英国伦敦大奥蒙德街儿童医院（GOSH）的Judith Breuer教授在ECCMID大会中指出，脑炎发病率为5/10万，英国每年发病约6000例，50%的病例无法明确病因¹。为应对脑炎诊断挑战， 2014年GOSH开展宏基因检测，旨在诊断无法通过常规检测识别的病原体，增加非感染脑炎患者接受免疫抑制治疗的机会。从2014年到2022年采用宏基因检测了178名患儿的195个临床样本，并对其中GOSH MDT管理的60名患儿（平均年龄7岁，基线60%患儿免疫功能低下）进行回顾性系列病例分析的研究结果显示：免疫功能不同，样本来源不同，病原体的检测率存在差异，宏基因检测在25%（15/60）患儿中检出了被漏检的病原体，免疫功能低下患儿较免疫功能正常患儿的病原体检出率更高（33% vs 8%，P=0.03），脑组织较脑脊液（CSF）的病原体检出率更高（29% vs 15%，P=0.24）（图1）。宏基因测序额外检出病原体包括此前未知可导致脑炎/脑膜炎的冠状病毒OC43和腮腺炎减毒活疫苗MVS²。

图1 60名患儿临床样本病原体检出情况²

A：不同免疫功能的患儿；B：不同来源的临床样本

此外，基于宏基因检测结果，74%（42/57）患儿的治疗方案得以调整，包括73%（24/33）免疫功能受损患儿。结果表明，在临床中枢系统感染的多学科会诊中，综合宏基因检测结果可优化诊断，并为潜在的挽救生命管理决策提供重要信息。特别是对于免疫功能低下的患者，这些患者具有较高的易被常规检测遗漏的异常病原体感染风险²。

Judith Breuer教授提出了宏基因检测优化的3个方向：可降低周转时长的纳米孔测序、提升灵敏度的靶向测序、提高精度的宿主转录检测，并评估了3种容易获得的宏基因检测方法，即非靶向Illumina测序、纳米孔测序、捕获探针富集+Illumina靶向测序的性能：在检测敏感性方面，靶向Illumina测序优于非靶向Illumina测序，优于纳米孔测序。靶向Illumina测序可将灵敏度提高至少100倍，但其只能检测病毒，无法检测靶标外序列。纳米孔测序较Illumina测序更具特异性，但其只适用于高拷贝数的病毒样本。Illumina测序似乎能更好地保存宿主转录组¹。

瑞士日内瓦大学医院的Jacques Schrenzel教授在报告中指出，宏基因检测适用于社区获得性肺炎（CAP）住院患者、呼吸机相关性肺炎（VAP）患者、医院获得性肺炎（HAP）/CAP免疫功能低下患者，并提出宏基因检测可解决常规检测方法的不可及、不可视和不可计算3大局限³。

VAP诊断依赖于临床症状和放射学征象的结合，通常还需结合支气管肺泡灌洗液（BALF）的定量培养。基于16S rRNA基因的呼吸道标本宏基因检测可研究整个呼吸道微生物群，并识别许多无法常规培养的细菌和潜在病原体。在瑞士日内瓦大学医院进行的一项病例对照研究，纳入286例机械通气患者，收集患者的口咽分泌物（OPS）和气管内抽吸物（ETA）进行培养和宏基因（16S rRNA基因）测序。研究发现，插管时口咽分泌物中杆菌相对丰度较低与VAP发展密切相关，敏感性和特异性> 80%（图2）；插管期间微生物群组成和多样性发生变化，依据OPS中微生物群主坐标规范分析（CAP）可判断患者是否会发生VAP³。这项研究提示，虽然VAP和对照组患者的ETA或OPS微生物群落在整体上无显著差异，但在某些特定细菌类群上存在明显差异，这些差异可能有助于早期区分发展为VAP的患者。

图2  VAP与机械通气患者呼吸道样本中微生物群的分类组成和DNA载量有关³

A：机械通气患者OPS中杆菌的16S rRNA 读数相对丰度点图；

B：插管当天VAP与机械通气患者OPS中杆菌相对丰度之间关联性ROC 曲线

常规检测方法无法检出临床样本中的全部微生物，宏基因检测覆盖病原谱更广，可检测无法常规培养的病原体。一项纳入57例疑似HAP/VAP的ICU患者的单中心前瞻性研究结果显示，以BALF培养结果作为参考，宏基因组二代测序（mNGS）的敏感性和特异性分别为96.2%及97.8%。在培养阳性BALF中，mNGS在12名患者中额外检出病原体；而在培养阴性BALF中，5份mNGS检测结果为阳性⁴。此外，常规培养无法评估呼吸道样本中微生物群组成的相对定量与绝对定量，而宏基因检测能够识别并推断病原体的绝对丰度⁵。

美国旧金山UCSF的Charles Chiu教授报告了结合宿主应答谱与宏基因检测在感染病诊断中的探索。目前，临床传染病诊断存在挑战，部分肺炎（15%-60%）^6-8、脑炎/脑膜炎（40%-60%）^9-11、肝炎（30%-50%）^12,13及发热/脓毒症（20%-40%）^14,15患者未能得到病原诊断。mNGS已成功运用于病因不明的急性疾病患者诊断，在各种体液样本（脓肿、关节液、脑脊液、胸腔积液等）中识别急症患者的病原体¹⁶。

