精华内容
下载资源
问答
  • 2020-12-04 07:00:00

    DOI: https://doi.org/10.17521/cjpe.2019.0222

    微生物组学的技术和方法及其应用

    高贵锋 褚海燕*

    中国科学院南京土壤研究所, 南京 210008

    摘  要微生物组是指一个特定环境或生态系统中全部微生物及其遗传信息的集合, 其蕴藏着极为丰富的微生物资源。全面系统地解析微生物组的结构和功能, 将为解决人类面临的能源、生态环境、工农业生产和人体健康等重大问题带来新思路。然而, 微生物组学研究在很大程度上取决于其技术与方法的发展。在高通量测序技术出现以前, 微生物研究主要基于分离培养和指纹图谱等技术, 然而, 由于这些技术存在的缺陷, 人们对于微生物的认识十分有限。自21世纪初以来, 尽管高通量测序和质谱技术的革命性突破极大地促进了人们对于微生物的认识, 微生物组学技术在微生物组研究中的应用仍面临着诸多挑战。此外, 目前微生物组的结构和多样性等描述性研究已臻成熟, 微生物组学研究正处于从数量到质量、从结构到功能的关键转变时期。因此, 该文首先介绍了微生物组学的基本概念及其发展简史, 其次简述了微生物组学研究的相关技术和方法及其发展历程, 并进一步阐述了微生物组学的技术和方法在生态学研究中的应用及存在的主要问题, 最后从技术、理论和应用层面阐述了未来微生物组学技术和方法发展的前沿方向, 并提出了今后微生物组学研究的优先发展领域。

    关键词微生物组学; 高通量测序; 质谱技术; 生态学研究

    高贵锋,褚海燕 (2020). 微生物组学的技术和方法及其应用. 植物生态学报, 44, 00–00. DOI: 10.17521/cjpe.2019.0222

    Techniques and methods of microbiomics and their applications

    GAO Gui-Feng and CHU Hai-Yan*

    Institute of Soil Science, Chinese Academy of Sciences, Nanjing 210008, China

    Abstract

    Microbiome is the combination of all microorganisms and their genetic information in a specific environment or ecosystem, which contains abundant microbial resources. A comprehensive and systematic analysis of the structure and function of microbiome will provide new ideas in solving the core issues in the fields of energy, ecological environment, industrial and agricultural production and human health. However, the study of microbiome largely depends on the development of relevant technologies and methods. Before to the advent of high-throughput sequencing technology, microbial research was mainly based on techniques such as isolation, pure-culture and fingerprint. However, due to the technical restrictions, scientists could only get limited knowledge of microorganisms. Since the begaining of 21st century, the revolutionary advances in the technology of high-throughput sequencing and mass spectrometry have greatly improved our understanding on the structure and ecological functions of environmental microbiome. However, the application of microbiomics technology in microbial research still faces many challenges. In addition, the descriptive studies focusing on the structure and diversity of microbiome have already matured, and the study of microbiomics is facing a critical transition period from quantity to quality and from structure to function. Hence, this paper will firstly introduce the basic concepts of microbiomics and a brief development history. Secondly, this paper introduces the related technologies and methods of microbiomics with their development process, and further expounds the applications and main problems of microbiomics technologies and methods in ecological study. Finally, this paper expounds the frontier direction of the development of microbiomics technology and methods from the technical, theoretical and application levels, and proposes the priority development areas of microbiome research in the future.

    Key words  microbiomics; high-throughput sequencing; mass spectrometry; ecological study

    Gao G F, Chu H Y (2020). Techniques and methods of microbiomics and their applications. Chinese Journal of Plant Ecology, 44, 00–00. DOI: 10.17521/cjpe.2019.0222

    微生物数量庞大、种类繁多, 是地球生物化学循环过程的驱动者, 是工农业生产、医药卫生和环境保护等关键领域的核心资源, 因此微生物组研究已成为新一轮科技革命的战略高地(朱永官等, 2017)。然而, 微生物并不是孤立存在的, 而是与其所处环境紧密联系, 其活性和生长在很大程度上受周围环境的影响, 包括生物环境和非生物环境(贺纪正等, 2014)。微生物与其所处环境共同构成了复杂的微生物组, 其在支撑生态系统过程和功能中发挥着不可替代的作用。为了充分发挥微生物组在各前沿领域的关键作用和巨大潜力, 深入理解微生物组的结构和功能至关重要。然而, 微生物组学研究的发展强烈依赖于微生物组学的技术和方法。

    在20世纪80年代以前, 微生物研究主要基于微生物的分离培养, 但绝大多数微生物无法被分离培养, 因此, 这阶段人们对于微生物的认识基本停留在形态观察、分类及生理学研究。20世纪末期, DNA指纹图谱等分子生物学技术的兴起实现了不依赖于微生物培养, 而直接在DNA水平对环境整体微生物群落进行分析, 开创了微生物分子生态学研究的新时代。然而, DNA指纹图谱只能靶标优势类群, 不能真实反映微生物的多样性及物种组成。自21世纪初以来, 高通量测序和质谱等技术的突破, 使得我们可以从DNA、RNA、蛋白质和代谢物等不同水平解析微生物组, 以获得更为全面的微生物组信息。然而, 目前各组学技术仍存在一定局限性, 比如, 现有测序技术均基于使用PCR的DNA扩增, 这将会导致有些序列可能被测了多次, 而有些量少的序列则无法被大量扩增, 同时PCR过程中可能会引入错配碱基, 从而造成信息的丢失。在宏代谢组分析中, 气相色谱-质谱联用(GC-MS)只能对其中的挥发性物质实现直接分析, 而对那些难挥发的物质分析效果不佳。在理论层面上, 现代生态学经过20世纪的发展已经累积了大量成熟的理论和模型, 而这些理论大都建立在宏观生态学的基础上, 这些理论和模型是否也适用于微生物领域, 目前还没有明确的结论, 仍需要更多的微生物组数据支撑。在技术应用上, 仅利用单一组学技术并不能完全揭示微生物组信息, 近年来多组学技术结合的研究策略更有利于全面解析微生物组(Deng et al., 2019)。因此, 如何解决各组学技术的缺陷, 充分发挥各组学技术的优势, 注重多组学技术的并行应用和多学科的交叉融合, 将是未来微生物组研究的必然趋势。不仅如此, 由于高通量测序较低的测序成本, 目前微生物组研究已积累了海量的测序数据, 微生物组研究正面临着从数量到质量、从结构到功能研究的关键转变过程。

    本文将首先介绍微生物组学的基本概念及其发展简史; 其次, 简要阐述微生物组学技术的概念和内涵, 进一步从宏基因组、宏转录组、宏蛋白质组和宏代谢组四部分分别概述微生物组学的技术和方法及其发展历程; 此外, 本文将着重阐述微生物组学相关技术和方法在生态学研究中的应用及目前存在的主要问题; 最后, 本文将从技术和理论层面简要阐述未来微生物组学技术和方法的发展方向, 强调多组学结合与多学科交叉在微生物组学研究中的重要意义, 并进一步提出未来微生物组学研究的优先发展领域, 即微生物生物地理、土壤-植物-微生物互作和微生物组功能定向调控。

    1  微生物组学的基本概念及其发展简史

    微生物与其所处环境构成了复杂的生态系统, 是地球上生物多样性的重要组成部分。微生物组(microbiome)是指一个特定环境或生态系统中全部微生物及其遗传信息的集合, 其内涵包括了微生物与其环境和宿主的相互作用(刘双江等, 2017; 吴庆龙和江和龙, 2017)。微生物组蕴藏着极为丰富的微生物资源, 是工农业生产、医药卫生和环境保护等领域的核心资源(朱永官等, 2017)。微生物组学(microbiomics)是以微生物组为研究对象, 探究其内部群体间的相互关系、结构、功能及其与环境或宿主间相互关系的学科(刘双江等, 2017)。

    微生物学研究大致可分为三个阶段。第一阶段: 在20世纪70年代以前, 主要采用传统的微生物分离培养技术获得菌株, 并进行一系列繁冗的生理生化分析, 因此人们对于微生物的认识基本停留在形态观察、描述、分类及生理学阶段。第二阶段: 从20世纪80年代开始, BIOLOG、磷脂脂肪酸法、DNA指纹图谱、基因芯片等分子生物学技术的兴起实现了不依赖于微生物培养, 而直接对环境微生物群落进行分析, 开创了微生物分子生态学研究的新时代。值得注意的是, 在DNA指纹图谱等技术的发展过程中, 还出现了第一代测序技术, 即Sanger法(Sanger et al., 1977)。1998年, 威斯康辛大学的Hand­e­lsman等(1998)首次提出宏基因组的概念, 其研究对象为特定环境中的总DNA。宏转录组则兴起于宏基因组之后, 它以特定环境中的全部RNA为研究对象, 探究全部基因组的转录水平, Leininger等(2006)首次使用454焦磷酸测序技术对复杂微生物群落进行宏转录组研究。第三阶段: 从2005年开始, 高通量测序(第二代测序技术)和质谱技术的革命性突破以及生物信息学的快速发展极大推动了微生物组研究(Falkowski et al., 2008; Herbst et al., 2013; Zhong et al., 2017; Bahram et al., 2018; Kleiner et al., 2018)。根据Web of Science核心文集的检索结果, 出现关键词“microbiome”的文章数量正以指数型增长(图1A)。微生物之间以及微生物与其所处环境间的相互作用极为复杂, 通过宏基因组学结合宏转录组学以及新一代质谱技术催生下的宏蛋白质组学和宏代谢组学, 人们可以更全面、系统地解析微生物组的结构和功能。随着微生物组研究的发展, Egert等(2006)最早提出了“microbiomics”一词, 基于微生物组学相关技术和方法(目前主要为宏基因组学和宏代谢组学, 相比之下, 宏转录组学和宏蛋白组学仍处于起步阶段), 微生物组学研究开始进入了空前的发展时期(图1B)。目前, 各个国家、地区和组织正积极推进“微生物组计划” (表1), 研究对象涵括人体、土壤、海洋、大气等, 力求为解决21世纪人类面临的农业、能源、环境、海洋和气候等重大问题提供新的思路和途径。

    2微生物组学的技术和方法及其发展

    微生物组学技术是指不依赖于微生物培养, 而利用高通量测序和质谱鉴定等技术来研究微生物组的手段, 目前已被广泛应用于环境微生物组研究, 其研究对象包括土壤、水体、大气和人体等。目前, 微生物组学技术主要包括以下4种:

    (1)微生物宏基因组学(microbial metagenomics): 通过提取环境微生物的全部DNA, 研究其群落组成、遗传信息及其与所处环境的协同进化关系(Turn­baugh & Gordon, 2008)。

    图1  历年来发表的微生物组学相关文章数量趋势图。A,包含关键词“微生物组”的文章数。B,分别包含关键词“微生物”“宏代谢组学”“宏蛋白质组学”“宏基因组学”“宏转录组学”的文章数量。数据来源于Web of Science核心文集(时间: 1900–2019年)。

    Fig. 1  Tendency of the published articles over years. A, Number of articles with the keyword “microbiome”. B, Number of articles with the keyword “(“microorganism*” or “microbe*” or “bacter*” or “archae*” or “fung*”)” and “metagenomics”, “metatranscriptomics”, “metaproteomics” and “metabolomics”, respectively. Data were collected from Web of Science Core Collection (Time: 1900–2019).

    表1  全球重大“微生物组计划”一览

    Table 1  General survey of ‘Microbiome Project’ in the world

    主导部门 Department

    启动时间

    Starting year

    计划名称 Project name

    美国国立卫生研究院 US National institutes of Health

    2007

    人体微生物组计划 The Human Microbiome Project

    美国阿贡国家实验室 Argonne National Laboratory

    2010

    地球微生物组计划 Earth Microbiome Project

    巴西国家科学技术研究院 Instituto Nacional de Pesquisas Espaciais

    2013

    巴西微生物组计划The Brazilian Microbiome Project

    美国白宫科学和技术政策办公室与联邦机构、私营基金管理机构
    Office of Science and Technology Policy, Federal Agency, Private Fund
    Management Agency

    2016

    国家微生物组计划 National Microbiome Initiative

    南非和美国国际开发署
    South Africa and United States Agency for International Development

    2016

    非洲土壤微生物组计划 African Soil Microbiology Project

    中国科学院 Chinese Academy of Sciences

    2017

    中国微生物组计划China Microbiome Initiative

    (2)微生物宏转录组学(microbial metatranscriptomics): 研究环境中全部微生物的转录组信息, 揭示相关基因在时空尺度上的表达水平, 从而对微生物群落的相关功能进行研究(Aguiar-Pulido et al., 2016)。

    (3)微生物宏蛋白质组学(microbial metaproteomics): 定性和定量地分析环境微生物在特定环境条件和特定时间下的全部蛋白质组分(Wang et al., 2016)。

    (4)微生物宏代谢组学(microbial metabolomics): 对微生物在特定生理时期内所有低分子量代谢物(包括代谢中间产物、激素、信号分子和次生代谢产物等)进行定性和定量分析, 并研究其与环境之间的相互作用(Tang, 2011)。

    微生物组学技术在微生物组研究中的广泛应用主要得益于以下几点:

    (1)测序技术的突破

    在20世纪80年代以前, 人们对于微生物的认识主要基于微生物的分离培养, 但绝大多数微生物不可被分离培养。为了克服这个技术缺陷, 研究人员开展了大量工作, 比如延长培养时间和优化培养条件等, 以提高微生物培养效率, 但效果仍不理想。

    从20世纪80年代开始, 为了克服纯培养的缺陷, 研究人员开始利用微生物细胞内的DNA来评估微生物的种类和结构多样性, 这种在遗传分子水平来研究微生物群落的方法即为现代分子生物学方法, 主要包括DNA指纹图谱、基因芯片和稳定性同位素探针等(刘国华等, 2012)。值得注意的是, 在DNA指纹图谱等技术的发展过程中, 还出现了第一代测序技术(Sanger法)。Sanger法始于1977年, 其原理是基于核酸模板在复制或转录时双脱氧碱基会终止PCR的原理, 进一步利用凝胶电泳分离长度仅差一个碱基的核酸片段。使用该技术完成的噬菌体X174全长5375个碱基的基因测序标志着微生物研究进入了基因组学时代(Sanger et al., 1977)。Sanger法测序具有读长长(1000–1500 bp)、准确度高等优点, 2001年完成的首个人类基因组图谱也是以Sanger法为基础, 目前该技术仍被用于获取高准确度的测序数据。然而, Sanger法每次只能测一条单独的序列, 导致其测序成本高, 无法大规模应用。

    二代测序的原理是边合成边测序, 通过捕捉新合成的末端的标记来确定DNA的序列, 该技术在保持测序准确度的同时, 主要解决了Sanger法测序通量低的问题, 二代测序可同时对几万到几百万条DNA序列进行测序, 因此也被称为高通量测序。现有平台主要包括Illumina Hiseq、MiSeq、NovaSeq 6000等。二代测序的进步极大推动了微生物组学的发展, 2006年, Leininger等(2006)首次使用454焦磷酸测序技术对农田土壤氨氧化微生物群落进行了研究。迄今为止, 大规模的微生物组测序项目仍主要依赖于二代测序技术, 其被广泛应用于土壤、水体和沙漠等复杂环境样品中的土壤微生物群落分析(Bailly et al., 2007; Shi et al., 2009; Damon et al., 2012; Zhang et al., 2019)。然而, 二代测序也存在不足, 其测序片段被限制在了250–300 bp, 由于存在系统偏好性且建库过程中使用了PCR扩增, 将会导致有些序列可能被测了多次, 有些量少的序列则无法被大量扩增, 同时PCR过程中可能会引入错配碱基, 从而造成信息的丢失(Shendure & Ji, 2008)。

