孤独症儿童的肠道菌群特征分析和筛查模型构建

摘要

目的 探讨孤独症谱系障碍（ASD）患儿和健康儿童之间肠道菌群组成的差异，并使用机器学习算法构建疾病筛查模型，提供基于肠道菌群生物标志物的非侵入性孤独症筛查手段。方法 本研究于2019年12月至2023年4月，在济南市、遵义市、香港特别行政区以及上海市招募149名2.5～4.5岁孤独症儿童为孤独症组，按年龄、性别1∶1匹配的149名健康儿童为对照组，采集粪便样本，通过16S rRNA基因V3-V4区测序收集两组儿童肠道菌群相关指标。在属水平，使用随机森林、支持向量机、K近邻算法、朴素贝叶斯分类器4种机器学习算法在模型开发数据集中构建孤独症分类模型，识别最具判别性的菌属组合，并评估模型在两个独立外部测试数据集中的泛化能力。结果 （1）孤独症组的菌群多样性显著高于对照组（Chao指数=118.00、105.00,Shannon指数=3.46、3.00,P=0.023、0.001）。（2）孤独症儿童和对照儿童肠道菌群结构存在显著差异（F=5.198,R²=0.052,P<0.001）。（3）共筛选出14个特征菌属。其中孤独症组中丰度较高的菌属为Phocaeicola、Anaerobutyricum、Faecalibacterium、Blautia、Oscillibacter、Lachnospira、Parabacteroides、Flintibacter和Anthropogastromicrobium,对照组中丰度较高的菌属为Ruthenibacterium、Flavonifractor、Bifidobacterium、Anaerostipes和Eisenbergiella。（4）基于14个菌属组合的随机森林模型在模型开发数据上具有最优分类性能，训练集中曲线下面积（AUC）为100%（95%CI:100%～100%）,验证集中AUC为93.94%（95%CI:88.13%～99.74%）。在两个独立的外部测试集中，朴素贝叶斯模型则展现出最佳的泛化性能，AUC分别为63.83%（95%CI:51.99%～75.67%）和60.19%（95%CI:47.83%～72.55%）。结论 孤独症和健康儿童肠道微生物群落存在显著差异，且特定肠道生物标志物对孤独症疾病状态具有分类能力，提示肠道微生物具有作为儿童早期孤独症无创筛查标志物的潜在作用。

关键词

肠道菌群 / 孤独症 / 儿童 / 生物标志物 / 机器学习 / 16S rRNA

基金资助

国家自然科学基金(82181220077,8237120466); 复旦大学公共卫生学院嘉定区卫生健康委公共卫生高质量发展重点学科、重点专项(GWGZLXK-2023-04); 上海市加强公共卫生体系建设三年行动计划(2023—2025年)重点学科(GWVI-11.1-32)