基于宏基因组测序的慢性阻塞性肺疾病感染病原谱特征及其预后关联研究

《Frontiers in Cellular and Infection Microbiology》：Characteristics of pathogenic microorganisms in COPD-related infections: prognostic correlations and implications

本研究通过前瞻性观察性设计，应用下一代测序（NGS）技术系统分析1146例呼吸道感染患者（COPD组259例，非COPD组887例）的支气管肺泡灌洗液样本，揭示COPD患者呼吸道病原谱以革兰阴性菌（如铜绿假单胞菌、流感嗜血杆菌）和真菌为主，且非致病性微生物（如小韦荣球菌、齿垢 Schaalia）载量显著升高。机器学习模型识别出SARS-CoV-2、小韦荣球菌和木糖氧化无色杆菌为不良预后的关键预测因子，为COPD个体化感染防控提供微生物学依据。

　　

背景

慢性阻塞性肺疾病（COPD）作为全球第三大死因，其急性加重主要源于呼吸道感染，但COPD与非COPD患者感染病原谱差异及预后关联尚不明确。本研究通过高通量测序技术深入解析两类人群的微生物特征，旨在为精准干预提供依据。

方法

研究纳入2023年12月至2025年2月吉林大学第一医院呼吸科收治的1146例疑似呼吸道感染患者，采集支气管肺泡灌洗液（BALF）样本并行下一代测序（NGS）和常规微生物检测（CMT）。通过多变量逻辑回归分析COPD相关临床因素，并采用随机森林（Random Forest）机器学习模型预测不良预后（包括ICU入住、机械通气或死亡）。

结果

1. 人群特征与临床参数

COPD患者年龄更大（中位70岁）、吸烟史更长（中位10年），且白细胞计数（WBC）、中性粒细胞百分比（NE%）显著高于非COPD组，淋巴细胞百分比（LYM%）更低。多因素回归显示年龄≥70岁、呼吸困难、吸烟20–70年、WBC>10×10⁹/L、NE%>75%及机械通气需求均为COPD的独立危险因素（OR 1.6–5.8）。

2. 病原谱差异

COPD患者致病菌中以革兰阴性菌（GNB）为主（55.91%），尤其是铜绿假单胞菌（21.62% vs 10.15%）和流感嗜血杆菌（15.44% vs 9.02%）；真菌感染比例更高（11.02% vs 9.98%）。非COPD组更易检出非典型病原体（如肺炎支原体，11.39% vs 2.32%）和病毒。季节性分析显示GNB在春秋季高发，病毒冬季活跃。

3. 非致病微生物群落特征

COPD患者非致病微生物载量显著更高（中位读数1.31×10⁵vs 8.55×10⁴），其中小韦荣球菌（Veillonella parvula）和齿垢 Schaalia（Schaalia odontolytica）占比突出（COPD组合计65% vs 非COPD组51%）。主坐标分析（PCoA）显示两组微生物群落结构显著分离（PERMANOVA p=0.001）。

4. 机器学习预后模型

基于12种微生物特征构建的随机森林模型对不良预后预测效能极高（AUC=0.9998）。重要预测因子包括SARS-CoV-2（权重最高）、小韦荣球菌、木糖氧化无色杆菌（Achromobacter xylosoxidans）和肺炎克雷伯菌（Klebsiella pneumoniae），而奈氏放线菌（Actinomyces naeslundii）等呈现保护性关联。

讨论

本研究通过NGS技术揭示了COPD患者呼吸道微生物组的独特性，强调GNB和真菌的临床优势地位，并发现传统共生菌的增殖可能与COPD免疫微环境紊乱相关。机器学习模型首次量化了SARS-CoV-2与特定细菌在驱动不良预后中的层级作用，为COPD感染风险分层提供了微生物标志物体系。

结论

COPD相关呼吸道感染存在特异性病原谱和微生物群落特征，基于NGS的微生物分析结合机器学习能有效预测预后，指导个体化抗感染治疗。