J Immunother Cancer
肺部微生物组特征在免疫检查点抑制剂相关肺炎中的研究
小赛推荐：
该研究首次利用宏基因组新一代测序（mNGS）技术对免疫检查点抑制剂相关肺炎（CIP）患者的肺部微生物组特征进行系统分析，揭示了特定微生物（如Candida和Porphyromonas）与宿主免疫-炎症标志物之间的相关性，并通过机器学习模型（决策树模型AUC为0.88）展示了其在临床诊断中的潜力。
文献概述
本文《Metagenomic next-generation sequencing unraveled the characteristic of lung microbiota in patients with checkpoint inhibitor pneumonitis: results from a prospective cohort study》，发表于Journal for ImmunoTherapy of Cancer杂志，回顾并总结了利用宏基因组新一代测ony sequencing技术对免疫检查点抑制剂相关肺炎（CIP）患者肺部微生物组特征的研究。研究比较了纯型CIP（PT-CIP）、混合型CIP（MT-CIP）和肺部感染（PI）患者肺微生物组的差异，探索其与宿主免疫-炎症标志物的关系，并通过机器学习模型验证微生物组在CIP诊断中的临床价值。
背景知识
免疫检查点抑制剂（ICIs）在癌症治疗中广泛应用，但其副作用之一——CIP，是一种严重的免疫相关不良事件，具有较高的发病率和死亡率。CIP的临床表现和影像学特征与感染性肺炎（PI）相似，因此诊断极具挑战性。传统方法依赖临床评估和影像学，但缺乏特异性。近年来，肺部微生物组研究逐渐成为热点，其在调节免疫反应和影响疾病预后中的作用已得到初步证实。然而，CIP与微生物组的关系尚未被系统研究。本研究首次系统性分析了不同CIP亚型与PI患者的肺部微生物组，结合机器学习技术，为CIP的精准诊断提供了新的工具。
研究方法与实验
本研究基于一项前瞻性临床试验（NCT06192303），收集了38名接受免疫治疗后出现肺炎症状和影像学证据的患者支气管肺泡灌洗液（BALF）样本，其中包括14例纯型CIP（PT-CIP）、14例混合型CIP（MT-CIP）和10例肺部感染（PI）。所有样本经过严格的多步骤质量控制后，采用宏基因组新一代测序（mNGS）技术对肺部微生物组进行分析。研究进一步通过线性判别分析（LEfSe）识别不同组别中的特征微生物，并结合宿主免疫-炎症标志物分析微生物与免疫系统的相互作用。此外，研究还通过功能富集分析比较了CIP与PI患者肺微生物组的代谢重编程和生物学功能差异，并利用四种机器学习模型（决策树、逻辑回归、支持向量机、K近邻）评估BALF微生物组在CIP诊断中的临床价值。
关键结论与观点
研究意义与展望
该研究首次系统性分析了不同CIP亚型患者肺微生物组的特征，并构建了基于机器学习的诊断模型，为CIP的精准诊断提供了新思路。未来需在更大规模、多中心队列中进一步验证该模型的诊断效能，并结合宿主转录组、代谢组数据，提升模型的可解释性和临床实用性。此外，研究还建议结合微生物组与宿主免疫系统调节策略，以优化CIP患者的个体化治疗。
结语
本研究通过mNGS技术对38例CIP和PI患者的肺微生物组进行系统分析，揭示了不同亚型CIP患者肺微生物组的异质性，并构建了基于BALF微生物组的决策树诊断模型，其在测试集中AUC达到0.88，表现出良好的诊断性能。研究还发现Candida与Porphyromonas等微生物在免疫调节中具有不同作用，为CIP的发病机制提供了新的研究方向。尽管研究样本量较小，但其结果为CIP的非侵入性诊断和个体化管理提供了理论基础。未来研究应扩大样本量，结合宿主基因表达数据，进一步验证微生物组在CIP中的诊断价值。
