生物帮北卡罗来纳州杜伦市-杜克大学的生物医学工程师已经设计出一种算法，可以从癌症基因组图谱(TCGA)中删除受污染的微生物遗传信息。有了健康和癌变状态下各个器官中生活的微生物群的清晰图片，研究人员现在将能够发现疾病的新生物标记，并更好地了解众多癌症如何影响人体。
在使用新近净化的数据集进行的第一项研究中，研究人员已经发现正常器官和癌性器官组织的微生物群组成略有不同，这些患病部位的细菌可以进入血流，并且这种细菌信息可以帮助诊断癌症并预测患者预后。
结果于12月30日在线发表在《细胞宿主与微生物》杂志上。
TCGA是一项具有里程碑意义的癌症基因组计划，其分子特征是超过20,000种原发癌，并匹配了涵盖33种癌症类型的健康样本。它已经产生了超过250万千兆字节的“ omic”数据。该图集包括存在的DNA，DNA上的表观遗传标记，打开的DNA以及正在生产的蛋白质。它是免费提供给公众使用。
来自地图集数据的一项研究表明，大肠癌中存在大量核梭形芽孢杆菌，从那以后就表明它们可指示此类癌症的分期，生存，转移甚至药物反应。已经进行了更多的研究来寻找这种细菌生物标志物，但是很少被发现。造成这种情况的主要原因是污染。当实验室不小心将细菌引入样品中时，很难辨别样品中实际存在的物种。虽然使用粪便等富含微生物的材料进行的微生物组研究可以克服少量污染，但从人体活体器官和肿瘤样品中提取的相对较小的样品却不能。
在检查TCGA测序数据的子集时，先前的分析发现，许多物种的微生物DNA是实验室污染的结果。
“所有微生物群的研究都受到这样一种观念的困扰：如果您发现了一种微生物，它是真的存在于组织中还是在加工过程中引入了污染?”杜克大学霍金斯家族生物医学工程副教授沉希玲说。“我们发明了一种方法，可以提取每个样本中真正存在的微生物，并将其用于构建我们所谓的癌症微生物组图集，这对于社区而言将是一个巨大的资源，并使我们能够了解癌症如何改变器官的微生物组。”
从TCGA数据中删除污染的方法是由沈氏实验室的研究生Anders Dohlman发明的。Dohlman首先比较了来自不同器官和血液的癌组织之间的微生物组特征，并排除了不加区别地出现的污染物种类。然后，他比较了在哈佛到贝勒等不同地点加工的相同样品的微生物组特征。Dohlman得出结论，只能从特定位置检测到的微生物是污染物，这使他可以为每个位置分配唯一的污染特征。
多尔曼说：“在这一过程中，最大的挑战是混合证据种，它们既是污染物又是组织的内源性细菌。”“但是，由于TCGA有许多不同类型的数据，因此我们能够进行梳理。大数据确实有帮助!”