    三代测序(单分子测序)的原理是通过现代光学、高分子和纳米技术等手段来区分碱基信号的差异, 直接读取DNA的序列信息, 从而解决了二代测序信息丢失和碱基错配等问题(Schadt et al., 2010)。该技术是一个新的里程碑, 它整合了一代和二代测序的优点, 即测序过程无需PCR扩增, 且具有高通量、长读长(10–15 kb)的特点, 但三代测序依赖于DNA聚合酶的活性, 错误率偏高(15%–40%), 幸运的是, 三代测序的错误是完全随机发生的, 因此可通过多次重复测序来纠正, 但这将增加测序成本。目前市场上以PacBio SMRT和Oxford Nanopore技术为主, 主要应用于复杂环境样品的基因组测序(Schloss et al., 2016)和单细胞基因组测序(Rice et al., 2016)。

    (2)质谱技术的发展

    微生物数量巨大、种类繁多, 尽管高通量测序技术的突破大大增加了人们对于微生物的认识, 但随着研究的深入, 人们意识到单从基因和转录水平并不能完全揭示微生物的奥秘, 并逐渐意识到蛋白质和代谢产物在微生物功能研究中的重要性。对复杂环境中的微生物群落功能研究一直是生物学研究的重点和难点, 长期以来的研究大多依赖于代谢产物或底物浓度的变化, 遗漏了绝大多数微生物, 难以真实反映微生物在复杂环境中的生理代谢信息(贺纪正等, 2014), 因此微生物多样性及其功能也常被认为是“灰箱”。

    质谱技术是宏蛋白质组学和宏代谢组学的核心技术, 通常结合色谱技术对复杂样品中的蛋白质或代谢物进行分析(White et al., 2016)。质谱分析是先将物质离子化, 然后按离子的质荷比(m/e)进行分离, 最后测量各离子谱峰的强度而实现物质定性和定量分析, 是研究、分析和鉴定生物大分子的前沿方法(王桂友等, 2009; Herbst et al., 2013; Zhong et al., 2017; Kleiner et al., 2018)。传统的蛋白分析方法有凝集素亲和层析和Western蛋白印迹分析, 但一次实验仅能分析一到几个蛋白, 无法满足大规模分析的需求。20世纪70年代, 双向电泳的出现, 使得细胞系或细胞器的大量蛋白质能展示在双向凝胶上, 形成了狭义上的蛋白质组学概念, 该技术能对复杂蛋白质混合样品进行定性和定量分析, 但该技术对部分低丰度蛋白、极端等电点的蛋白以及一些疏水性蛋白分离效果不佳。近年来, 随着多重色谱分离与质谱联用技术的发展, 分离法在蛋白质组学分析中的应用日益广泛, 与传统双向凝胶电泳相比, 其分离效果要更优, 可以得到更为精确的蛋白质信息(White et al., 2016)。在过去十年间, 宏蛋白质组学由传统的双向凝胶电泳、蛋白质从头测序等发展为“鸟枪法”, 可同时进行蛋白质分离、鉴定和定量。与双向凝胶法相比, “鸟枪法”大大增加了蛋白质的覆盖率, 允许短时间内对上千个蛋白质进行高通量鉴定, 还可鉴定不溶性膜蛋白。

    应用代谢组学对大量代谢物进行全面分析严重依赖于分离技术的发展。代谢组学常用的分析方法有气相色谱-质谱联用(GC-MS)、液相色谱-质谱联用(LC-MS)、核磁共振(NMR)和傅里叶转换红外光谱(FTIR)。其中, GC-MS、LC-MS和NMR是最常用的手段, 能在一次运行中检测多种代谢物。GC-MS是一种高分辨率的色谱分离方法, 广泛用于挥发性和半挥发性有机物的分析, 适用于检测初级代谢产物脂肪酸、碳水化合物等, 大多数基于质谱的宏代谢组学研究均使用GC-MS进行, 但GC-MS对那些难挥发的物质分析效果不佳。LC-MS则是检测非挥发性化合物最常用的方法, 样品无需衍生化, 可直接检测代谢物, 比如黄酮类化合物、生物碱等次级代谢物, 以及氨基酸、碳水化合物等初级代谢物, 是分离分析复杂有机混合物的有效手段。除了质谱技术, NMR无需大量的样品制备和分馏工作, 可迅速检测样品中最丰富的代谢物, 也可以检测出质谱难以电离的化合物, 但与质谱技术相比, 其灵敏性较差、覆盖率低(王琳和田璐, 2019)。迄今为止, 仍没有一种单一的分析方法能够全面覆盖样品的代谢组分, 每种方法各有优劣, 因此可结合使用, 相互补充。

    近年来, 从单细胞水平上分析微生物的生理代谢的单细胞技术迅速发展, 其中单细胞成像技术可将检测结果可视化, 能较好反映环境微生物类群、丰度及其功能活性(Musat et al., 2012)。将超高分辨率显微成像技术和同位素示踪技术相结合的纳米二次离子质谱(Nano-SIMS)在微生物生态学研究领域中显现出了巨大潜力, 该技术具有较高的灵敏度和准确度, 使得研究者不仅能够检测环境中低丰度但发挥重要作用的微生物类群, 还能从单细胞水平上提供微生物的生理生态特征, 这对于认识复杂环境中微生物介导的功能至关重要。目前, Nano-SIMS技术在环境微生物研究中主要应用于碳氮硫元素生物地球化学循环的微生物驱动机制研究(Tourna et al., 2011; Huang et al., 2019)和土壤、微生物和植物互作关系研究(Gorka et al., 2019)。

    (3)生物信息学的发展

    生物信息学是伴随着人类基因组计划发展而来的学科, 包含了生物信息的获取、加工、存储、分配、分析、解释等在内的所有方面, 它综合运用数学、计算机科学和生物学的各种工具来阐明和理解大量数据所包含的生物学意义(赵屹等, 2012)。微生物组学研究依赖于生物信息学的发展, 使得后者成为微生物组学技术应用的一个主要的技术瓶颈, 可以说, 面对海量的数据, 没有生物信息学的参与, 研究工作将寸步难行(杨云锋, 2013)。而伴随着大规模测序的发展及数据积累程度的增加, 其重要性和难度也将随之增大(贺纪正等, 2014)。

    在发展过程中, 各微生物组学技术都已初步建立了各自的数据库、算法和软件(Breitwieser et al., 2019)。以扩增子测序为例, QIIME、Mothur和QIIME2是最常用的分析平台。2009年, 美国密歇根大学的Patrick D. Schloss教授团队发布了首个扩增子分析流程Mothur, 它整合了之前发表的操作分类单元(operational taxonomic units, OTU)定义软件DOTUR、OTU差异比较工具SONS等, 从而实现了第一套较完整的分析流程(刘永鑫等, 2019)。2010年, 现美国加州大学圣地亚哥分校的Rob Knight团队发布了QIIME分析流程。QIIME的优势主要在于它整合了200多款相关软件和包, 使用者可以有更多软件和方法选择, 提供了150多个脚本, 可实现多种个性化分析, 增强统计和可视化, 实现多样性、物种组成、差异比较和网络等方法和出版级图表绘制, 因此QIIME大受研究者的青睐(刘永鑫等, 2019)。为了满足日益增长的测序数据和可重复分析的要求, Gregory J. Caporaso教授于2016年发起了基于Python 3从头编写的QIIME2, 该平台实现了分析流程的可追溯, 同时整合了一系列新算法, 如物种分类新方法2-feature-classifier和序列质量控制DADA2等, 极大提高了分析流程的适用范围和易用性。近年来, 也不断涌现出一些在线的数据分析平台, 如SILVAngs、MicrobiomeAnalyst、Qiita、MetaPhlAn2和gcMeta等。不仅如此, 相比扩增子测序, 宏基因组测序成本相对较高, 为此, 研究人员开发了一些可基于扩增子序列进行微生物组功能和表型预测软件, 如PICRUSt、FAPROTAX和BugBase等。可以说, 高通量测序的进步推动了生物信息学的发展, 反之, 生物信息学的发展使得海量测序数据的序列比对、分析、拼接、功能注释、统计学检验和可视化等各种分析成为可能。

    3 微生物组学技术在生态学研究中的应用及存在问题

    3.1 微生物组学技术在生态学研究中的应用

    3.1.1微生物组学技术在微生物群落研究中的应用

    微生物组学技术被广泛应用于揭示复杂环境中的微生物群落(包括多样性和群落组成)及其与周围环境或宿主之间的关系, 其研究对象涵盖土壤(Te­der­soo et al., 2014; Thompson et al., 2017)、海洋(Sogin et al., 2006; Moran, 2015)和冰川(Rime et al., 2015; Anesio et al., 2017)等, 主要包括以下内容:

    (1)微生物生物地理。生物地理学是研究生物多样性时空分布的科学, 长期以来, 对生物地理分布特征的研究一直是生态学研究的重点, 包括多样性产生和维持机制(Martiny et al., 2006)。之前普遍认为微生物的分布不同于动植物, 不具有明显的地带性和区域分布特征, 而是呈全球性随机分布(O’ Malley, 2007)。事实上, 通过构建距离-衰减关系和物种面积曲线, 发现微生物物种并非随机分布(Horner- Devine et al., 2004b), 不同生境类型的微生物群落存在显著差异。因此, 明确微生物的分布规律, 对生态学和生物地理学的发展以及微生物资源的充分保护和利用具有重要意义。目前, 生物地理学家和生态学家将影响微生物物种丰富度格局的因素定义为两大类(即历史因素和当代环境因子), 通常这两类因子之间是相互影响的, 并与时间和空间尺度密切相关。以土壤为例, 通过整合全球189个样地的土壤宏基因组数据, Bahram等(2018)发现, 土壤细菌的物种和功能多样性在温带地区最高, 环境因子对微生物基因组成的影响大于地理距离。研究表明, 影响土壤微生物群落的环境因子主要包括土壤理化性质(Tripathi et al., 2018; Lupatini et al., 2019; Zhang et al., 2019)、植物生产力和系统发育(Yang et al., 2017, 2019)及气候条件(Zhang et al., 2016; Guo et al., 2018)等。

    (2)微生物对全球变化的响应。微生物对环境变化的响应较为敏感, 是全球气候变化的调节器, 因此, 研究微生物组对于环境变化的响应及反馈具有重要意义, 其结果可为预测全球变化背景下生态系统结构和功能的演变提供理论依据。利用微生物组学技术, 可探究土壤微生物群落对全球气候变化(Guo et al., 2018; Raut et al., 2018),土地利用方式改变(Li et al., 2019; Moreno et al., 2019)和农业管理措施转变(Xiang et al., 2017; Feng et al., 2018)等的响应。例如, 研究发现从亚马孙雨林到牛牧场的土地利用方式的转变对微生物多样性具有显著影响, 土壤细菌的局部分类和系统发育多样性在转化后增加, 但群落在空间上变得更加相似, 这种均质化是由有限范围的森林土壤细菌的丧失引起的, 并导致了多样性的净丧失(Rodrigues et al., 2013)。其次, 通过分析当前细菌分布与历史气候之间的联系, Ladau等(2018)的研究预测了未来在区域和大陆尺度上土壤微生物的分布, 如果细菌群落与现有气候条件相平衡, 则青藏高原和北美大部分地区(约75%)土壤中的细菌多样性将增加。

    3.1.2微生物组学技术在微生物功能研究中的应用

    微生物参与了所有已知的生物地球化学循环过程, 其与植物生长、污染物降解和其他生态系统功能密切相关(Falkowski et al., 2008), 利用微生物组学技术, 已开展了以下研究:

    (1)微生物生物地球化学循环。采用微生物宏转录组学可以探究微生物的相关功能, 发现大量的微生物资源及新的基因, 为探索微生物群落的生态功能奠定基础, 有助于生态系统功能和服务的调控(Gilbert et al., 2009)。例如, Poretsky等(2009)利用宏转录组学分析成功地从淡水和海洋浮游细菌中获得编码碳氮循环中重要功能蛋白的信使RNA。此外, Damon等(2012)通过对欧洲山毛榉(Fagus sylvatica)和挪威云杉(Picea abies L.)林下的土壤进行宏转录组学分析, 发现了129条代谢通路, 包括氮循环、糖代谢、磷酸盐代谢和有机质降解等。不仅如此, 宏蛋白质组学也被用于测定微生物群落的碳源及同化途径(Kleiner et al., 2018)以及鉴定环境中参与元素生物地球化学循环及有机物氧化的潜力蛋白质(Bastida et al., 2014)。

    (2)微生物与植物生长和健康。宏基因组学和宏代谢组学也被广泛用于探究微生物与宿主、环境之间的相互关系, 进而了解生物间相互作用的机制(Han et al., 2010; Wagner et al., 2016; Yang et al., 2017; Čapek et al., 2018)。例如, Shi等(2019a)通过扩增子高通量测序, 研究发现发病轻的薯表土病原菌和细菌丰度较低、细菌多样性较高, 且菌群共存网络较复杂, 为进一步解析微生物群落功能与疮痂病发生的联系, 研究人员进一步对薯表土进行了宏基因组测序, 结果表明参与ABC transporters、bacterial secretion system、quorum sensing、nitrogen metabolism和一些cytochrome P450相关代谢途径的基因显著富集在发病重薯表土中, 而一些抗生素合成相关代谢途径显著富集在发病轻薯表土中, 该研究首次系统研究了土壤微生物组成和功能与疮痂病的关系, 对揭示疮痂病的发生机制和防治疮痂病具有重要意义。此外, 也有研究通过宏代谢组学分析, 发现丛枝菌根真菌的定殖改变了泽菊的多种根际化合物组分(如吡咯啶生物碱), 从而起到关键的生物防御作用(Hill et al., 2018)。

    (3)环境污染微生物修复。微生物组学技术在环境污染治理方面也表现出了巨大潜力, 包括有机污染物降解、重金属转化和生物污染等领域。例如, 微生物组学技术可用于研究环境中多环芳烃(PAHs)的微生物降解机制。首先, 可以先通过对受到PAHs污染的土壤进行宏基因组学研究, 鉴定能降解PAHs的微生物及其关键基因(Gutierrez et al., 2015)。其次, 通过比较宏蛋白质组学和宏代谢组学来挖掘相关蛋白和代谢物, 并对其进行鉴定和功能分析, 从而解析微生物降解PAHs的代谢通路和内在机理(Herbst et al., 2013; Zhong et al., 2017)。

    3.2 微生物组学技术在生态学研究中存在的主要问题

    3.2.1 样本制备

    从复杂环境中获得高保真性和高质量的样本是开展微生物组学研究的第一步。然而, 样品获取方法上的偏差仍是阻碍微生物组学研究的巨大挑战(Nesme et al., 2016)。环境微生物组学研究最常见的样本类型就是土壤, 其种类繁多、组分复杂、存在大量的抑制剂, 此时就需要根据不同样品的来源及特征采取不同的提取方法, 以获得高多样性和高质量的环境基因组(Jones et al., 2015; Poussin et al., 2018)。例如, 对于腐殖酸含量特别高的样品, 可以在DNA提取过程中增加使用异硫氰酸胍(Guanidine thiocyanate)洗涤硅珠的步骤(Antony-Babu et al., 2013)。针对低丰度的微生物、蛋白或代谢物等, 目前仍缺乏有效的富集和纯化技术, 这也是微生物组学研究面临的又一重大挑战。在蛋白质提取过程中, 直接对样品进行原位裂解可以获得较为完整的蛋白, 包括细胞蛋白和胞外蛋白, 但该方法会造成分类学上的困难, 同时由于土壤干扰物的存在, 该方法用于提取土壤蛋白还有较大技术难度(于仁涛等, 2009)。2007年, 研究人员报道了一种从土壤中进行蛋白分离的方法, 先使用0.1 mol·L–1 NaOH溶液从土壤中提取蛋白质、微生物和腐殖酸等, 然后进一步经过酚提取, 将蛋白质分离(Benndorf et al., 2007)。此外, 在样本分析前, 对获得的样本进行质量评估以确保达到分析要求尤为重要, 然而, 目前还没有统一的样本评估标准。

