《npj Biofilms and Microbiomes》：Classification of the tongue microbiota and its associations with lifestyle factors and health status
编辑推荐：
本研究旨在解决口腔微生物研究中对整体群落结构关注不足的问题。研究人员通过对729名日本受试者进行舌苔菌群分析，成功定义了三种“口型”，并揭示了其与口腔护理、饮食、吸烟等生活方式及口腔健康、代谢综合征风险之间的关联，为基于口腔菌群的无创健康监测提供了新视角。
口腔是人体微生物密度最高的区域之一，其复杂的菌群生态系统与我们全身的健康状况息息相关。长久以来，科学家们对口腔微生物的研究多聚焦于单一或特定的几种细菌种类，例如，哪些细菌与龋齿相关，哪些又与牙周病有关。然而，这种“只见树木，不见森林”的研究方式，难以全面揭示口腔内数百种微生物作为一个整体群落所扮演的角色。这些微生物并非孤立存在，它们之间存在着错综复杂的共生、竞争关系，形成一张动态的网络。这个网络结构的整体特征，是否与我们的生活习惯、健康状况有着更深层次的、可被归纳的关联？这成为领域内亟待探索的关键问题。
为了回答这个问题，一支研究团队将目光投向了一个常常被忽视的口腔微生态位点——舌苔。舌苔结构特殊，易于采样，且其菌群组成相对稳定，是研究口腔微生物整体模式的理想对象。研究人员在《npj Biofilms and Microbiomes》上发表了一项开创性研究，通过对大规模人群队列的舌苔菌群进行深度分析，他们不仅描绘了清晰的菌群“地图”，更从中发现了具有不同健康指示意义的三种稳定类型，为理解口腔菌群与人体健康的宏观联系打开了新窗口。
研究人员开展此项研究主要应用了几个关键技术方法。首先，他们建立了一个包含729名日本成年人的横断面队列，系统地收集了每位参与者的舌苔样本。随后，利用高通量16S rRNA基因测序技术，对样本中的细菌群落组成进行了全面解析。基于测序产生的海量数据，研究人员采用了先进的生物信息学分析流程，包括多样性分析、共现网络构建以及机器学习算法。其中，随机森林模型被用于识别关键的、能够区分不同菌群类型的细菌类群，并最终建立了一个高精度的分类预测模型。此外，研究还包含了对部分个体的纵向追踪，以评估所定义菌群类型的长期稳定性。
定义三种舌苔微生物“口型”
研究人员对729份舌苔样本的菌群数据进行深入分析后，成功将所有样本归类为三种具有显著差异的群落类型，他们将其命名为“口型”。这三种类型分别是：以奈瑟菌（Neisseria）为主导的N型、以普雷沃菌（Prevotella）为主导的P型，以及以链球菌（Streptococcus）为主导的S型。这一分类并非基于单一优势菌的简单划分，而是反映了三种截然不同的整体菌群结构和生态模式。
不同“口型”具有独特的共生网络结构
通过构建微生物共现网络，研究发现每种口型都拥有其独特的物种互作模式。N型的网络结构相对简单，核心菌群明确；P型的网络则显示出更高的复杂性和连接度；而S型的网络特征介于两者之间。这表明每种口型都代表了一个稳定的、内部物种间存在特定协作或竞争关系的微生态系统。
“口型”与生活方式因素显著关联
研究进一步探索了这三种口型与受试者生活习惯之间的关联。分析发现，不同的口型与口腔护理习惯（如刷牙频率、使用牙线情况）、饮食模式（如蔬菜、发酵食品的摄入量）以及吸烟行为等生活方式因素存在统计学上的显著相关性。例如，某些口型在具有良好口腔卫生习惯的个体中更为常见，而另一些口型则与特定的饮食习惯或吸烟状态相关。这提示我们的日常行为能够塑造舌苔的微生物群落结构。
“口型”是潜在的健康风险生物标志物
最重要的发现在于，不同的口型与健康状况存在关联。与N型相比，S型口型的个体出现口腔健康异常（如口臭、舌苔异常等）的几率更高。更值得注意的是，在调整了混杂因素后，S型还与更高的代谢综合征相关结局风险存在关联。代谢综合征是一组包括腹部肥胖、高血压、高血糖、血脂异常在内的症候群，是心脑血管疾病的重要风险前兆。这一发现将舌苔菌群的宏观类型与系统性代谢健康风险联系了起来。
开发出高精度且稳定的“口型”预测模型
基于上述发现，研究人员利用机器学习方法，开发了一个能够根据菌群组成准确预测个体所属口型的分类模型。该模型表现出极高的预测效能，其接收者操作特征曲线下面积大于0.95。为了验证口型的实用性，研究还对部分参与者进行了为期6年的随访，发现近一半的个体其口型在长期内保持稳定。这证明了口型作为一种个体化微生物特征，具有时间上的持续性，适合作为长期健康监测的指标。
研究的结论和讨论部分强调了此项工作的多重意义。首先，它超越了传统针对单一病原菌的研究范式，首次在大规模人群中基于舌苔菌群的整体结构定义了三种稳定的“口型”，为口腔微生物组研究提供了新的分类框架。其次，研究明确将口型与可改变的生活方式因素以及重要的健康风险（尤其是代谢综合征）相关联，这为通过干预口腔菌群来促进健康提供了潜在靶点。例如，改善口腔卫生或调整饮食可能有助于引导菌群向更有利的N型转化。最后，所构建的高精度、稳健的分类模型及其展现出的时间稳定性，使得“口型”有望成为一种无创、便捷的生物标志物，用于评估个体的口腔乃至全身健康风险，在未来个性化医疗和预防医学中具有应用潜力。这项研究成功地将复杂的微生物群落数据转化为易于理解的健康信息，架起了基础研究与临床公卫应用之间的桥梁。
