2020年3月，《Nature》发表了一篇极具影响力的论文。 该研究使用了机器学习算法来检测人体特定微生物与预测和癌症类型的关联 ，准确率有时可接近100%。该研究促使了后续多项研究的开展联系我们，一家公司甚至将研究成果转化为早期癌症诊断工具。
2023年， 有批评者指出该论文存在方法学错误 。随后，研究受到了严格审查，《Nature》先是在2024年2月发表了一则编辑说明，最终在 6月26日撤稿该论文 。
撤稿通知 写道：“ 专家对读者提出的问题和作者的回应进行了同行评审，确认文章的一些发现存在问题，相应的结论无法得到支撑 。”所有作者都同意撤稿。
撤稿论文：https://www.nature.com/articles/s41586-020-2095-1
该论文的通讯作者是加州大学圣迭戈分校的微生物学家Rob Knight联系我们，同时也是微生物组研究的领军人物。Knight在邮件中表示，撤稿是合理的，“但我们的研究团队认为， 论文关于微生物组区分肿瘤类型的主要结论是真实的 。我们期待在即将发表的研究中通过改进的方法和更全面的数据集证明这一观点。”
撤稿论文相关的研究和成果
此次撤稿事件对其他研究产生了连锁效应 。 美国一位癌症研究者Eytan Ruppin 2022年发表于《 Nature Communications》上的研究 曾使用了该论文的数据集。
链接：https://www.nature.com/articles/s41467-022-30512-3
论文撤稿后联系我们，Ruppin表示：“我打算联系期刊，与他们探讨两个选择——允许我们 使用更正后的数据重新分析，或直接撤稿我们的研究 。”
在2020年《Nature》的研究中，Knight及其同事将癌症患者血液和组织样本的DNA数据库和一些非癌症患者样本的DNA数据库，与已知微生物 DNA 数据库进行了比较。 利用机器学习算法，他们开发了理论上可以根据血液样本预测癌症及其类型的模型 。
2019年，Knight与论文第一作者Greg Sepich-Poore共同创办了一家公司：Micronoma，计划将研究成果进行转化。Micronoma公司筹集了数百万美元，开发了一种实验性的肺癌血液检测法，希望将其推进到临床研究。2023年， 美国FDA将该方法誉为“突破性设备”，并获得了优先审批权 。
链接：https://micronoma.com/micronoma-receives-fda-breakthrough-device-designation-for-oncobiotalung-a-novel-liquid-biopsy-assay-for-lung-carcinoma-detection/
然而联系我们，文章发表后，一些研究者注意到了《Nature》论文结果中有一些奇怪之处。例如，摩登7平台注册研究团队将海藻细菌列为提示膀胱癌的微生物之一，这表明分析可能存在问题。 2023年发表的一项预印本 研究（ 现已发表在mBio 上）更进一步说明了该论文的“重大数据分析错误”。
链接：https://journals.asm.org/doi/10.1128/mbio.01607-23
据这些研究者称， Knight团队未能从癌症组织数据中正确过滤掉人类DNA，导致数百万人类序列被错误地识别为微生物序列 。此外，该分析的一个计算错误使癌症和微生物之间出现明显的关联，而实际上并没有关联。
当时，Knight等拒绝了这些批评，他们认为这些批评 并没有从根本上改变论文的结论 。2023年2月，《Nature》在文章中添加了一条注释，指出“一些研究者对本文提供的数据和结论表示担忧”。最终的撤稿决定是在该期刊充分考虑了作者回应后所做出的，其中涉及一篇2024年发表的论文， 该文章重新分析了2020年论文的一些数据 。
链接：https://www.nature.com/articles/s41388-024-02974-w
以该研究发现为基础的技术，命运尚不确定。2023年，时任 Micronoma 公司总裁兼首席执行官的 Sandrine Miller-Montgomery 表示， 公司的产品未受到影响 ，Micronoma 公司已经开发出了“一个独立且专有的微生物数据库”。然而，该公司自2023年以来就没有在其官网上发布新闻，Miller-Montgomery 也在去年秋天辞职了。她的继任者Eddie Adams于5月份在社交媒体上发消息称，Micronoma 正在“出售大量科学设备”，作为“实验室设备清算”的一部分。
研究者强调， 撤稿并不会使整个癌症微生物组的研究变得失效 。西达赛奈医学中心一位微生物组研究者说：“这一结果既不该让肿瘤微生物组的反对者固步自封，也不该让支持者失去立场。”
不过，有研究者认为，这仍是一个警示性的故事，提醒人们不要过于不加批判地看待使用复杂方法的研究。随着人们对不同生物信息学工具和机器学习方法局限性理解的不断加深，微生物组研究需要更加开放地评估研究成果。
本文整理自：
https://www.science.org/content/article/journal-retracts-influential-cancer-microbiome-paper