    3.2.2样本检测

    基于标记基因的扩增子是大部分微生物组研究的基础, 但其样本检测步骤较多, 高通量测序读长较短、存在系统偏好性等问题, 且建库过程中使用了PCR扩增, 会导致某些序列可能被测了多次, 而有些量少的序列则无法被大量扩增, 不仅如此, PCR过程中可能会引入错配碱基, 从而造成信息的丢失。针对这些不足, 研究人员比较了不同文库制备方法, 利用标准样品详细分析扩增过程, 揭示了PCR扩增中造成错误和偏差的来源, 并提出了条件优化后的基于两步法的PCR扩增, 改进后的新方法能检测到更多现有方法中经常无法检测的类群, 同时提高微生物组研究的准确性(Gohl et al., 2016)。近年来, 三代测序(单分子测序)整合了一代和二代测序的优点, 测序过程无需进行PCR扩增, 从而解决了二代测序信息丢失和碱基错配等问题(Schadt et al., 2010), 在微生物组研究中显现出了巨大潜力, 但其错误率较高。尽管高通量测序在鉴定物种及丰度上很有用, 但它并不适合于准确地确定群落中物种的绝对丰度。近年来, 通过向样品中加入合成的嵌合体DNA作为内参, 可定量计算环境样品中微生物的绝对丰度。但利用该方法, 研究人员发现18S和ITS扩增子可能分别高估和低估了土壤中的霉菌数量(Tkacz et al., 2018)。因此, 实验前最好通过预实验来选择内参的加入量。

    3.2.3 数据分析

    参考数据库的发展是限制微生物组数据分析的重要因素。据估计, 因缺乏参考基因组数据, 测序所得的宏基因组序列, 有7%–60%无法被准确分类(Vilanova & Porcar, 2016; Thompson et al., 2017)。同样, 蛋白质的鉴定在很大程度上也取决于数据库, 其可信度受到数据库中存在的物种的限制(Wang et al., 2016)。目前各数据库管理标准不统一, 仍缺乏跨领域的数据整合(马俊才等, 2017)。

    在数据处理上, 高通量测序数据的质量控制不是单一指标或操作即可完成的, 但目前还未建立统一、规范化的数据质量控制标准。目前比较成熟的序列拼接均基于一个或少数几个基因组为前提, 在面对海量数据和复杂的基因组时, 现有算法基本都无法满足需求。在微生物组学研究中, 大部分扩增子研究主要利用UCLUST或UPARSE等算法对97%相似性的序列进行OTU聚类, 然而不同的OTU聚类方法将对微生物组数据产生较大影响(Horner- Devine et al., 2004a)。近年来, 也出现了一些新的算法, 如DADA2和unoise3, 相当于基于100%的序列相似度进行聚类, 该方法大大提高了准确度和物种多样性。此外, 被广泛应用的OTU分类只能注释到属水平, 极少能鉴定到种水平, 这使得在某些特定微生物的功能研究上略显乏力, 因为较粗略的物种划分标准会导致可观测到的微生物空间分布格局减弱甚至消失(Horner-Devine et al., 2004a)。对于宏代谢组学来说, 其数据具有高维、小样本、高噪声、相互作用关系复杂和冗余性等特征, 如何从复杂的宏代谢组学数据中提取出有价值的信息, 筛选出潜在的生物标志物成为近年来研究的热点和难点。

    4 研究展望

    4.1 开发、整合新技术新方法, 建设微生物组学大数据平台

    微生物组学研究在很大程度上取决于微生物组学的技术和方法水平的高低, 随着微生物组学的发展, 新算法和计算平台层出不穷。然而, 不同组学技术各有优劣, 因此, 除了要发展新技术和新方法以应对不断产生的微生物数据, 更要注重各方法间的整合和互补, 在技术和方法的选择上应结合研究目的, 在条件允许的情况下, 对不同方法进行比较, 提高准确度和互补性。例如, 单细胞技术是21世纪最重要的新技术之一, 土壤中有90%以上的微生物功能尚未可知, 单细胞技术将能有效突破这一瓶颈, 为系统评价土壤微生物资源和定向挖掘微生物功能提供关键技术支撑。在数据分析方面, 微生物组学研究涉及海量数据的获取、统计分析和建模等, 因此, 生物信息学的发展显得尤为重要。只有进一步提升分析技术, 开发相适应的算法和软件, 将分析技术、数据处理、多元统计分析及可视化有机结合起来, 才能更好地推动微生物组学研究。

    Xu等(2017)指出, 在未来十年, 微生物组学数据分析将转变为微生物组数据科学。微生物组学大数据的收集、存储、功能挖掘和开发利用是制约微生物组学发展的核心问题(马俊才等, 2017)。在数据收集上, 应制定并执行标准化分析流程, 确保数据具有再现性、稳健性、可复制性和普遍性(Poussin et al., 2018; Schloss, 2018)。在数据分析过程中, 要进一步丰富相关参考数据库, 目前, 地球微生物组计划已经呼吁并鼓励世界各地的科学家按照协议共享数据(Gilbert et al., 2018; Langille et al., 2018)。近年来, 随着测序成本的降低, 微生物组学数据急剧增加, 但绝大多数数据都是一次性利用, 因此, 如何充分挖掘、利用现有的海量测序数据是微生物组学研究面临的另一个重要挑战。在微生物组学研究发展过程中, 应大力支持微生物组数据科学的发展, 进行有效的经费支持、制定有效的数据标准和实现互通, 建立对数据进行比较分析、整合并实现数据标准化的微生物组数据中心(Becher et al., 2013; Kyrpides et al., 2016)。目前, 我国也开发了部分微生物组学大数据平台, 如gcMeta, 其建立了一个微生物宏基因组和宏转录组的管理、在线分析、可视化及数据发布的一站式系统, 目前已整合了来自国际相关平台(NCBI、EBI等)重要项目(HMP、Tara等)超过12万个样本数据(Shi et al., 2019b)。未来还可进一步整合其他组学数据, 包括宏蛋白组学、宏代谢组学和单细胞测序等数据, 从而能更全面、系统地解析微生物组, 为我国微生物组学研究发展奠定坚实的基础。

    4.2 多学科交叉与多组学结合

    微生物组学的发展需要多学科交叉, 这种交叉是新技术、新方法的活水之源。微生物组学的信息分析最终目标是要阐明微生物群落组成、功能、结构,以及群落与环境的相互作用, 所以如何有效地利用和挖掘微生物组学数据来建立分子生态的理论, 是微生物组信息分析过程中的重中之重。在这点上, 微生物组学研究需要与生态学相结合, 可以先借鉴宏观生态学已经建立起来的生态理论和模型, 运用于微观的微生物群落上, 然后通过改进这些理论和模型来理解和改造微生物群落, 从而为环境变化的预测提供依据。此外, 微生物不能独立于周围环境而存在, 因此, 微生物学和土壤物理、土壤化学等学科的交叉, 将更有利于系统解析微生物组结构、功能及其环境影响机制, 其所呈现出的系统生物学研究模式, 将有望成为未来生命科学领域令人激动的新前沿。

    微生物组学的发展也离不开多组学结合的研究策略, 包括微生物分离培养、生态学鉴定和代谢产物分析等。尽管每种组学方法都对微生物组学研究提供了有价值的信息, 但仅仅基于DNA测序的方法分析微生物群落的多样性和群落组成, 并不能很好地研究微生物组的功能特征(Emerson et al., 2017)。倘若将多组学结合起来, 一方面可描绘出更为全面的微生物组信息(Aguiar-Pulido et al., 2016; Jansson & Baker, 2016), 另一方面也能丰富现有数据库(Wang et al., 2016)。因此, 多组学结合是未来微生物组学研究发展的必然趋势, 现阶段的研究除了要简化复杂的多组学数据, 还应注重微生物培养组学的发展和应用, 以便更好地解析微生物群落结构及其功能(Bashiardes et al., 2016; Vilanova & Porcar, 2016)。

    4.3 建议优先研究领域

    4.3.1 微生物生物地理

    我国幅员辽阔, 生境复杂多样, 不同地区气候、植被和土壤类型差异较大, 且受人类活动干扰程度不同, 借助微生物组学技术研究微生物的时空分布有助于深入挖掘土壤中的未知生物资源(包括细菌、古菌、真核生物和病毒等)和微生物组的代谢产物(如氨基酸、抗生素和激素等), 深刻理解土壤中微生物多样性的产生和维持机制, 阐明影响微生物群落的主要环境因子。目前, 大多数微生物生物地理学研究在不同空间尺度上进行, 但在较大时间尺度上的研究仍较少, 已有研究表明微生物和动植物一样, 都具有昼夜节律和季节变化规律, 因此, 未来微生物组在较大时空尺度下的动态变化值得关注, 特别是在一些特殊生境, 如气候变化敏感区、干旱半干旱区和海陆交错带等。此外, 不局限于单个营养级, 也可从食物网角度, 解析微生物地理分布格局及其与驱动因子、植物区系等直接的关系。在此基础上, 研究环境微生物组对全球变化的响应, 包括全球气候变化、农业管理措施和土地利用方式改变等, 并可进一步预测全球变化背景下微生物群落及其功能的演变方向。以往研究大多仅关注某一个全球变化驱动因子, 缺乏微生物组对多个环境因子综合作用的响应研究, 未来这方面的工作将对评估全球变化背景下微生物组的演变提供重要依据。

    4.3.2 土壤-植物-微生物互作

    在自然界中, 正常生长的植物(包括地上和地下部分)表面和内部都富集了数量庞大且种类繁多的微生物, 这些微生物为植物微生物组(Müller et al., 2016)。这些微生物编码了比宿主植物更多的基因, 通过协作和竞争形成稳定的群落结构, 对植物生长发育、抗病、抗逆等至关重要。然而, 目前对这些微生物的认识还比较片面, 大多数研究主要集中在豆科植物-根瘤菌、共生菌根真菌、某些病原菌和非共生植物根际促生菌上, 这些微生物仅是植物微生物组中比例很小的一部分。人们对于绝大部分植物微生物组还并不了解, 因此未来在继续开展这方面功能微生物组研究的基础上, 还应扩展到植物整体微生物组, 以更全面系统解析地植物微生物组的结构和功能。此外, 由于技术的限制, 传统的研究主要依赖于在实验室条件下开展植物与单一微生物的互作关系研究, 很少在自然状态下研究微生物组与宿主植物共存的机制, 因此, 未来应注重从植物整体微生物组层面上, 对土壤-植物-微生物系统的营养物质,生长调节化合物,信号分子(酚类化合物、黄酮类化合物、独脚金内酯等)的生物合成、生物活性及调控机制等物质流和信息流进行深入分析, 深刻理解生物互作过程中的分子生物学和生物化学基础, 从而为微生物合成生物学的进一步开展提供重要的科学依据。

    4.3.3 微生物组功能调控

    微生物作为地球上生命的先驱, 与人类生产、生活和生存息息相关。目前, 人类正面临着粮食安全、环境污染、全球气候变化和能源等多方面威胁, 基于微生物组结构和功能对生物圈的广泛影响, 深入理解、发掘并利用微生物组资源, 定向调控微生物组的生态调控作用和功能, 将为解决以上问题提供革命性的新思路和新方法。基于微生物组工程的常规原则和最佳方法, 研究人员提出了一种重复的设计-构建-检测-学习(DBTL)循环, 以推进微生物组工程研究和技术发展(Lawson et al., 2019)。在农业生产上, 结合作物根际微生物组和叶片微生物组等, 研究微生物组对作物抗病、抗逆、产量、品质等的调控机制, 研究微生物组对作物连作障碍的影响和克服手段。在此基础上, 广泛筛选促进农作物生长的微生物, 开发微生物肥料和菌剂, 了解其作用机理, 研究其对土壤肥力保持、植物抗病、克服连作障碍和提高作物品质等方面的作用。此外, 进一步构建作物的简易微生物组, 以增强抗逆、增加固氮, 减轻现代农业对化肥、农药和除草剂等的严重依赖, 同时大幅度提高作物的产量和品质, 促进农业可持续发展。在污染治理上, 随着现代工农业的飞速发展, 一些难降解的新兴污染物不断出现, 如抗生素、内分泌干扰物和阻燃剂等。尽管微生物具有强大的环境修复能力, 但其进化速度远不及新兴污染物出现的速度, 因此亟需应用合成生物学来解决这一难题。通过研究微生物的代谢通路, 不断挖掘微生物代谢通路中与代谢产物相关的重要元件, 包括降解元件、转运元件、趋化元件和抗逆元件等。在此基础上, 运用合成生物学手段, 定向设计和改造现有降解菌株, 一方面有选择性地开发和利用这些生物元件, 构建具备全新代谢网络的工程菌, 使其能够降解一种或多种污染物; 另一方面提高现有降解菌株的降解效率, 增强菌株的环境适应性, 使其能够在高盐、酸碱和高渗透压等极端条件下保持降解活性, 为环境污染的微生物修复提供技术支持。展望未来, 微生物组学技术将继续在环境生态领域发挥巨大作用, 相关研究成果将为解决农业可持续发展、环境污染修复、应对气候变化等关键问题提供崭新思路。

    参考文献

    Aguiar-Pulido V, Huang WR, Suarez-Ulloa V, Cickovski T, Mathee K, Narasimhan G (2016). Metagenomics, metatranscriptomics, and metabolomics approaches for microbiome analysis. Evolutionary Bioinformatics, 12(S1), 5–16.

    Anesio AM, Lutz S, Chrismas NAM, Benning LG (2017). The microbiome of glaciers and ice sheets. NPJ Biofilms and Microbiomes, 3, 10. DOI: 10.1038/s41522-017-0019-0.

    Antony-Babu S, Murat C, Deveau A, Le Tacon F, Frey-Klett P, Uroz S (2013). An improved method compatible with metagenomic analyses to extract genomic DNA from soils in Tuber melanosporum orchards. Journal of Applied Microbiology, 115, 163–170.

    Bahram M, Hildebrand F, Forslund SK, Anderson JL, Soudzilovskaia NA, Bodegom PM, Bengtsson-Palme J, Anslan S, Coelho LP, Harend H, Huerta-Cepas J, Medema MH, Maltz MR, Mundra S, Olsson PA, Pent M, Põlme S, Sunagawa S, Ryberg M, Tedersoo L, Bork P (2018). Structure and function of the global topsoil microbiome. Nature, 560, 233–237.

    Bailly J, Fraissinet-Tachet L, Verner MC, Debaud JC, Lemaire M, Wésolowski-Louvel M, Marmeisse R (2007). Soil eukaryotic functional diversity, a metatranscriptomic approach. The ISME Journal, 1, 632–642.

    Bashiardes S, Zilberman-Schapira G, Elinav E (2016). Use of metatranscriptomics in microbiome research. Bioinformatics and Biology Insights, 10, 19–25.

