探索令人困惑的微生物多样性的新方法

　　科学家们描述了一种前所未有的详细探测微生物组的新方法。与现有方法相比，该技术提供了更大的简单性和易用性。利用这项新技术，研究人员展示了一种更精确地定位生物学相关特征的能力，包括基于微生物组样本的受试者年龄和性别。

　　

这些微小的实体被统称为人类微生物群，它们影响着从新陈代谢到行为的一系列惊人的活动，并在健康和疾病中发挥着核心作用。大约39万亿非人类微生物在我们体内和体内繁衍生息，无休止地相互依存。总的来说，它们构成了人体细胞的一半以上，尽管它们拥有的基因数量可能是人类细胞的500倍。识别并理解这种微生物mélange一直是研究人员面临的主要挑战。

在一项新的研究中，朱启云(音译)和他的同事描述了一种新的方法，可以以前所未有的细节来探索微生物组。与现有方法相比，该技术提供了更大的简单性和易用性。利用这项新技术，研究人员展示了一种改进的能力，可以精确地确定生物学上相关的特征，包括基于微生物组样本的受试者的年龄和性别。

这项创新的研究有望迅速推进对微生物组之谜的研究。有了这些知识，研究人员希望更好地了解这些微生物是如何共同行动来保护人类健康的，以及它们的功能障碍是如何导致一系列广泛的疾病的。随着时间的推移，药物和其他疗法甚至可以根据病人的微生物特征量身定制。

朱教授是亚利桑那州立大学生命科学学院和基础与应用微生物生物设计中心的研究员。该研究团队包括来自加州大学圣地亚哥分校的合作者，包括共同通讯作者罗布·奈特，朱的前导师。

该小组的研究结果发表在最新一期的mSystems杂志上。

行业工具

通过对样本中存在的微生物DNA进行测序，两项强大的技术已经被用来帮助研究人员解开微生物组的多样性和复杂性。这些被称为16S和宏基因组测序。当前研究中描述的技术利用了这两种方法的优势，创造了一种处理微生物组数据的新方法。

“我们借鉴了16S RNA测序的一些智慧，并将其应用到宏基因组学中，”朱说。与包括16S在内的其他测序方法不同，宏基因组学允许研究人员对微生物组样本中的所有DNA信息进行测序。但这项新研究表明，宏基因组方法还有改进的空间。“人们目前分析宏基因组数据的方式是有限的，因为整个基因组数据必须首先转化为分类法。”

这种被称为操作基因组单元(Operational Genomic Units, OGU)的新技术，消除了将样本中的大量微生物划分为属和种等分类学类别的繁琐操作，有时还会引起误解。相反，该方法使用单个基因组作为统计分析的基本单位，并简单地尝试将样本中的序列与现有基因组数据库中的序列进行比对。

通过这样做，研究人员可以获得更细粒度的分辨率，当存在DNA序列密切相关的微生物时，这特别有用。这是真的，因为大多数分类是基于序列相似性。如果两个序列的差异小于某个阈值，则它们属于同一分类类别，然而OGU方法可以帮助研究人员区分它们。

此外，该方法克服了分类学上的错误，这些错误从测序前时期就一直存在，当时不同的物种是根据它们的形态而不是DNA序列数据来定义的。

除了提高分辨率和简洁性，OGU还可以帮助研究人员使用所谓的系统发育树分析数据。顾名思义，这些分支结构可以根据序列相似性来描述生物之间的亲缘程度。就像蠕虫和羚羊这两个远亲物种会出现在系统发育树的更远的分支上一样，更远亲的细菌和微生物群的其他组成部分也会出现在更远的分支上。

创新测序

最广泛用于探测微生物组的技术，被称为16S核糖体RNA测序或简称16S，依赖于一个简单的想法。所有的细菌都有一个16S基因，这对细菌启动蛋白质合成的机制至关重要。细菌的16S基因长度为1500对碱基对，由不同的区域组成。其中一些区域在不同的细菌和进化时间框架中变化很小，而另一些区域变化很大。

研究人员意识到，16S基因的保守和可变区域允许它作为一个分子时钟，根据它们的序列相似度，跟踪关系更近或更远的细菌。因此，16S的8个保守区和9个可变区可用于细菌指纹鉴定。

要做到这一点，首先要采集微生物组样本。这可以是粪便样本，用来评估肠道微生物群，也可以是皮肤或口腔的样本。每一处尸体都是不同细菌群落的家园。

接下来，利用PCR技术对16S基因的部分片段进行扩增。通过对高度保守的区域进行测序，可以识别出一大片细菌，而对可变区域进行测序有助于缩小特定细菌的鉴别范围。

虽然16S是一种廉价和成熟的方法，但它有局限性。这项技术只能给出目前细菌种类的大致概念，分辨率有限。一般来说，16S只精确到属水平的鉴定。

输入宏基因组测序。这种技术对微生物组样本中所有微生物的全部基因组进行测序(不像16S那样仅仅是细菌)。宏基因组学允许研究人员同时对数千个生物进行测序，提供了精确的物种级分辨率。然而，更高的分辨率是有代价的。宏基因组数据比16S数据更丰富，在计算上也更有挑战性，处理时间和金钱也更昂贵。

宏基因组学的新途径

OGU技术简化了宏基因组测序，同时提供了更高的分辨率。该方法对样本中的微生物进行分类，严格按照它们与参考数据库的比对——不需要进行分类分配。该方法使研究人员能够评估样本中物种多样性的程度。

与16S和标准宏基因组测序相比，新方法在查找生物学相关信息方面具有优势。利用从男性和女性受试者的七个身体部位取样的210个宏基因组的经典人类微生物组项目数据集，该研究证明了身体部位和宿主性别之间更好的相关性。

接下来，通过随机抽样芬兰人群收集的6430份粪便样本进行分析，使用16S和宏基因组测序。这些样本属于芬兰人口的一个大的随机队列，称为FINRISK。该研究的目的是根据肠道微生物组成预测样本个体的年龄。OGU方法再次优于16S和传统宏基因组分析，提供了更准确的预测。

利用更大数据集的新研究将进一步提高新技术的分辨率，并扩展与分类法无关的分析的描述能力。

Journal Reference:

1. Qiyun Zhu, Shi Huang, Antonio Gonzalez, Imran McGrath, Daniel McDonald, Niina Haiminen, George Armstrong, Yoshiki Vázquez-Baeza, Julian Yu, Justin Kuczynski, Gregory D. Sepich-Poore, Austin D. Swafford, Promi Das, Justin P. Shaffer, Franck Lejzerowicz, Pedro Belda-Ferre, Aki S. Havulinna, Guillaume Méric, Teemu Niiranen, Leo Lahti, Veikko Salomaa, Ho-Cheol Kim, Mohit Jain, Michael Inouye, Jack A. Gilbert, Rob Knight. Phylogeny-Aware Analysis of Metagenome Community Ecology Based on Matched Reference Genomes while Bypassing Taxonomy. mSystems, 2022; DOI: 10.1128/msystems.00167-22