patients (27.74% for ONT vs. 16.75% for Illumina). Notably, several species, including *Parvimonas micra* and *Fusobacterium nucleatum*, were identified as potential biomarkers for CRC. Machine learning models demonstrated promising predictive capabilities for CRC diagnosis, achieving an area under the curve (AUC) of 0.9 with selected features. However, the study acknowledges limitations, including a relatively small and uneven sample size, which may affect the robustness of the identified biomarkers. Overall, the research underscores the advantages of ONT sequencing for microbial characterization in complex samples and suggests further exploration in larger, more diverse cohorts to validate these findings.