    Bastida F, Hernández T, García C (2014). Metaproteomics of soils from semiarid environment: functional and phylogenetic information obtained with different protein extraction methods. Journal of Proteomics, 101, 31–42.

    Becher D, Bernhardt J, Fuchs S, Riedel K (2013). Metaproteomics to unravel major microbial players in leaf litter and soil environments: challenges and perspectives. Proteomics, 13, 2895–2909.

    Benndorf D, Balcke GU, Harms H, von Bergen M (2007). Functional metaproteome analysis of protein extracts from contaminated soil and groundwater. The ISME Journal, 1, 224–234.

    Breitwieser FP, Lu J, Salzberg SL (2019). A review of methods and databases for metagenomic classification and assembly. Briefings in Bioinformatics, 20, 1125–1136.

    Čapek P, Manzoni S, Kaštovská E, Wild B, Diáková K, Bárta J, Schnecker J, Biasi C, Martikainen PJ, Alves RJE, Guggenberger G, Gentsch N, Hugelius G, Palmtag J, Mikutta R, Shibistova O, Urich T, Schleper C, Richter A, Šantrůčková H (2018). A plant-microbe interaction framework explaining nutrient effects on primary production. Nature Ecology & Evolution, 2, 1588–1596.

    Damon C, Lehembre F, Oger-Desfeux C, Luis P, Ranger J, Fraissinet-Tachet L, Marmeisse R (2012). Metatranscriptomics reveals the diversity of genes expressed by eukaryotes in forest soils. PLOS ONE, 7, e28967. DOI: 10.1371/journal.pone.0028967.

    Deng YL, Ruan YJ, Ma B, Timmons MB, Lu HF, Xu XY, Zhao HP, Yin XW (2019). Multi-omics analysis reveals niche and fitness differences in typical denitrification microbial aggregations. Environment International, 132, 105085. DOI: 10.1016/j.envint.2019.105085.

    Egert M, de Graaf AA, Smidt H, de Vos WM, Venema K (2006). Beyond diversity: functional microbiomics of the human colon. Trends in Microbiology, 14, 86–91.

    Emerson JB, Adams RI, Román CMB, Brooks B, Coil DA, Dahlhausen K, Ganz HH, Hartmann EM, Hsu T, Justice NB, Paulino-Lima IG, Luongo JC, Lymperopoulou DS, Gomez-Silvan C, Rothschild-Mancinelli B, Balk M, Huttenhower C, Nocker A, Vaishampayan P, Rothschild LJ (2017). Schrödinger’s microbes: tools for distinguishing the living from the dead in microbial ecosystems. Microbiome, 5, 86. DOI: 10.1186/s40168-017-0285-3.

    Falkowski PG, Fenchel T, Delong EF (2008). The microbial engines that drive Earth’s biogeochemical cycles. Science, 320, 1034–1039.

    Feng MM, Adams JM, Fan KK, Shi Y, Sun RB, Wang DZ, Guo XS, Chu HY (2018). Long-term fertilization influences community assembly processes of soil diazotrophs. Soil Biology & Biochemistry, 126, 151–158.

    Gilbert JA, Jansson JK, Knight R (2018). Earth microbiome project and global systems biology. mSystems, 3, e00217-17. DOI: 10.1128/mSystems.00217-17.

    Gilbert JA, Thomas S, Cooley NA, Kulakova A, Field D, Booth T, McGrath JW, Quinn JP, Joint I (2009). Potential for phosphonoacetate utilization by marine bacteria in temperate coastal waters. Environmental Microbiology, 11, 111–125.

    Gohl DM, Vangay P, Garbe J, MacLean A, Hauge A, Becker A, Gould TJ, Clayton JB, Johnson TJ, Hunter R, Knights D, Beckman KB (2016). Systematic improvement of amplicon marker gene methods for increased accuracy in microbiome studies. Nature Biotechnology, 34, 942–949.

    Gorka S, Dietrich M, Mayerhofer W, Gabriel R, Wiesenbauer J, Martin V, Zheng Q, Imai B, Prommer J, Weidinger M, Schweiger P, Eichorst SA, Wagner M, Richter A, Schintlmeister A, Woebken D, Kaiser C (2019). Rapid transfer of plant photosynthates to soil bacteria via ectomycorrhizal hyphae and its interaction with nitrogen availability. Frontiers in Microbiology, 10, 168. DOI: 10.3389/fmicb.2019.00168.

    Guo X, Feng JJ, Shi Z, Zhou XS, Yuan MT, Tao XY, Hale L, Yuan T, Wang JJ, Qin YJ, Zhou AF, Fu Y, Wu LY, He ZL, van Nostrand JD, Ning DL, Liu XD, Luo YQ, Tiedje JM, Yang YF, Zhou JZ (2018). Climate warming leads to divergent succession of grassland microbial communities. Nature Climate Change, 8, 813–818.

    Gutierrez T, Biddle JF, Teske A, Aitken MD (2015). Cultivation-dependent and cultivation-independent characterization of hydrocarbon-degrading bacteria in Guaymas Basin sediments. Frontiers in Microbiology, 6, 695. DOI: 10.3389/fmicb.2015.00695.

    Han J, Antunes LCM, Finlay BB, Borchers CH (2010). Metabolomics: towards understanding host-microbe interactions. Future Microbiology, 5, 153–161.

    Handelsman J, Rondon MR, Brady SF, Clardy J, Goodman RM (1998). Molecular biological access to the chemistry of unknown soil microbes: a new frontier for natural products. Chemistry & Biology, 5, R245–R249.

    He JZ, Lu YH, Fu BJ (2014). Frontiers in Soil Biology. Science Press, Beijing. [贺纪正, 陆雅海, 傅伯杰 (2014). 土壤生物学前沿. 科学出版社, 北京.]

    Herbst FA, Taubert M, Jehmlich N, Behr T, Schmidt F, von Bergen M, Seifert J (2013). Sulfur-34S stable isotope labeling of amino acids for quantification (SULAQ34) of proteomic changes in Pseudomonas fluorescens during naphthalene degradation. Molecular & Cellular Proteomics, 12, 2060–2069.

    Hill EM, Robinson LA, Abdul-Sada A, Vanbergen AJ, Hodge A, Hartley SE (2018). Arbuscular mycorrhizal fungi and plant chemical defence: effects of colonisation on aboveground and belowground metabolomes. Journal of Chemical Ecology, 44, 198–208.

    Horner-Devine MC, Carney KM, Bohannan BJM (2004a). An ecological perspective on bacterial biodiversity. Proceedings of the Royal Society B: Biological Sciences, 271, 113–122.

    Horner-Devine MC, Lage M, Hughes JB, Bohannan BJM (2004b). A taxa-area relationship for bacteria. Nature, 432, 750–753.

    Huang WJ, Hammel KE, Hao JL, Thompson A, Timokhin VI, Hall SJ (2019). Enrichment of lignin-derived carbon in mineral-associated soil organic matter. Environmental Science & Technology, 53, 7522–7531.

    Jansson JK, Baker ES (2016). A multi-omic future for microbiome studies. Nature Microbiology, 1, 16049. DOI: 10.1038/nmicrobiol.2016.49.

    Jones MB, Highlander SK, Anderson EL, Li WZ, Dayrit M, Klitgord N, Fabani MM, Seguritan V, Green J, Pride DT, Yooseph S, Biggs W, Nelson KE, Venter JC (2015). Library preparation methodology can influence genomic and functional predictions in human microbiome research. Proceedings of the National Academy of Sciences of the United States of America, 112, 14024–14029.

    Kleiner M, Dong XL, Hinzke T, Wippler J, Thorson E, Mayer B, Strous M (2018). Metaproteomics method to determine carbon sources and assimilation pathways of species in microbial communities. Proceedings of the National Academy of Sciences of the United States of America, 115, E5576–E5584.

    Kyrpides NC, Eloe-Fadrosh EA, Ivanova NN (2016). Microbiome data science: understanding our microbial planet. Trends in Microbiology, 24, 425–427.

    Ladau J, Shi Y, Jing X, He JS, Chen LT, Lin XG, Fierer N, Gilbert JA, Pollard KS, Chu HY (2018). Existing climate change will lead to pronounced shifts in the diversity of soil prokaryotes. mSystems, 3, e00167-18. DOI: 10.1128/mSystems.00167-18.

    Langille MGI, Ravel J, Fricke WF (2018). “Available upon request”: not good enough for microbiome data! Microbiome, 6, 8. DOI: 10.1186/s40168-017-0394-z.

    Lawson CE, Harcombe WR, Hatzenpichler R, Lindemann SR, Löffler FE, O’Malley MA, García Martín H, Pfleger BF, Raskin L, Venturelli OS, Weissbrodt DG, Noguera DR, McMahon KD (2019). Common principles and best practices for engineering microbiomes. Nature Reviews Microbiology, 17, 725–741.

    Leininger S, Urich T, Schloter M, Schwark L, Qi J, Nicol GW, Prosser JI, Schuster SC, Schleper C (2006). Archaea predominate among ammonia-oxidizing prokaryotes in soils. Nature, 442, 806–809.

    Li XG, Jousset A, de Boer W, Carrión VJ, Zhang TL, Wang XX, Kuramae EE (2019). Legacy of land use history determines reprogramming of plant physiology by soil microbiome. The ISME Journal, 13, 738–751.

    Liu GH, Ye ZF, Wu WZ (2012). Culture-dependent and culture-independent approaches to studying soil microbial diversity. Acta Ecologica Sinica, 32, 4421–4433. [刘国华, 叶正芳, 吴为中 (2012). 土壤微生物群落多样性解析法: 从培养到非培养. 生态学报, 32, 4421–4433.]

    Liu SJ, Shi WY, Zhao GP (2017). China microbiome initiative: opportunity and challenges. Bulletin of Chinese Academy of Sciences, 32, 241–250. [刘双江, 施文元, 赵国屏 (2017). 中国微生物组计划: 机遇与挑战. 中国科学院院刊, 32, 241–250.]

    Liu YX, Qin Y, Guo XX, Bai Y (2019). Methods and applications for microbiome data analysis. Hereditas, 41, 845–862. [刘永鑫, 秦媛, 郭晓璇, 白洋 (2019). 微生物组数据分析方法与应用. 遗传, 41, 845–862.]

    Lupatini M, Suleiman AKA, Jacques RJS, Lemos LN, Pylro VS, van Veen JA, Kuramae EE, Roesch LFW (2019). Moisture is more important than temperature for assembly of both potentially active and whole prokaryotic communities in subtropical grassland. Microbial Ecology, 77, 460–470.

    Ma JC, Zhao FQ, Su XQ, Xu J, Wu LH (2017). Strategies on establishment of China’s microbiome data center. Bulletin of Chinese Academy of Sciences, 32, 290–296. [马俊才, 赵方庆, 苏晓泉, 徐健, 吴林寰 (2017). 关于中国微生物组数据中心建设的思考. 中国科学院院刊, 32, 290–296.]

    Martiny JBH, Bohannan BJM, Brown JH, Colwell RK, Fuhrman JA, Green JL, Horner-Devine MC, Kane M, Krumins JA, Kuske CR, Morin PJ, Naeem S, Øvreås L, Reysenbach AL, Smith VH, Staley JT (2006). Microbial biogeography: putting microorganisms on the map. Nature Reviews Microbiology, 4, 102–112.

    Moran MA (2015). The global ocean microbiome. Science, 350, aac8455. DOI: 10.1126/science.aac8455.

    Moreno JL, Torres IF, García C, López-Mondéjar R, Bastida F (2019). Land use shapes the resistance of the soil microbial community and the C cycling response to drought in a semi-arid area. Science of the Total Environment, 648, 1018–1030.

    Müller DB, Vogel C, Bai Y, Vorholt JA (2016). The plant microbiota: systems-level insights and perspectives. Annual Review of Genetics, 50, 211–234.

    Musat N, Foster R, Vagner T, Adam B, Kuypers MMM (2012). Detecting metabolic activities in single cells, with emphasis on nano-SIMS. FEMS Microbiology Reviews, 36, 486–511.

    Nesme J, Achouak W, Agathos SN, Bailey M, Baldrian P, Brunel D, Frostegård Å, Heulin T, Jansson JK, Jurkevitch E, Kruus KL, Kowalchuk GA, Lagares A, Lappin-Scott HM, Lemanceau P, Le Paslier D, Mandic-Mulec I, Murrell JC, Myrold DD, Nalin R, Nannipieri P, Neufeld JD, O’Gara F, Parnell JJ, Pühler A, Pylro V, Ramos JL, Roesch LFW, Schloter M, Schleper C, Sczyrba A, Sessitsch A, Sjöling S, Sørensen J, Sørensen SJ, Tebbe CC, Topp E, Tsiamis G, van Elsas JD, van Keulen G, Widmer F, Wagner M, Zhang T, Zhang XJ, Zhao LP, Zhu YG, Vogel TM, Simonet P (2016). Back to the future of soil metagenomics. Frontiers in Microbiology, 7, 73. DOI: 10.3389/fmicb.2016.00073.

    O’ Malley MA (2007). The nineteenth century roots of “everything is everywhere”. Nature Reviews Microbiology, 5, 647–651.

    Poretsky RS, Hewson I, Sun SL, Allen AE, Zehr JP, Moran MA (2009). Comparative day/night metatranscriptomic analysis of microbial communities in the North Pacific subtropical gyre. Environmental Microbiology, 11, 1358–1375.

    Poussin C, Sierro N, Boué S, Battey J, Scotti E, Belcastro V, Peitsch MC, Ivanov NV, Hoeng J (2018). Interrogating the microbiome: experimental and computational considerations in support of study reproducibility. Drug Discovery Today, 23, 1644–1657.

    Raut S, Polley HW, Fay PA, Kang S (2018). Bacterial community response to a preindustrial-to-future CO2 gradient is limited and soil specific in Texas Prairie grassland. Global Change Biology, 24, 5815–5827.

    Rice MC, Norton JM, Valois F, Bollmann A, Bottomley PJ, Klotz MG, Laanbroek HJ, Suwa Y, Stein LY, Sayavedra-Soto L, Woyke T, Shapiro N, Goodwin LA, Huntemann M, Clum A, Pillay M, Kyrpides N, Varghese N, Mikhailova N, Markowitz V, Palaniappan K, Ivanova N, Stamatis D, Reddy TBK, Ngan CY, Daum C (2016). Complete genome of Nitrosospira briensis C-128, an ammonia-oxidizing bacterium from agricultural soil. Standards in Genomic Sciences, 11, 46. DOI: 10.1186/s40793-016-0168-4.

    Rime T, Hartmann M, Brunner I, Widmer F, Zeyer J, Frey B (2015). Vertical distribution of the soil microbiota along a successional gradient in a glacier forefield. Molecular Ecology, 24, 1091–1108.

    Rodrigues JLM, Pellizari VH, Mueller R, Baek K, Jesus EDC, Paula FS, Mirza B, Hamaoui GS, Tsai SM, Feigl B, Tiedje JM, Bohannan BJM, Nüsslein K (2013). Conversion of the Amazon rainforest to agriculture results in biotic homogenization of soil bacterial communities. Proceedings of the National Academy of Sciences of the United States of America, 110, 988–993.

    Sanger F, Air GM, Barrell BG, Brown NL, Coulson AR, Fiddes CA, Hutchison CA, Slocombe PM, Smith M (1977). Nucleotide sequence of bacteriophage phi X174 DNA. Nature, 265, 687–695.

    Schadt EE, Turner S, Kasarskis A (2010). A window into third-generation sequencing. Human Molecular Genetics, 19, R227–R240.

