研究人员以前所未有的规模分析了帕金森病患者的肠道微生物组，发现了与其疾病相关的组成和功能能力的改变。
来自Quadram研究所和欧洲分子生物学实验室（EMBL）的科学家们结合了来自全球22项不同研究的近4,500个样本，并使用机器学习技术分析了这一庞大的数据集。
除了识别出与帕金森病最相关的细菌类型外，这项荟萃分析还突出了在帕金森病肠道微生物组中最常见的代谢功能，这些功能可能对肠道健康产生负面影响。有趣的是，帕金森病患者的肠道微生物组中富集了可能参与生化转化溶剂和农药的微生物途径，这与其他将这些化学物质暴露与该疾病联系起来的研究相吻合。
帕金森病是一种越来越常见的神经退行性疾病，其特征是不自主的颤抖、僵硬和缓慢运动。它还会导致许多与运动无关的症状，包括便秘、炎症和肠道屏障通透性增加等胃肠道问题。在某些情况下，胃肠道障碍可能在运动症状出现前几十年就出现了。这引起了人们对肠道微生物组在理解、诊断甚至潜在治疗该疾病中的兴趣。
几项分析帕金森病患者微生物组的研究表明，它们与健康微生物组存在差异，但这些研究之间存在很大的变异性。这在微生物组研究中并不罕见，因为不同的研究方法以及世界各地人群的固有变异都会导致这种变异性。
四年前，Quadram研究所的研究人员进行的一项早期荟萃分析，结合了不同研究的数据，确定了一些在不同大陆上帕金森病微生物组的共同特征，但迄今为止，关于表征帕金森病微生物组的微生物仍缺乏共识。
识别与帕金森病相关的微生物及其代谢功能对于解开可能将微生物组与该疾病联系起来的机制至关重要，并为未来基于微生物组的诊断和治疗研究打开了大门。
由于分析构成肠道微生物组的数万亿微生物需要处理大量的数据，研究人员转向了机器学习技术，以寻找能够区分帕金森病的模式。
机器学习与人工智能相关，因为它利用统计原理在大型数据集中识别和学习模式，并对未来数据点进行预测。
一些个别研究表明有希望，报告称他们的模型准确率达到90%，但真正的考验是在使用独立人群的样本时，预测模型的表现如何。
来自Quadram研究所的研究人员与德国海德堡欧洲分子生物学实验室的同事合作，进行了大规模的荟萃分析，以统一的方式在来自四个大洲的22项研究的大量公开可用微生物组数据池上构建和评估此类机器学习模型。
他们在《自然通讯》杂志上发表的研究结果表明，大多数机器学习模型都是特定于研究的，在其他研究中并不能很好地推广。这可能是由于大多数研究仅限于一小部分帕金森病患者，这些患者并不代表更大的全球患者群体，也没有涵盖这种复杂疾病的变异性。然而，通过对许多研究的数据同时训练机器学习模型，这些模型在识别其他研究中的帕金森病相关微生物组变化方面变得显著更好。
团队的新分析的一个引人注目的发现是，帕金森病患者的肠道微生物组中富集了参与分解异生物质（即对身体来说是外来的化学物质，包括杀虫剂、溶剂和污染物）的基因。
目前尚不清楚哪些异生物质诱导了这种微生物组特征，也不能排除帕金森病药物产生了所见效果的可能性。同样也不清楚微生物组增强分解这些化学物质的能力会产生什么影响。
“推测肠道微生物组的组成可能会因接触这些化学物质而改变。或者，微生物组分解这些化学物质的过程是否会改变它们对大脑神经元的已知影响？这是否具有保护作用，还是这个过程会增加这些化学物质的神经毒性？”该研究的资深作者、EMBL的Georg Zeller博士评论道。
“需要更多的研究来了解肠道微生物如何转化这些化学物质的分子机制。”
研究人员的荟萃分析还发现了与感染过程相关的病原菌的标志，这些病原菌可能有助于炎症和肠道通透性的增加。
肠道渗漏可能会促进细菌产物和潜在有毒化合物从肠道进入体内，甚至进入大脑和中枢神经系统。
需要进一步的研究来验证这一点，但由于我们的肠道微生物组对我们每个人来说都是独特的，这意味着我们的微生物组可能会增加我们患帕金森病的风险，甚至可能提供某种解毒保护。
“通过利用大量数据，我们提供了与帕金森病稳健相关的肠道微生物组分类学和功能特征的最新视图，”该研究的第一作者Stefano Romano博士评论道，他在EMBL和Quadram研究所工作过。
Quadram研究所的Arjan Narbad教授评论说：“越来越多的证据表明肠道微生物组在帕金森病发病机制中的作用，但个体微生物组的变异使得很难确定最有可能参与疾病过程的具体微生物。结合使用机器学习和深度宏基因组测序的大队列研究为诊断和治疗提供了有希望的基础。”
参考文献：Romano S, Wirbel J, Ansorge R, 等. 基于机器学习的荟萃分析揭示与帕金森病相关的肠道微生物组改变。Nat Commun. 2025;16(1):4227. doi: 10.1038/s41467-025-56829-3
(全文结束)