基于肠道微生物组特征解析迁徙人群的溯源与个体追踪研究

　　本研究通过16S rRNA测序技术分析迁徙至中国的非洲人群肠道菌群，发现其微生物组成更接近目的地人群（p<0.01），但仍保留源人群特征菌属（如Ruminococcus f_Luminocccae）。研究进一步构建随机森林模型实现81.9%的群体区分准确率，为法医学个体追踪和居住地推断提供了微生物学证据。

　　

Highlight

样本收集

粪便样本采集自两组志愿者：出生于非洲但现居中国（17-42岁，n=131）及中国本土人群（n=50）。所有参与者过去一年无重大疾病史且无生物学关联，正在服用抗生素者被排除。每位参与者填写生活方式问卷，评估饮酒、吸烟、咖啡摄入、睡眠节律等因素。

样本群体人口统计学与测序数据描述

本研究收集了131名迁居中国的非洲人群和50名中国本地人的粪便样本。尽管既往生活环境不同，两组饮食习惯相似。非洲组饮酒史比例为35.9%，中国组为26%；吸烟率分别为18.3%和8%；非洲组53.5%每日饮用至少一杯咖啡，中国组仅2%。通过16S rRNA测序共获得3,715,420条高质量序列，聚类为1,291个操作分类单元（OTUs）。

讨论

微生物在不同大洲人群间存在差异，这种差异由群体遗传和生活方式共同塑造（48,49）。中国人口结构复杂且具有独特流动性，迁徙人群的肠道菌群在适应新环境过程中发生显著变化，但仍保留部分源人群特征菌群（如Ruminococcus f_Luminocccae）。环境因素（在华时长、咖啡摄入、睡眠节律）显著影响菌群结构。本研究通过机器学习模型成功实现群体区分，为法医溯源提供新思路。

结论

本研究表明经历地理环境变迁的群体，其肠道菌群组成虽更接近迁入地人群，但仍保留源人群特有微生物（如Ruminococcus）。基于三组差异微生物构建的机器学习模型可有效区分群体（准确率81.9%），为法医学个体居住地与族源推断提供新方法。