    Schloss PD (2018). Identifying and overcoming threats to reproducibility, replicability, robustness, and generalizability in microbiome research. mBio, 9, e00525-18. DOI: 10.1128/mBio.00525-18.

    Schloss PD, Jenior ML, Koumpouras CC, Westcott SL, Highlander SK (2016). Sequencing 16S rRNA gene fragments using the PacBio SMRT DNA sequencing system. PeerJ, 4, e1869. DOI 10.7717/peerj.1869.

    Shendure J, Ji H (2008). Next-generation DNA sequencing. Nature Biotechnology, 26, 1135–1145.

    Shi WC, Li MC, Wei GS, Tian RM, Li CP, Wang B, Lin RS, Shi CY, Chi XL, Zhou B, Gao Z (2019a). The occurrence of potato common scab correlates with the community composition and function of the geocaulosphere soil microbiome. Microbiome, 7, 14. DOI: 10.1186/s40168-019-0629-2.

    Shi WY, Qi HY, Sun QL, Fan GM, Liu SJ, Wang J, Zhu BL, Liu HW, Zhao FQ, Wang XC, Hu XX, Li W, Liu J, Tian Y, Wu LH, Ma JC (2019b). gcMeta: a global catalogue of metagenomics platform to support the archiving, standardization and analysis of microbiome data. Nucleic Acids Research, 47, D637–D648.

    Shi YM, Tyson GW, DeLong EF (2009). Metatranscriptomics reveals unique microbial small RNAs in the oceanʼs water column. Nature, 459, 266–269.

    Sogin ML, Morrison HG, Huber JA, Welch DM, Huse SM, Neal PR, Arrieta JM, Herndl GJ (2006). Microbial diversity in the deep sea and the underexplored “rare biosphere”. Proceedings of the National Academy of Sciences of the United States of America, 103, 12115–12120.

    Tang J (2011). Microbial metabolomics. Current Genomics, 12, 391–403.

    Tedersoo L, Bahram M, Põlme S, Kõljalg U, Yorou NS, Wijesundera R, Ruiz LV, Vasco-Palacios AM, Thu PQ, Suija A, Smith ME, Sharp C, Saluveer E, Saitta A, Rosas M, Riit T, Ratkowsky D, Pritsch K, Põldmaa K, Piepenbring M, Phosri C, Peterson M, Parts K, Pärtel K, Otsing E, Nouhra E, Njouonkou AL, Nilsson RH, Morgado LN, Mayor J, May TW, Majuakim L, Lodge DJ, Lee SS, Larsson KH, Kohout P, Hosaka K, Hiiesalu I, Henkel TW, Harend H, Guo LD, Greslebin A, Grelet G, Geml J, Gates G, Dunstan W, Dunk C, Drenkhan R, Dearnaley J, De Kesel A, Dang T, Chen X, Buegger F, Brearley FQ, Bonito G, Anslan S, Abell S, Abarenkov K (2014). Global diversity and geography of soil fungi. Science, 346, 1256688. DOI: 10.1126/science.1256688.

    Thompson LR, Sanders JG, McDonald D, Amir A, Ladau J, Locey KJ, Prill RJ, Tripathi A, Gibbons SM, Ackermann G, Navas-Molina JA, Janssen S, Kopylova E, Vázquez-Baeza Y, González A, Morton JT, Mirarab S, Xu ZJ, Jiang LJ, Haroon MF, Kanbar J, Zhu QY, Jin Song S, Kosciolek T, Bokulich NA, Lefler J, Brislawn CJ, Humphrey G, Owens SM, Hampton-Marcell J, Berg-Lyons D, McKenzie V, Fierer N, Fuhrman JA, Clauset A, Stevens RL, Shade A, Pollard KS, Goodwin KD, Jansson JK, Gilbert JA, Knight R, The Earth Microbiome Project Consortium (2017). A communal catalogue reveals Earth’s multiscale microbial diversity. Nature, 551, 457–463.

    Tkacz A, Hortala M, Poole PS (2018). Absolute quantitation of microbiota abundance in environmental samples. Microbiome, 6, 110. DOI: 10.1186/s40168-018-0491-7.

    Tourna M, Stieglmeier M, Spang A, Könneke M, Schintlmeister A, Urich T, Engel M, Schloter M, Wagner M, Richter A, Schleper C (2011). Nitrososphaera viennensis, an ammonia oxidizing archaeon from soil. Proceedings of the National Academy of Sciences of the United States of America, 108, 8420–8425.

    Tripathi BM, Stegen JC, Kim M, Dong K, Adams JM, Lee YK (2018). Soil pH mediates the balance between stochastic and deterministic assembly of bacteria. The ISME Journal, 12, 1072–1083.

    Turnbaugh PJ, Gordon JI (2008). An invitation to the marriage of metagenomics and metabolomics. Cell, 134, 708–713.

    Vilanova C, Porcar M (2016). Are multi-omics enough? Nature Microbiology, 1, 16101. DOI: 10.1038/nmicrobiol.2016.101.

    Wagner MR, Lundberg DS, del Rio TG, Tringe SG, Dangl JL, Mitchell-Olds T (2016). Host genotype and age shape the leaf and root microbiomes of a wild perennial plant. Nature Communications, 7, 12151. DOI: 10.1038/ncomms12151.

    Wang DZ, Kong LF, Li YY, Xie ZX (2016). Environmental microbial community proteomics: status, challenges and perspectives. International Journal of Molecular Sciences, 17, 1275. DOI: 10.3390/ijms17081275.

    Wang GY, Zang B, Gu Z (2009). Development and application of the mass spectrometry. Modern Scientific Instruments, 6, 124–128. [王桂友, 臧斌, 顾昭 (2009). 质谱仪技术发展与应用. 现代科学仪器, 6, 124–128.]

    Wang L, Tian L (2019). Application of metaomics in wastewater treatment. Microbiology China, 46, 2370–2377. [王琳, 田璐 (2019). 宏组学方法在污水处理系统中的应用进展. 微生物学通报, 46, 2370–2377.]

    White III RA, Callister SJ, Moore RJ, Baker ES, Jansson JK (2016). The past, present and future of microbiome analyses. Nature Protocols, 11, 2049–2053.

    Wu QL, Jiang HL (2017). China lake microbiome project. Bulletin of Chinese Academy of Sciences, 32, 273–279. [吴庆龙, 江和龙 (2017). 中国湖泊微生物组研究. 中国科学院院刊, 32, 273–279.]

    Xiang XJ, He D, He JS, Myrold DD, Chu HY (2017). Ammonia-oxidizing bacteria rather than archaea respond to short-term urea amendment in an alpine grassland. Soil Biology & Biochemistry, 107, 218–225.

    Xu J, Ma B, Su XQ, Huang S, Xu X, Zhou XD, Huang WE, Knight R (2017). Emerging trends for microbiome analysis: from single-cell functional imaging to microbiome big data. Engineering, 3, 66–70.

    Yang T, Adams JM, Shi Y, He JS, Jing X, Chen LT, Tedersoo L, Chu HY (2017). Soil fungal diversity in natural grasslands of the Tibetan Plateau: associations with plant diversity and productivity. New Phytologist, 215, 756–765.

    Yang T, Tedersoo L, Soltis PS, Soltis DE, Gilbert JA, Sun M, Shi Y, Wang HF, Li YT, Zhang J, Chen ZD, Lin HY, Zhao YP, Fu CX, Chu HY (2019). Phylogenetic imprint of woody plants on the soil mycobiome in natural mountain forests of eastern China. The ISME Journal, 13, 686–697.

    Yang YF (2013). Omics breakthroughs for environmental microbiology. Microbiology China, 40, 18–33. [杨云锋 (2013). 环境微生物学的组学技术应用和突破. 微生物通报, 40, 18–33.]

    Yu RT, Gao PJ, Han L, Huang LY (2009). Strategy and application of metaproteomics. Chinese Journal of Biotechnology, 25, 961–967. [于仁涛, 高培基, 韩黎, 黄留玉 (2009). 宏蛋白质组学研究策略及应用. 生物工程学报, 25, 961–967.]

    Zhang KP, Shi Y, Cui XQ, Yue P, Li KH, Liu XJ, Tripathi BM, Chu HY (2019). Salinity is a key determinant for soil microbial communities in a desert ecosystem. mSystems, 4, e00225-18. DOI: 10.1128.mSystems.00225-18.

    Zhang KP, Shi Y, Jing X, He JS, Sun RB, Yang YF, Shade A, Chu HY (2016). Effects of short-term warming and altered precipitation on soil microbial communities in alpine grassland of the Tibetan Plateau. Frontiers in Microbiology, 7, 1032. DOI: 10.3389/fmicb.2016.01032.

    Zhao Y, Gu RS, Du SM (2012). The research status and development tendency of bioinformatics. Journal of Medical Informatics, 33, 2–6. [赵屹, 谷瑞升, 杜生明 (2012). 生物信息学研究现状及发展趋势. 医学信息学杂志, 33, 2–6.]

    Zhong JN, Luo LJ, Chen BW, Sha S, Qing Q, Tam NFY, Zhang Y, Luan TG (2017). Degradation pathways of 1-methylphenanthrene in bacterial Sphingobiumsp. MP9-4 isolated from petroleum-contaminated soil. Marine Pollution Bulletin, 114, 926–933.

    Zhu YG, Shen RF, He JZ, Wang YF, Han XG, Jia ZJ (2017). China soil microbiome initiative: progress and perspective. Bulletin of Chinese Academy of Sciences, 32, 554–565. [朱永官, 沈仁芳, 贺纪正, 王艳芬, 韩兴国, 贾仲君 (2017). 中国土壤微生物组: 进展与展望. 中国科学院院刊, 32, 554–565.]

    特邀编委: 温学发  编辑: 赵 航

    猜你喜欢

    10000+:菌群分析 宝宝与猫狗 梅毒狂想曲 提DNA发Nature Cell专刊 肠道指挥大脑

    系列教程:微生物组入门 Biostar 微生物组  宏基因组

    专业技能:学术图表 高分文章 生信宝典 不可或缺的人

    一文读懂:宏基因组 寄生虫益处 进化树

    必备技能:提问 搜索  Endnote

    文献阅读 热心肠 SemanticScholar Geenmedical

    扩增子分析:图表解读 分析流程 统计绘图

    16S功能预测   PICRUSt  FAPROTAX  Bugbase Tax4Fun

    在线工具:16S预测培养基 生信绘图

    科研经验:云笔记  云协作 公众号

    编程模板: Shell  R Perl

    生物科普:  肠道细菌 人体上的生命 生命大跃进  细胞暗战 人体奥秘  

    写在后面

    为鼓励读者交流、快速解决科研困难,我们建立了“宏基因组”专业讨论群,目前己有国内外5000+ 一线科研人员加入。参与讨论,获得专业解答,欢迎分享此文至朋友圈,并扫码加主编好友带你入群,务必备注“姓名-单位-研究方向-职称/年级”。PI请明示身份,另有海内外微生物相关PI群供大佬合作交流。技术问题寻求帮助,首先阅读《如何优雅的提问》学习解决问题思路,仍未解决群内讨论,问题不私聊,帮助同行。

    学习16S扩增子、宏基因组科研思路和分析实战,关注“宏基因组”

    点击阅读原文,跳转最新文章目录阅读

    更多相关内容
  • 中国科学院微生物研究所所级课程《微生物大数据分析与实践》 主讲老师:胡松年 研究员 , 贺子龙 副研究员
  • Feature|微生物组学研究的机遇与挑战

    千次阅读 2018-12-03 21:04:45
    标题:微生物组学研究的机遇与挑战 导读 在过去的几年中,微生物组的研究大大地改变了我们对人类生物学的理解。人体内存在着数以万亿计的微生物,远高于人体细胞的数目,这些微生物对人体健康不可或缺。随着...

    微生物组学研究的机遇与挑战

    在这里插入图片描述

    导读

    在过去的几年中,微生物组的研究大大地改变了我们对人类生物学的理解。人体内存在着数以万亿计的微生物,远高于人体细胞的数目,这些微生物对人体健康不可或缺。随着微生物组学研究的深入,人们逐渐了解微生物如何介导消化和疾病过程到发现与癌症,帕金森氏症,自闭症和抑郁症相关的新观点。微生物组学研究的兴起,似乎为人类对疾病的认知打开了另一扇大门。虽然微生物组学研究火热,为什么商业化产品的推出却少之又少且疗效参差不齐呢?微生物组学商业化究竟遇到了什么样的挑战?

    文献信息

    • 英文标题: Translating microbiome futures
    • 中文标题:微生物组学转化研究的未来
    • 作者: Gaspar Taroncher-Oldenburg, Susan Jones, Martin Blaser, Richard Bonneau, Peter Christey, José C Clemente, Eran Elinav, Elodie Ghedin, Curtis Huttenhower, Denise Kelly, David Kyle, Dan Littman, Arpita Maiti, Alexander Maue, Bernat Olle, Leopoldo Segal, Johan E T van Hylckama Vlieg & Jun Wang
    • 期刊: Nature Biotechnology; 影响因子:【35.724】
    • Doi号: https://doi.org/10.1038/nbt.4287

    背景

    人类微生物组研究开发治疗性或营养性产品所提供的机遇与解密其背后的科学机理的艰巨任务相当。在这里插入图片描述研究人员目前正在深入研究微生物组与人类健康问题之间的关联(Fig.1)在这里插入图片描述。微生物组学与人类健康问题的之间的联系也引起了食品,生物技术,制药和投资者群体的广泛兴趣。然而,迄今为止,还没有美国食品药物管理局批准可用于人类的微生物组疗法的产品诞生。会议组织者Global和自然生物技术(Box1)最近召开了圆桌会议,讨论人类微生物组研究的现状及其在医疗中的转化问题在这里插入图片描述。下面将介绍圆桌会议期间讨论的一些亮点问题。
    在这里插入图片描述

    议题

    1.您认为微生物组转化面临最重要的挑战是什么?

