16S rDNA扩增子熔解曲线的形状分析用于口腔菌群筛查的可行性

摘要

目的 建立16S rDNA扩增子熔解曲线(melting curve, MC)的形状分析技术，探讨其用于口腔菌群筛查的可行性。方法 以EvaGreen为荧光染料，对菌群样本的16S rDNA V4区进行直接PCR扩增(direct PCR,dPCR)和熔解曲线分析(melting curve analysis, MCA),提取MC的形状数据，用机器学习(machine learning, ML)算法进行聚类或判别分析。调查唾液样本，根据MC的形状聚类簇，参考已知对照样本定义菌群型。以菌群型为样本标签、MC形状数据为样本特征，进行ML建模、验证和测试，评价16S rDNA扩增子熔解曲线形状分析法用于口腔菌群筛查的可行性。结果 与直接分析MC相比，提取和分析形状，样本MC的平均相关系数提高(>95%),变异系数降低(降幅>30%)。222份唾液的MC形成7个形状聚类簇(兰德指数=0.88,纯度=0.81)。把同簇样本定义为一种菌群型，并结合其形状数据进行有监督ML建模，其中随机森林分类器(RF,n=200)的性能最优(准确率=0.92, F1分数=0.95,AUC=0.99)。特征重要性分析显示，对分型贡献大的主要是低温区峰的位置和高度。结论 菌群16S rDNA扩增子MC的形状稳定易测，借助于ML分析MC的形状可以实现唾液菌群的经济快速分型，其在食管癌高危人群筛查中的应用值得进一步探索。

关键词

菌群 / 食管癌 / 16S rDNA / 熔解曲线分析 / 形状测量 / 机器学习

基金资助

国家自然科学基金项目(81501634)