1. 引言

肿瘤组织中是否存在微生物近年来争议不断，独立分析同一公共数据常得出矛盾结论，主要源于测序数据中宿主序列干扰、参考数据库污染、多比对读段以及试剂与环境微生物污染所致的假阳性。传统分类工具因缺乏真实世界基准，难以区分真实组织固有微生物与污染物，且对大规模数据进行全长比对计算不可行。因此，亟需一种高效、精准的生信方法，从低微生物生物量的宿主测序数据中可靠识别真正存在的微生物信号。

本研究创新性构建基于多层级比对与机器学习去污染的PRISM计算框架，以全基因组和转录组测序数据中的微生物读段为对象，实现肿瘤组织低丰度微生物信号的高灵敏精准识别。通过整合Kraken2初筛、Minimap2/STAR二次去宿主、代表性亚采样BLAST比对及XGBoost模型（40个特征），确定最优分析流程，无需额外湿实验。经230个独立数据集（含细胞系感染、阴性对照、阳性培养验证）及TCGA（25癌种，2,323例）、CPTAC（2,075例）实测验证，灵敏度达95%、特异性97%，单样本计算高效。该方法成功揭示口腔、胃肠道及泌尿生殖道肿瘤中的稳健微生物特征，并在胰腺癌中关联微生物存在与宿主糖基化改变及吸烟史增加，突破传统生信工具假阳性高、可比性差的局限，为挖掘海量肿瘤基因组数据中的宿主-微生物互作标志物提供了高可靠新方案。

2.研究内容：

解决分类学错误分类问题：PRISM针对Kraken2的三大误分类来源（宿主读段去除不足、多映射读段、载体及模式生物序列污染），通过额外宿主比对（Minimap2/STAR）、代表性亚采样BLAST唯一比对等策略，有效剔除非微生物读段，将每样本中位数 taxa 从160降至14，同时保留所有真实病原体，显著提升分类准确性。

图 1 PRISM 测试与验证

癌症基因组图谱中的微生物检测：PRISM分析TCGA 25种癌症2,323例全基因组数据，发现口腔、胃肠道及宫颈癌中微生物丰度较高，而多数其他癌种信号稀疏。经保守过滤（CPM>0.5，PRISM评分>0.1），结直肠癌富集具核梭杆菌、脆弱拟杆菌等，头颈和胃癌检出多种牙周相关菌属，泌尿生殖系肿瘤检出HPV16等病毒。

图 2 TCGA WGS 中微生物的检测

临床蛋白质组肿瘤分析联盟中的微生物检测：PRISM处理CPTAC 2,075例RNA-seq数据，头颈癌和结肠癌中微生物检出率最高，其他癌种信号稀疏。与TCGA相比，RNA-seq优先捕获高丰度微生物，且16S验证表明RNA-seq检出的物种在宏基因组中相对丰度更高。批次效应整体微弱，仅头颈癌测序中心解释6%变异。

图 3 基于 RNA-seq 的 CPTAC 微生物检测

胰腺癌与微生物的关联：在CPTAC胰腺癌155例中，PRISM检出大肠杆菌、幽门螺杆菌及多种口腔共生菌（如具核梭杆菌）。微生物阳性肿瘤与宿主蛋白糖基化修饰显著改变（76个糖蛋白，富集于细胞外基质通路）及患者吸烟史增加相关，提示微生物可能参与胰腺癌的分子病理过程。

图 4 胰腺癌微生物组的分子和临床关联

       3.结论：

本研究成功构建一种基于多层级比对与机器学习去污染的PRISM计算框架，可实现肿瘤组织低丰度微生物信号的高灵敏精准识别。该框架以全基因组和转录组测序数据中的微生物读段为对象，采用Kraken2初筛、二次宿主去除、代表性亚采样BLAST比对及XGBoost模型（40个特征）等策略，显著提升真阳性微生物的检出能力。优化后对真实微生物检测的灵敏度达95%、特异性达97%，单一样本分析高效，可检出低至CPM>0.5且PRISM评分>0.1的稀有微生物信号。经230个独立数据集及TCGA（25癌种，2,323例）、CPTAC（2,075例）实测证实，该方法能准确识别口腔、胃肠道及泌尿生殖道肿瘤中的稳健微生物特征，突破传统分类工具假阳性高、可比性差的局限，并在胰腺癌中首次关联微生物存在与宿主糖基化改变及吸烟史增加。该技术无需额外湿实验、计算高效、稳健可靠，为挖掘海量肿瘤基因组数据中的宿主-微生物互作标志物提供了高灵敏、高特异的新型生物信息学工具。

论文链接：DOI: 10.1016/j.ccell.2026.01.007