    Martin Blaser:我们需要了解人类与微生物组之间的相互作用,以确定人类健康问题的生物学基础,并了解微生物组的变化与疾病之间的关联。只有这样,我们才能知道是否能通过微生物组以及如何使用微生物组进行相应的干预。

    Denise Kelly:对于投资者而言,微生物组的挑战实际上是如何切入这个科学问题。我们使用来自体外和体内的实验数据来证实产品疗效,这些证据不仅仅只是来自于一个临床模型,而且来自多个互补模型。这对于降低投资风险至关重要,因为这些决策忽略了现有临床前模型(特别是小鼠模型)的缺陷。大多数动物疾病模型没有整合微生物组学,因此,目前还没有非常好的转化模型来模拟复杂的人类微生物组,这也导致在涉及与疾病相关的微生物组动物学研究时通常缺乏足够的信息。

    Elodie Ghedin:第一阶段微生物组学研究以阐明微生物组的组成为主;第二阶段关注特定身体部位的微生物组以及宿主-微生物之间的相互作用。而微生物组研究的第三阶段,需要深入不同部位之间微生物组的关联,这有助于我们真正了解不同的人携带的微生物组及其微生物驱动者是如何相互作用的。

    Curtis Huttenhower:诸如普遍存在的微生物,功能网络和代谢途径等特征已被用于描述健康和患病个体中的微生物组。但是,有必要增加群体规模的流行病学和深入的临床研究来改善以微生物为中心的疾病模型。这种高度整合的模型更有可能解释疾病的潜在因果分子机制。为了最大限度地提高微生物组对人类健康的效益,必须合理地确定目标。

    2.鉴于目前临床前模型的局限性,您预计需要哪些进步才能促进微生物组产品的开发

    JoséC.Clemente:通过使用动物模型取得进一步进展的关键不是抵制它们,而是要更准确地理解它们的局限性以及如何使这些科研发现转化为被人类所用。当我们无法重复之前的实验结果时,很难确定这是由于技术的不稳定还是因为动物模型中的发现的现象不具备生物学上的稳健性。如果这种方法的结果是完全可重复的,那么我们至少可以从这个复杂方程中删除一个变量,并提高单个研究中结果的可重复性及转化效率。

    Alexander Maue:解决目前局限性的一种方法是使用具有人源化免疫系统的动物。另一种策略是对移植的亲代动物的后代进行实验,这些动物将与移植的微生物组一起共同调节免疫系统,因为这些移植的微生物的多样性已被证明在F1代中是保守的。

    Dan Littman:用人造血细胞培养人源化小鼠的想法非常好,然而,这是一个三维问题,也是一个架构问题。例如,在结肠中Treg调节性T细胞的诱导实验中,需要展开多个步骤以确定引流淋巴结中细胞是否正确定位。我们仍然不知道人类骨髓细胞是否能进入到小鼠固有层中正确的位置或排出到淋巴结。

    Johan E. T.van Hylckama Vlieg:微生物组的标准化仍处于起步阶段。以微生物组为基础的产品需通过严谨转化过程,包括微生物学,生态学,流行病学,统计学和生物信息学在内的许多领域的专家需要共同努力,以确定潜在的变异来源并制定最佳实验方案。在人类研究中使用的这些最佳方案将加快我们对生物学的理解和开发基于微生物组的干预措施来应对疾病

    3.微生物组研究在多大程度上从相关性转向因果关系?

    Eran Elinav:我们在最初的十年中发现了许多临床标记与微生物相关,但现在我们发现其中许多并不是由微生物组引起的表型。现在,科研工作者正在进行大量工作以期将相关性向因果性迈进,但这要求对微生物组介导的表型,微生物之间,微生物与宿主相互作用以及这些组合的多维分子机制的深入理解

    David Kyle:当我们考虑因果性和相关性时,我认为因果关系是一个被过分强调的概念,因为监管过程,如要获得药物批准,你必须在疾病终点或直接因果关系上建立临床疗效,将流程转变为二元决策。相关性不是二元的

    Bernat Olle:我也认为这是被低估的。相关和因果关系领域的对话确实低估了用不同证据进行三角测量的重要性。如果你有来自人体研究的有趣联想,细菌发挥药理学作用的证据,以及动物中因果关系的一些证据,那么我对于推进一项这样计划的感觉要比仅依靠来自动物模型的因果证据,或仅来自人类研究的相关证据要好很多。

    Richard Bonneau:当我们在微生物领域谈论因果关系时,有时会混淆概念。当我想到因果关系时,无论是从先前的知识还是通过推理,我想到的是建立模型来捕捉系统的生物学基础。因此,揭示因果关系依赖于实验准确性和可重复性以及适当的生物学机理。

    4.如何更广泛地看待细菌以外的微生物组成?

    E.G.:由于微生物生态学领域受16S数据分析的约束,微生物组研究的起源其实是细菌性的。随着宏基因组测序方法的发展,微生物组研究现在已经开始包含其他微生物群。需要注意的是,微生物组组成(例如viromeome或mycobiome)相关的工作仍然是处于其组成的识别方面。例如,病毒体是微生物组的重要组成部分,但是由于没有能像在真菌或细菌中看到的标记基因,因此制备高通量的病毒多样性非常困难。因此,您必须使用宏基因组方法来捕获病毒颗粒多样性,然而,这是一件非常困难的事情。如发现crAssphage就是一个很好的例子,识别它并产生完整的序列需要结合来自许多人和肠道微生物组的数据集。

    B.O.:是否有可能从一个捐赠者的微生物组传播有害病毒,寄生虫或细菌到受体中?随着粪便移植,一种成份不确定的程序,我们虽然有几千名患者的FMT经验,我们也相信这是一个安全的手术程序。但是,一旦我们将其应用于成千上万的人,我们将开始学到更多的东西。如果有一个潜在的安全问题让我夜不能寐,那么一定是会让人想起20世纪90年代的HIV血库事故的公共医疗保健方案。

    5.为什么有这么多的工作集中在肠道,以及该领域应该考虑哪些其他部位的微生物组?

    Leopoldo Segal:肠道的微生物研究面临两个障碍:可达性和密度。肠道微生物组可以相对容易地进行测量,直接或通过粪便物质分析,并且可用的生物材料的量为数十至数百克和数十亿至数万亿的细胞。一旦离开肠道,可及性或生物量会以指数方式减少。

    A. Maue:人们谈到微生物组时存在一种内在的偏见,这种偏见会使讨论自然转向以肠道为中心的模型。这本身可能不会是一个挑战,但它会导致缺乏不同身体部位(例如,肺,肠,皮肤)的微生物组模型。

    E.G.:除了肠道以外,皮肤微生物组已有很多研究,呼吸道等也开始变得非常重要,已经有一些口腔微生物组项目表明微生物与心血管疾病之间存在关联。例如,曾经被认为是无菌环境的肺部现在已被证明含有多样化且低密度微生物组,而这些微生物组又与局部和系统性T辅助细胞17(TH17)驱动的急性和慢性肺病炎症反应有关。我们还比较了皮肤微生物组和肺部微生物组真菌和细菌数据,我们发现真菌对群落稳定性的效应在皮肤和肺部完全不同,但我们也不知道真菌在肠道中的重要性。

    LS:微生物组在调节肺部药物活性中的具有非常复杂的作用,特别是肺气肿患者使用的大环内酯类,以及调节炎症反应的药物,是微生物组与其特定宿主生态位之间相互作用复杂性和相关性的例子,并且可以发生在微生物组内的不同生物群之间。

    6.微生物组数据与其他数据的整合会带来哪些挑战?

    D.L.:我认为我们需要开发更复杂的算法和系统,以便能够理解微生物组复杂的动态性质和交互作用。我经常依赖经验数据,但我认为必须以更加综合的方式来研究它们,才能获得一些可以在临床上应用的有用信息。

    Jun Wang:现在是时候开展真正的合作了,以深入研究微生物组的生物学,它的功能模块及其与人类基因组的相互作用。垂直水平上,多组学关联分析是解开这种更深层次并开发基于微生物组的益生菌和抗生素的关键。

    R.B.:从染色体结构到RNA,我们拥有极其高效和多样的分析方法。但是,一旦我们偏离核苷酸,就实验规模,成本和设计能力而言,我们还处于一个黑匣子中。主要的挑战来自于在信息水平上,我们没有一种精准的方式将测量到的数据与上面的信息相匹配。当我们面对不同组学数据时,从核苷酸到蛋白质,蛋白质到酶活性,酶活性到代谢物,每个组学都变得更加复杂。应对这一挑战的唯一方法就是将生物学模型系统运用到微生物组研究中,确定系统的关键组件并设计非常详细的实验。

    Peter Christey:微生物组学研究真正的进步将会是关注点从鉴别和描述存在的生物转向深入分析个体微生物的功能,微生物群落及其与宿主间的相互作用。目前,该领域缺乏了解微生物群落是如何发挥功能的工具,这种缺陷已经成为微生物组学的障碍。应优先考虑开发微生物培养和筛选工具,以模拟整个微生物组的功能。

    RB:分析这些种类型数据的关键是要让分析人员,建模人员,生物技术人员从研究开始就参与进来,以确定这些数据可以做些什么,能否把这些结合起来?在我看来,我们应该尝试做的事情之一就是思考。分析技术在十年内将会便宜一千倍,而且它们对临床的渗透以及它们获得统一性的数据的能力将会大大提高。当你将我们在统计学和机器学习中所取得的进步相结合时,我认为我们能够从模型中获得更多信息,并且我们将能够更广泛地对数据进行建模。但要实现这一目标,我们实际上需要拥有可靠的模型,而且我认为这会比想象中要来得更快一些。

    7.与其他干预措施相比,当微生物组疗法进入临床时,研究人员需要考虑什么?

    Arpita Maiti:目前制药公司不投资活体生物治疗药物的原因是缺乏药物代谢动力学和药效学方面的研究,这两项对理解试验失败的原因至关重要。微生物药物动力学可以通过类似于传统的小分子药物动力学在个体中随着时间变化来定义。同样地,微生物组的药效学可定义为随着时间的推移在个体微生物中观察到的变化,包括微生物代谢物和宿主生物标志物的变化。我认为,安慰剂在早期阶段阶段效应非常大,这是一个未被充分认识的事实,特别是微生物组相关的疾病中。即使是非常好的设计,也通常会因此而失败。

    BO:我们应该先询问我们是否真的了解药物代谢动力学,而不是仅将细菌制剂放入人体并急于确定其疗效,希望能够首先报道它。基于第1阶段的药物代谢动力学和药效学数据,我们希望能够优化2期试验的剂量来提高成功的几率。相反,如果第1阶段数据表明是不确定或为负面时,我们希望能够进行适当的分析并找出其中的原因。

    A. Maiti:传统意义上,药物是否提供治疗益处的概念定义了临床结果。然而,在微生物组的背景下,可能必须重新定义临床结果,其临床效果不是治疗病症而是预防病症。

    D. Kyle:从婴儿微生物组研究中,我们看到,在抗生素抗性基因和毒力因子影响下,母乳喂养和阴道分娩的婴儿的微生物丰度显著降低。以双歧杆菌为优势菌的微生物组重建显著降低了整体病原体负荷,恢复了粪便pH并增加了微生物组的稳定性。这不是治疗,治愈,减轻或预防某种疾病,但它对于当今美国大多数肠道紊乱的婴儿而言,这显然是更好的选择。

    B.O.:我也希望看到该领域达成了某些一致,如我们认为恢复微生物群落的适当替代终点的固定生物标志物。与此相关的是,确定微生物组对扰动的弹性的测试将提供额外的帮助。

    A. Maiti:我想要涉及的地方是大多数制药公司都会感到非常紧张的临床数据有关领域,我们能否设计出微生物信号标记,表明有的人会对治疗有应答,有的人无应答?我们是否可以建立一个用于识别缺乏特定药物和干预信息的临床数据,但能够捕获整体反应来揭示潜在微生物组动态?我还没有解决方案,但我认为这是一个可以克服的障碍,并且需要进行大量的思考和合作,才能认识到它会为我们工作所带来价值。

    思考

    越来越多的研究表明,微生物组与人体健康关系密切,包括来自皮肤,口腔,呼吸道,消化道和生殖道的微生物组等,微生物组是人体不可分割的一部分。微生物作为地球上分布最为广泛、生物量最大、生物多样性最为丰富的生命形式,蕴藏着极为丰富的物种资源和基因资源,影响整个地球生态系统。全面系统地解析微生物组的结构和功能,搞清相关的调控机制,将为解决人类社会面临的健康、食品和环境等重大系统问题带来革命性的新思路,提供不同寻常的解决方案。

    链接

    [1]原文链接:https://www.nature.com/articles/nbt.4287
    [2]Microbiology: past, present and future
    [3]点击查看上一篇文献

    深度基因小伙伴温馨提示:

    如果我们对文章理解有偏差,非常欢迎大家向我们反馈,我们会认真阅读建议并修改,另外有意愿加入我们的小团队的老师和同学可发送邮件至我们的邮箱:deepgener@gmail.com 祝大家科研顺利,生活开心!
    想要了解更多内容请访问我们的深度基因网站:http://deepgener.wordpress.com/

    展开全文
  • 在过去的 15 年内,我们见证了微生物组学研究取得了前所未有的突破,然而,微生物组学研究仍面临着许多限制、瓶颈以及挑战。这些问题需要年轻一代的研究人员通过振奋人心的基础研究和生物医学研究来一一解决。 宏...

    本文转自肠道产业,点我阅读原文 https://mp.weixin.qq.com/s/ADq-xtRKg82SSgtEj6bcMA


    这是《肠道产业》第 556 篇文章

    编者按

    在过去的 15 年里,微生物组学领域取得了前所未有的进展,我们获得了许多关于微生物组的新知识和新见解,然而,想要把这些新知识和新见解融入到临床实践,我们依然面临着许多挑战和限制。

    今天,我们特别编译发表于 Trends in Molecular Medicine 杂志上题为“Breakthroughs and Bottlenecks in Microbiome Research”的文章,希望本文能够为相关的人士和诸位读者带来一些启发和帮助。

    微生物组

    与所有哺乳动物一样,人类也携带着多种共生微生物(被称为微生物组)。在过去的 15 年内,我们见证了微生物组学研究取得了前所未有的突破,然而,微生物组学研究仍面临着许多限制、瓶颈以及挑战。这些问题需要年轻一代的研究人员通过振奋人心的基础研究和生物医学研究来一一解决。

    宏基因组测序与分析

    高通量测序技术为观察复杂的共生群落提供了无与伦比的手段。像人类微生物组计划(HMP)、MetaHIT(人体肠道宏基因组计划)、American Gut(美国人肠道菌群研究计划)、Flemish Gut(比利时人肠道菌群研究计划)这样的研究项目已经为我们揭示了微生物组与人类健康结果之间的联系1

    尽管二代测序技术(NGS)提供了很多机会,但它也暴露出基于测序的群落分析存在的局限性。一个急迫的问题是,定量微生物组学和宏转录组是否比单独研究微生物组组分更能揭示微生物组?是否需要更多的微生物组序列?