一项mNGS检测与其他检测方法（培养、抗原或PCR检测）的对比分析显示，mNGS检出的病原体种类包括细菌、真菌、DNA和RNA病毒及寄生虫等，与其他检测方法对比，mNGS检出的病原体数量更多，且21.8%（48/220）的感染患者仅可通过mNGS检测病原体。mNGS检测敏感度为63.1%，特异性为99.6%，精准度较高，但阴性预测值为92.3%，不可单独作为排除感染标准¹⁷。2021年的一项研究展现了宏基因测序用于流行病学溯源的过程：美国有四名接受来自同一捐赠者的器官移植的患者，在移植后2-6周内出现脑炎。宏基因组测序在一名肾脏接受者的脑脊液中鉴定出了黄热病毒。而后通过在一名接受者的脑组织中识别与17D疫苗株一致的黄热病毒RNA，及三名接受者移植后的血清转换证据，确认四名接受者近期均感染了黄热病毒。这项研究发现，与自身免疫性脑炎或非感染性脑炎患者相比，宿主基因表达谱更接近病毒性脑膜脑炎患者的特征¹⁸。

图3 实体器官和组织受体与自身免疫性或非传染性脑炎或病毒性脑膜脑炎患者基因表达谱的比较¹⁸

这引起了Charles Chiu教授对于特定病原感染宿主反应分析的兴趣，他认为针对感染的宿主反应可分为急性、亚急性和慢性三种方式，基于人工智能的宿主反应分析分析未来有望能够助益感染性疾病的精准诊断。虽然已有宿主反应检测方法处于商业化或开发进程中，如Inflammatix、Biomeme、MeMed Diagnostics、Lumos Diagnostics、Immunexpress Group。但目前这些方法着重关注使用较少数目（n<10）的生物标记物区分细菌和病毒感染，在需要床旁检测（POCT）的临床场景如急诊中应用于某些适应症，如脓毒症的诊断。

宏基因测序和宿主反应分析结合可通过机器学习诊断疾病。例如，Omura 等正在进行的一项研究，使用疑似脑炎/脑膜炎患者的脑脊液，检测非人源序列用于病原数据库匹配，人源序列用于宿主反应分析。联合分析病原与宿主测序数据，机器学习建立的分类模型在开发队列中总体准确率89%，在验证队列中总体准确率83%。这些结果提示结合病原与宿主测序数据建立的机器学习模型能较好区分感染性疾病与非感染性疾病，并对不同病原种类有一定区分能力。Charles Chiu教授总结道，宿主反应分析可以作为mNGS检测的补充，两者结合不会额外增加实验室工作量。这种方法未来有潜力很快在鉴别诊断感染性疾病和各类非感染性疾病中发挥作用。

仅供医疗卫生专业人士阅读/参考

参考文献：

1. Bloch KC, Glaser C, Gaston D, et al. State of the Art: Acute Encephalitis. Clin Infect Dis.2023;77(5):e14-e33.

2. Penner J,et al.J Infect. 2023 Nov;87(5):451-458. 

3. Emonet S,et al.Intensive Care Med. 2019 Aug;45(8):1082-1092.

4. Heitz, Morgane et al.Respiratory research.2023 Nov; vol. 24,1285.15.

5. 中国医学救援协会重症医学分会,等.宏基因组学测序技术在成人医院获得性肺炎中的临床应用专家共识[J].中国急救复苏与灾害医学杂志,2023, 18(5):561-568.

6. Emonet S, Lazarevic V, Leemann Refondini C, et al. Identification of respiratory microbiota markers in ventilator-associated pneumonia. Intensive Care Med. 2019;45(8):1082-1092.

7. Heitz M, Levrat A, Lazarevic V, et al. Metagenomics for the microbiological diagnosis of hospital-acquired pneumonia and ventilator-associated pneumonia (HAP/VAP) in intensive care unit (ICU): a proof-of-concept study. Respir Res. 2023;24(1):285.

8. van Gageldonk-Lafeber AB, et al. Clin Infect Dis. 2005 Aug 15;41(4):490-7.

9. Ewig S, et al. Eur Respir J. 2002 Nov;20(5):1254-62.

10. Jain S, et al. N Engl J Med. 2015 Jul 30;373(5):415-27.

11. Glaser CA, et al. Clin Infect Dis. 2006 Dec 15;43(12):1565-77.

12. Vora NM, et al. Neurology. 2014 Feb 4;82(5):443-51.

13. Fulton BD, et al. PLoS One. 2020 Jan 15;15(1):e0226895.

14. Squires RH Jr, et al. J Pediatr. 2006 May;148(5):652-658.

15. Alonso EM,et al. Hepatology. 2017 Mar;65(3):1026-1037.

16. Gu, Wei et al. Nature medicine vol. 27,1 (2021): 115-124.

17. Benoit et al.2024, submitted.

18. Gould CV et al,Lancet Microbe. 2023 Sep;4(9)e711-e721.