    事实上,人类炎症性肠病(IBD)的开创性研究提供了证据,除了微生物比例组成的改变外,微生物载量/负荷可能是微生物组发生变化的关键驱动因素2

    某些微生物尽管在宏基因组层面丰度较高,占主导地位,但其几乎没有基因表达(图 1)3。与微生物相关的人类疾病中,疾病表型往往仅与微生物菌株的某种亚型相关。新兴的方法使基于高通量宏基因组测序进行菌株水平分析成为可能4。(详见 Box)

    然而,宏基因组测序从根本上就存在局限性,因为它无法直接反映群落的功能活动。为了准确地为与微生物组结构相关的人类健康结果建立模型,我们急需将精力从进行不同数据类型的孤立研究转移到结合了不同数据类型的系统性研究,后者包含了大量协变量。

    因此,我们需要额外的多组学数据来完整地描述微生物组。例如,将群落 RNA 丰度(宏转录组学)、蛋白质(蛋白组学)和代谢物(代谢组学)整合起来描述微生物组的全貌5

    对多种不同的数据类型(即二代测序技术和质谱技术)进行综合分析,这对于统计而言挑战很大,尤其是当其中每一类数据都是由不同分布的相对丰度数据组成的。因此,想要将此类复杂而微妙的科学结果直接转换为临床实践,应保持谨慎。



    图1.微生物组研究的突破和瓶颈 该图描绘了微生物组研究在不同领域中的重大突破(左)和瓶颈(右)。FMT,粪菌移植。

    Box :微生物组研究面临的主要挑战

    个体间的高度差异性:一个典型的肠道宏基因组学样本包括了从几百个到上千个不同的分类单元,不同的个体在这些分类单元的数量上表现出高度的可变性。种族、地理位置以及生活方式上的差异只是造成差异的一些主要影响因素,这些差异限制了微生物组结论的普遍性。理想的统计分析需要较大的样本量,来克服这种可变性并得出有意义的结论。

    依赖于相对丰度:不依赖于培养的方法(如二代测序技术)存在一个重大局限性,即不能提供可靠的绝对丰度或者功能的信息。基于培养的方法可以提供有关微生物绝对丰度的信息,但由于目前的技术限制(需培养的微生物数量以及一些不可培养微生物),其表征复杂微生物群落(如哺乳动物的肠道微生物)的能力有限。

    依赖于粪便样品:收集粪便是一个相对来说方便且无创的方法。然而,粪便微生物组的组成或功能与胃肠道中的微生物组却不尽相同。

    着眼于细菌:在微生物组学研究当中经常被忽视的其他共生微生物(如真菌、病毒),越来越被认为与健康和疾病相关。

    着眼于肠道:对皮肤、泌尿/生殖道、唾液或肿瘤等生物量较低的样本进行微生物组分析,在技术上具有挑战性,因为它们容易因标本采集和处理过程中的污染而产生假阳性结果。因此,此类样本较少纳入微生物组研究。

    膳食-菌群-宿主相互作用

    在影响肠道微生物组结构的因素中,饮食至关重要。饮食习惯是造成人与人之间肠道微生物组不同的重要原因。反之,肠道微生物组也起着‘信号中枢’的作用,向宿主产生丰富的与饮食相关的信号。

    在过去几年内,可能不存在‘一刀切’的饮食建议以使人类获得健康益处的观点变得越来越重要。

    一些研究表明,利用基于微生物组的机器学习模型预测个体对某些食物的特定反应是可行的6,7。机器学习和其他人工智能方法需要利用微生物和临床特征数据集来训练模型,以学习特定食物对给定的健康相关结果的影响。

    原则上,任何一类可量化数据都可用于实现这一目的,而不必了解这一预测背后复杂的机理联系。

    将个性化饮食的概念带入现实世界应用的关键挑战是建立足够大的队列来收集足够多的数据,使得微生物组和其他数据能够进行足够深入和全面的剖析,以训练可靠的模型。

    同时,还存在另一个同样重要的步骤——对预测特定生理反应的特征进行机制剖析。这对于制定预防或治疗干预措施具有很高的价值,正如对患有肠病的营养不良儿童的多组学调查所显示的那样8

    关于该研究《热心肠日报》做过相关报道:


    NEJM:小肠疾病相关的儿童发育不良,可能是小肠菌群有问题

    New England Journal of Medicine——[74.699]

    ① 分析 36 名环境肠功能障碍(EED)患儿的十二指肠微生物群,鉴定出 14 个不属于典型肠道病原体的 EED 核心细菌类群;② 这些细菌(某韦荣球菌、某链球菌和 Rothia mucilaginosa 等)的绝对水平,与患儿生长负相关,与参与免疫炎症应答的十二指肠蛋白(如 LCN2)正相关,且在患儿粪便中的含量不同于健康儿童;③ 和 EED 核心菌相关的十二指肠蛋白,与血浆 REG3A 等显著相关;④ 定植 EED 十二指肠菌群的部分分离菌(含大部分 EED 核心菌)可引起小鼠小肠病变。

    Duodenal Microbiota in Stunted Undernourished Children with Enteropathy
    2020-07-23, doi: 10.1056/NEJMoa1916004

    【主编评语】环境肠功能障碍(EED)是一种小肠疾病,被认为是儿童发育不良的潜在原因,但由于小肠样本难以获取,人们对这种疾病还所知有限。New England Journal of Medicine 杂志最新发表了 Jeffrey Gordon 团队主导的一项研究,对孟加拉 80 名经活检确诊为 EED 的营养干预无效的发育不良儿童的血浆和十二指肠蛋白组、十二指肠组织病理,以及其中 36 名患儿的十二指肠微生物组等进行分析,鉴定出与发育不良相关的 14 个 EED 核心十二指肠细菌类群,以及潜在的十二指肠和血浆蛋白标志物。结合悉生小鼠模型,该研究表明这些 EED 菌群可能通过促进十二指肠炎症应答,参与 EED 的发生发展,从而导致发育不良。这些发现为调控小肠菌群来治疗 EED 相关儿童发育不良的干预策略,提供了支持证据。(@mildbreeze)


    迈向宏基因组临床诊断

    个体共生微生物种类作为临床诊断手段也有很大的前景。对粪便或血液进行宏基因组测序在感染或者恶性肿瘤方面具有强大且无创的诊断能力。例如,在感染的情况下,与作为金标准的培养方法相比,对体液进行宏基因组测序既能加快病原体的检测速度,还可能具备更高的诊断灵敏度9

    及时的病原体检测可以缩小抗菌药物的使用范围,减少经验性抗生素的广泛使用,最大限度地减少抗生素耐药性的出现——一个全球性的公共卫生威胁。

    目前,在一些医疗中心,二代测序技术平台还没有被广泛使用,要想将其应用到临床护理中,需要在样本采集和数据分析方面进行一些方案调整,使其在临床应用中更易于医护人员的理解并且要具有一个患者可负担的价格。

    噬菌体疗法的复兴

    微生物组研究大多集中于细菌群落成员,主要是由于研究其他种类的共生微生物面临着巨大的技术挑战。然而,新出现的证据表明,原生动物、真菌、古菌和病毒在稳态和疾病中发挥着关键作用。

    噬菌体是一种采用宿主特异性方式来攻击细菌的病毒,自发现噬菌体以来,已经过去了 100 多年。然而,在宏基因组水平上研究噬菌体的可重复方案在最近才出现。

    多重耐药细菌感染所带来的威胁迫在眉睫,这使人们重新燃起了对噬菌体作为传统抗生素替代品的兴趣。

    噬菌体和肠道内细菌之间的种群动态变化规律是最难以捉摸的,也是一个正在研究的领域10。推进针对感染性疾病及生活方式相关疾病的噬菌体疗法的基本挑战在于识别和分离对宿主具有有效性并且基因组安全的关键噬菌体联合体。

    粪菌移植

    宏基因组的迅猛发展重新激起了人们对于粪菌移植(FMT)这一‘新的传统工具’的兴趣。超过 350 项已完成或计划进行的临床试验证明了人们对于粪菌移植的兴趣(美国国立卫生研究院 NIH,2020 年 12 月)。

    迄今为止,关于 FMT 最可信的数据是用于治疗复发性艰难梭菌感染,另一个潜在的适应症是溃疡性结肠炎。目前,它的适用性只限于选定的常规治疗失败的患者11

    到目前为止,所有的随机对照实验都存在明显的局限性。因此,我们当前仍不能充分评估粪菌移植的有效性和安全性。一个不确定因素是供体将感染性病原体传给受体的可能性。另一个不确定因素是不同研究之间在患者选择和技术程序上存在异质性。

    上述因素对解释粪菌移植的作用机制至关重要。一系列研究指出,除粪菌移植外,其他因素也可能是决定性的(如胆汁酸或噬菌体)12,13。这些因素的确定,将使我们突破相对简单的粪菌移植流程,进行更可控、更有力的精准干预。

    测序时代的益生菌

    宏基因组测序技术的突破让人们对益生菌——一种食用后可能会给健康带来好处的活的微生物——有了新认识14

    大量的研究剖析了各种市售益生菌菌种相关的临床结果。然而,表征不足,缺乏对潜在作用模式的机制理解,以及缺乏对预测反应的宿主因素的识别可能导致了参差不齐的试验结果,以及未被监管部门批准作为医疗干预手段。

    当务之急是超越基于经验论来使用益生菌,并确定具有合理定义的有益菌群、促进其生长的饮食因素,以及精确定位具有有益效果的微生物衍生代谢物。新兴的技术将允许大规模挖掘这些与宿主生理学具有显著互作的代谢物15

    结语

    迄今为止,对人类微生物组的研究已经产生了许多有价值的观点与见解,但也产生了大量缺乏因果证据的相关性和观察性结果。虽然微生物组学研究在过去的几年里已经明显成熟,不再被认为是处于起步阶段,但它还没有实现彻底改变临床实践和预防菌群失调相关疾病的目标。

    我们坚信,更加注重机制的微生物组学研究,更加致力于证明和解释因果关系,而非产生关联、相关性和预测的研究,将帮助微生物组学数据应用于精准医疗。

    参考文献:

    (滑动下文查看)

    1.G., F. et al. (2016) Population-level analysis of gut microbiome variation. Science 352, 560–564

    2.Vandeputte, D. et al. (2017) Quantitative microbiome profiling links gut community variation to microbial load. Nature 551, 507–511

    3.Schirmer, M. et al. (2018) Dynamics of metatranscription in the inflammatory bowel disease gut microbiome. Nat. Microbiol. 3, 337–346

    4.Truong, D.T. et al. (2017) Microbial strain-level population structure & genetic diversity from metagenomes. Genome Res. 27, 626–638

    5.Franzosa, E.A. et al. (2015) Sequencing and beyond: integrating molecular “omics” for microbial community profiling. Nat. Rev. Microbiol. 13, 360–372

    6.Zeevi, D. et al. (2015) Personalized nutrition by prediction of glycemic responses. Cell 163, 1079–1095

    7.Berry, S.E. et al. (2020) Human postprandial responses to food and potential for precision nutrition. Nat. Med. 26, 964–973

    8.Chen, R.Y. et al. (2020) Duodenal microbiota in stunted undernourished children with enteropathy. N. Engl. J. Med. 383, 321–333

    9.Gu, W. et al. (2021) Rapid pathogen detection by metagenomic next-generation sequencing of infected body fluids. Nat. Med. 27, 115–124

    10. Rasmussen, T.S. et al. (2020) Bacteriophagemediated manipulation of the gut microbiomepromises and presents limitations. FEMS Microbiol. Rev. 44, 507–521

    11.Mullish, B.H. et al. (2018) The use of faecal microbiota transplant as treatment for recurrent or refractory Clostridium difficile infection and other potential indications: Joint British Society of Gastroenterology (BSG) and Healthcare Infection Society (HIS) guidelines. Gut 67, 1920–1941

    12.Ott, S.J. et al. (2017) Efficacy of sterile fecal filtrate transfer for treating patients with Clostridium difficile infection. Gastroenterology 152, 799–811.e7

    13.Zuo, T. et al. (2018) Bacteriophage transfer during faecal microbiota transplantation in Clostridium difficile infection is associated with treatment outcome. Gut 67, 634–643

    14.Zmora, N. et al. (2018) Personalized gut mucosal colonization resistance to empiric probiotics is associated with unique host and microbiome features. Cell 174, 1388–1405.e21

    15.Chen, H. et al. (2019) A forward chemical genetic screen reveals gut microbiota metabolites that modulate host physiology. Cell 177, 1217–1231.e18

    原文链接:https://www.cell.com/trends/molecular-medicine/fulltext/S1471-4914(21)00015-0?_returnURL=https%3A%2F%2Flinkinghub.elsevier.com%2Fretrieve%2Fpii%2FS1471491421000150%3Fshowall%3Dtrue

    作者|Timur Liwinski, Avner Leshem, Eran Elinav

    编译|Johnson

    审核|617

    编辑 | 笑咲

    猜你喜欢

    10000+:菌群分析 宝宝与猫狗 梅毒狂想曲 提DNA发Nature Cell专刊 肠道指挥大脑

    系列教程:微生物组入门 Biostar 微生物组  宏基因组

    专业技能:学术图表 高分文章 生信宝典 不可或缺的人

    一文读懂:宏基因组 寄生虫益处 进化树

    必备技能:提问 搜索  Endnote

    文献阅读 热心肠 SemanticScholar Geenmedical

    扩增子分析:图表解读 分析流程 统计绘图

    16S功能预测   PICRUSt  FAPROTAX  Bugbase Tax4Fun

    在线工具:16S预测培养基 生信绘图

    科研经验:云笔记  云协作 公众号

    编程模板: Shell  R Perl

    生物科普:  肠道细菌 人体上的生命 生命大跃进  细胞暗战 人体奥秘  

    写在后面

    为鼓励读者交流、快速解决科研困难,我们建立了“宏基因组”专业讨论群,目前己有国内外5000+ 一线科研人员加入。参与讨论,获得专业解答,欢迎分享此文至朋友圈,并扫码加主编好友带你入群,务必备注“姓名-单位-研究方向-职称/年级”。PI请明示身份,另有海内外微生物相关PI群供大佬合作交流。技术问题寻求帮助,首先阅读《如何优雅的提问》学习解决问题思路,仍未解决群内讨论,问题不私聊,帮助同行。

    学习16S扩增子、宏基因组科研思路和分析实战,关注“宏基因组”

    点击阅读原文,跳转最新文章目录阅读

    展开全文
  • 微生物组学&代谢组学联合分析 近年来,随着微生物组学研究的不断发展和持续火热,越来越多的研究者跳出单一的微生物研究,开始将微生物组学和代谢组学联合起来,从物种、基因以及代...

    微生物组学&代谢组学联合分析

         近年来,随着微生物组学研究的不断发展和持续火热,越来越多的研究者跳出单一的微生物研究,开始将微生物组学和代谢组学联合起来,从物种、基因以及代谢产物等水平共同解释科学问题,获得了很多催人振奋的研究成果。

    那么关于微生物组学&代谢组学联合分析,您可能有以下疑问:

    • 目前微生物+代谢组的热门研究领域都有哪些?

    • 微生物&代谢组联合分析更好地解决了什么问题?

    • 代谢组学都能检测什么内容?“广筛”和“靶向检测”,有什么区别,该怎么选择?

    • 要做联合分析,怎么进行取样?

    • 不同类型或者部位的样本可以做联合分析吗,研究的侧重点是什么?

    • 联合分析需要多少生物学重复?

    • 如何进行联合分析?能够得出什么结果?

    本文将逐个为您解答~

    1

    目前微生物+代谢组

    的热门研究趋势和热门领域

    微生物组测序可以解决"who is there"(那有谁)和 "what are they doing"(在干嘛)的问题。而代谢组学是研究生物体中代谢产物变化的科学,常用研究方法包括了:LC/MS(液质联用),GC/MS(气质联用)和NMR(核磁共振),可以解决"what have really happened"的问题。

    在科学网基金频道(http://fund.sciencenet.cn/)检索2019年国家自然科学基金中标情况,以“肠道菌群代谢”为关键词,查询到项目共621条,累计金额30575万元。中标项目涉及多个领域,在疾病肿瘤研究,中医中药研究、畜牧水产研究、食品科学研究中都均有涉及。可见肠道菌群与代谢组学的联合分析必然是今后肠道菌群研究中很重要的方向。

    接下来我们简单地了解一下几个中标基金的题目:

    1

    疾病肿瘤研究

    2

    中医中药研究

    3

    食品科学研究

    4

    畜牧水产研究

    2

    微生物&代谢组

    联合分析解决了什么问题?

    知道了样本当中有了哪些微生物,和他们具有的功能后,就需要进一步的验证这些功能是否真的发生了,发生的程度是什么样的。这时候单纯的微生物组学是无法完成验证的,而代谢组学就是非常好的一种方法,因此代谢组学是微生物组学研究重要的辅助和验证方法。我们从近期发表的几篇高水平文献中看看这种方法应用的趋势。

    题目:肠道菌群及代谢物与自闭症谱系障碍[1]

    发表时间:2019年5月

    发表杂志:Cell, IF:36.2

    方向:疾病研究  

    本研究中利用16S测序 + 宏基因组测序 + 代谢组学检测(GC-MS和NMR)的方法证实了肠道菌群与自闭症的发病及行为学异常存在直接的因果性关系。其中这幅图是基于微生物组学测序和代谢组学检测结果的基础上绘制的,展现了可能参与某种代谢产物产生或降解的菌种。最终结果显示肠道菌群可以通过产生刺激神经的代谢产物影响大脑兴奋-抑制平衡或者氨基酸的代谢,进而调节小鼠的复杂行为。这篇文章证明的因果关系是一个重大突破,而这必须归功于联合分析的功劳,因为这是单一的微生物研究达不到的研究效果。

    题目:肠道菌群及代谢物与炎症性肠病(IBD)[2]

    发表时间:2018年12月

    发表杂志:Nature microbiology,IF:14.1

    方向:疾病研究

    本文利用了微生物宏基因组测序+代谢组LC-MS检测的方法,深入剖析了代谢物与微生物间的关联,对于理解炎症性肠病发生的原因和潜在诊断和治疗靶点鉴定提供了一定的理论依据。此图中展现出来了差异代谢物与差异菌群的显著关联关系,例如在IBD中富集的长链不饱和脂肪酸ETA(Eicosatrienoic acid)与健康相关物种Eubacterium ventriosum呈负相关。随后还根据代谢组学与宏基因组学数据利用随机森林预测模型可对IBD与非IBD进行区分,结果具有高度精确性。这篇文章极大的扩展了炎症性肠病的研究结果,找出了菌群和代谢产物的对应关系,这必须归功于微生物组学+代谢组学的研究方法。

    题目:不同类型饲料的摄取引起牦牛瘤胃代谢和微生物群落的动态变化[3]

    发表杂志:2019年5月22日

    发表杂志:Frontiers in Microbiology,IF:4.29

    方向:畜牧研究,16S测序+代谢组GC-MS,LC-MS检测

    在畜牧领域,微生物+代谢组也是一个非常重要的研究思路。本文结合代谢组与微生物多样性对饲喂不同类型饲料的瘤胃液进行联合分析,发现代谢物和微生物群落组成的差异。例如细菌BS11与油酸、肾上腺素、硬脂酸和棕榈酸呈负相关。普氏菌科UCG-003主要与L-苯丙氨酸、L-酪氨酸、L-蛋氨酸、次黄嘌呤、L-谷氨酸、肾上腺素、硬脂酸和棕榈酸呈负相关,与L-多巴呈正相关等。通过这些结果可以更好地了解瘤胃代谢产物和微生物功能,从而促进现代牦牛饲养策略的发展。值得一提的是,本篇文章在微生物与代谢双层面上阐述了不同饲料对牛瘤胃影响的原因和机制,相较于先前的单一微生物研究,明显更加深入。

    从案例中可以看出,单一的微生物组学已经不能满足当前研究需求。想在肠道菌群领域再发表不错水平的文章,采用微生物+代谢组学联合分析的方式才是大势所趋。

    3

    常用微生物组学检测内容

    研究对象

    研究方法

    研究目的

    微生物群落

    16S/18S/ITS扩增子测序

    微生物多样性、群落结构组成,菌种丰度,差异菌种分析,关联分析

    微生物群落

    宏基因组测序

    微生物多样性、群落结构组成,菌种丰度,差异菌种分析,基因分析,功能分析,通路分析,基因草图构建

    在这里想要强调的是,无论是16S扩增子测序、宏基因组测序都是可以和代谢组学进行关联的。代谢组学与16S的检测主要是微生物多样性,种类和相对丰度与代谢产物丰度的关联。宏基因组与代谢组学的关联主要是其代谢通路与基因功能的关联。

    4

    代谢组学检测内容

    NMR平台: 

    适合检测水溶性初生代谢产物——脂质代谢、糖类代谢、氨基酸代谢及能量代谢。可实现绝对定性定量检测。

    靶向检测与非靶向检测

    56种氨基酸类

    49种酰胺类

    25种糖类

    96种有机酸类

    14种药物及食品类

    6种醇类

    34种核苷酸类

    12种维他命及咖啡因类

    40多种新增物质

    GC-MS平台:

    适合检测易挥发,热稳定且不易降解物质。非靶向广筛可以实现相对定性定量检测,靶向检测可以实现绝对定性定量检测。

    靶向检测

    非靶向广筛

    32种氨基酸

    氨基酸、生物碱、脂肪酸、酚类、醇类、极性有机化合物等

    37种脂肪酸

    8种短链脂肪酸

    LC-MS平台:

    适合检测易电离物质非靶向性广筛,也常用于次生代谢物的靶向性研究。非靶向广筛可以实现相对定性定量检测,靶向检测可以实现绝对定性定量检测。

    靶向检测

    非靶向检测

    48种胆汁酸

    (含初级与次级)

    有机酸,有机胺类,核苷酸,生物碱,醇类,类固醇类,植物激素,极性有机化合物

    27种神经递质

    代谢组接受样本类型:粪便、血清、植物/动物组织、细菌、细胞、尿液、其他体液等

    5

    什么是代谢组广筛与靶向检测?

    当没有具体思路和明确的检测代谢产物时,可以尝试先进行代谢组广筛(GC-MS或者LC-MS),得到差异较大或者丰度高的代谢产物后再选择靶向检测(临床样本推荐每组30个生物学重复,具有较好的统计学意义)。

    如有前人研究和自身研究基础,或已知菌群结构特点,可直接选择相应的

    靶向检测

    6

    联合分析如何取样?

    基因组和代谢组关联分析,相同类型的样本分别用作微生物测序和代谢组学检测需要同一份样本冻存前提前分装,不同种类样本需要同一时段取样,否则无法关联。

    做微生物测序与代谢组检测的样本禁止反复冻融,因为反复冻融会造成粪便菌群和代谢产物的变化,从而导致较大的实验误差,影响后续的分析。

    需要检测短链脂肪酸,脂肪酸的样本不可冻干,因为其属于易挥发代谢产物。

    更多关于《微生物测序和代谢组学检测样本取样标准》请滑到文末加客服微信索要。????

    7

    不同类型或者部位的样本

    可以做联合分析吗?

    研究的侧重点是什么?



          不同样本类型的组合有着不同的实验目的,老师们可以根据自己的需求进行选择。组合的方式包括但不限于以上的情况。

    8

    联合分析需要多少生物学重复?

        根据我们的经验,不同的样本类型,我们建议不同数量的生物学重复样本数量,以达到更好的统计学效果。

    9

    如何进行联合分析?

    能够得出什么结果?

          在进行联合分析研究的时候,主要分为三步。第一步决定微生物测序的样本类型,进行微生物的测序研究;第二步决定代谢组检测的样本类型和代谢组检测平台进行检测;第三步把两方面的数据进行关联分析。

        在关联分析后我们会得到以下的表格:

       此表格会对微生物与代谢产物进行Spearman correlation的关联分析计算,得出关联系数r值,此值可以体现某特定微生物与代谢产物的关联性,基于r值,我们可以绘制出以下图片来更直观的展示结果。

    微生物与代谢产物关联分析热图

    横坐标为代谢产物,纵坐标为菌种名称。关联分析热图代谢物能够快速直接判断代谢物与微生物的相互关系。

    微生物与代谢产物(大类)关联分析热图

    基于微生物与代谢产物关联分析热图做出的进一步整理,可以快速直接判断代谢物大类与微生物的相互关系。

    微生物与代谢产物关联网路图

    对于典型相关的微生物/代谢产物的可视化展示是非常重要的结果,而关联网络图就可以达到直观展现典型相关的微生物/代谢产物相互关系的目的。

    典型微生物/代谢产物散点图分析

    散点图分析可以进一步验证典型和微生物/代谢产物相关性系数分析的真实性,从而去除假阳性的强相关作用。

    差异菌种代谢功能与代谢产物关联分析图

    在找出差异的菌种功能前提下,此图可以直观的显现出差异功能和代谢产物之间的相关性。

    阅微基因提供

    更多全面完善的微生物组&代谢组联合分析服务

     

     除上文提到的内容外,您可能还有如下疑问:

    • 如何对微生物+代谢组联合分析的各种类型的样本进行取样?

    • 如何设计微生物+代谢组联合分析试验方案?

    • 微生物组学、代谢组学、联合分析的生信分析详细内容?

    • 其他在进行微生物组学和代谢组学联合分析上的注意事项?

    此前,阅微基因已举办过多场《微生物+代谢组联合分析的方法与应用》公开课,为近千名老师、同学解答了关于联合分析方面的疑惑。没赶上公开课?别遗憾,扫码加客服微信,即可免费获取公开课链接及课程PPT。

    阅微基因 客服微信

    扫一扫左边的二维码图案,加我微信

    为了更好地服务广大科研工作者,阅微基因推出16S测序开学大促销,超低价格,还有高级分析免费送,助力您的微生物研究。同时如选择微生物+代谢组学服务,更能享受折上折,详情请加微信咨询或点击促销海报留下信息。

    参考文献

    [1] Sharon, Gil, et al. "Human Gut Microbiota from Autism Spectrum Disorder Promote Behavioral Symptoms in Mice." Cell 177.6 (2019): 1600-1618.

    [2] Franzosa, Eric A., et al. "Gut microbiome structure and metabolic activity in inflammatory bowel disease." Nature microbiology 4.2 (2019): 293.

    [3] Wilmanski, Tomasz, et al. "Blood metabolome predicts gut microbiome α-diversity in humans." Nature biotechnology (2019): 1-12.

    [4] Liu, Chang, et al. "Dynamic Alterations in Yak Rumen Bacteria Community and Metabolome Characteristics in Response to Feed Type." Frontiers in microbiology 10 (2019).

    更多详细案例解析请点击链接:

    《代谢组学+微生物组的“联用”与“联合分析”》

    《微生物联合代谢组检测评价中草药对肠道微生物的影响》

    《竟然还不赶紧让代谢组上微生物的车》

     阅微基因 北京 | 苏州 | 广州

    法医产品科研服务临床检测

    为您提供DNA检测的完整方案

    www.microread.com

    4000 192 196

    info@microread.com

    点击

    查看更多精彩内容。

    展开全文
  • 微生物组学测序十大错误认知

    千次阅读 2020-06-22 17:36:19
    大家都知道,使用高通量测序技术解决微生物组学问题,已经成为一种成熟并且高效的技术手段。最近呢,我们的技术人员与科研工作者沟通时,发现很多人对组学研究存在不少模糊甚至错误的认识,为了便于大家学习到正确的...
  • 大数据:微生物组学及其他生物医学领域的机遇与挑战,徐振江
  • 基于三代测序技术的微生物组学研究进展 2020-09-04 09:16 微生物通常指一切难以用肉眼观察到的微小生物, 包括细菌、病毒、古菌、真菌以及一些微小的原生生物。微生物体积微小、结构简单, 却又无处不在, 在人类健康...
  • 科学家们往NCBI/EMBL/DDBJ等数据库提交的组学数据,也可以提交到国家微生物科学数据中心(NMDC,http://nmdc.cn/)了!感受数据提交服务亮点:线上全流程数据汇...
  • 人体微生物组学与精准医疗.pdf
  • 微生物组学与植物病害微生物防治

    千次阅读 2018-12-29 00:00:00
    点击上方蓝色「宏基因组」关注我们!1.植物微生物群落的构成在自然界中无病症的植物都与大量的细菌,真菌,病毒以及原生动物等微生物共生,大家把这些微生物统称为植物微生物组。植物微生物组由根...
  • 陕西省微生物研究所 常帆 主要研究方向为土壤微生态,同时负责服务器维护和相关流程搭建。简介文章简介MicrobiomeAnalyst,综合微生物组学数据网页工具,2017年发表在Nucl...
  • 原创: 林二狗  宇宙实验媛   宏基因 ...宏基因测序是将环境总DNA提取出来,...最终获得重要的宏基因信息,如序列组成(GC含量、基因大小等)、物种组成、功能组成和群落特征等...
  • 简介 标题:Developing standards for the microbiome field微生物组学领域的标准...
  • 标题 Identifying and Overcoming Threats to Reproducibility, Replicability, Robustness, and Generalizability in Microbiome Research 中文标题 分辨与克服影响微生物组学研究中可再现性、可重现性、稳定性和...
  • 微生物组微生物组R包
  • # 点击蓝字 关注我们 #课题组介绍环境微生物组学研究环境中全部微生物及其遗传信息,其方法学基础与理论拓展应用是国际学术前沿和热点,关键科学问题包括:1)如何全面高效定量识别微生物群落? ...
  • 宏基因组 扩增子数据(16s/18s/ITS)最新版Qiime2分析流程 ...STAMP:微生物组间差异分析 16S信息分析流程软件和数据库合集 单个微生物组 MEGA:系统发育树|参考文档 Evolview:进化树美化 Rockhopper:单菌转录...
  • 近日,奥地利格莱兹科技大学Gabriele Berg教授和亥姆霍兹慕尼黑中心Schloter教授究国际专家组成的小组会议讨论关于微生物和微生物组到最新的技术发展和研究结果,明确区分了“微生物群”和“微生物组”两个术语,并...
  • 微生物组分析最佳实践Best practices for analysing microbiomesImpact Factor:34.648https://doi.org/10.1038/...
  • Geobacter sulfurreducens微生物燃料电池产电过程的蛋白质组学分析,付玉明,秦有才,微生物燃料电池(MFC)是一种新的能源环境技术,然而MFC产电微生物中的物质、能量和电子传递过程尚不明了,限制了MFC的发展。...
  • #2.4_微生物遗传算法_Microbial_Genetic_Algorithm_(机器学习_进化算法_Evolutionary
  • 本文转自肠道产业,点我阅读原文,有修改这是《肠道产业》第 583 篇文章编者按:随着二代测序技术的成熟,微生物组领域蓬勃发展,并产生了大量数据,近年来研究所涉及的样本量和测序数据量更是快速...
  • 近年来,随着测序技术的发展,微生物组学研究持续火热,微生物组学技术已成为微生物研究领域科研工作者必不可少的研究技术,对其技能要求也越来越高。针对广大科研工作者在运用微生物组学技术开展研究工作中面临的...
  • 微生物生态学科的快速发展产生了大量的序列数据集,目前一般存储在NCBI、ENA和MG-RAST等国际生物信息数据库。但是这些数据库缺少用于检索、整合和重新分析多个独立数据集所必需的信...
  • 微生物组+代谢组联合分析

    千次阅读 2021-01-11 10:41:07
    微生物的代谢组学可发现肠道微生物随宿主病理生理变化的关键代谢物,为微生物组-宿主互作机制研究提供线索。 通过微生物组+代谢组联合分析,可以对微生物与代谢物之间的相互关系进行研究,如微生物菌群与其生存环境...
  • 编译:微科盟阿Z,编辑:微科盟木木夕、江舜尧。微科盟原创微文,欢迎转发转载,转载须注明来源《微生态》公众号。导读最近已证明宿主遗传是植物微生物组组成的驱动因素之一。然而,确定控制微生物选...
  • 中国土壤微生物组:进展与展望*

    千次阅读 2020-07-15 07:00:00
    文章信息:朱永官,沈仁芳,贺纪正,王艳芬,韩兴国,贾仲君. 中国土壤微生物组:进展与展望[J]. 中国科学院院刊, 2017, 32(6): 554-565+542.第一作者单位:中国科...
  • 本文转自"宇宙实验媛",已获授权说到动物模型,大家肯定都不陌生。仓鼠、豚鼠、大小鼠,谁不知道,没摸过鼠毛还没见过鼠跑吗?!很多微生物组学研究也都是依赖各种鼠模型完成的。但...
  • 建立在高通量测序基础上的微生物群落研究,当前主要有三大类:基于16S/18S/ITS等扩增子做物种分类的Metataxanomics、鸟枪法打断全基因DNA序列的Metagenomics和基于mRNA信息的宏转录方法Meta-transcriptomics。...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 6,425
精华内容 2,570
关键字:

微生物组学

友情链接: VB.rar