新的研究表明，肠道微生物负荷，而不是特定的细菌，影响与胃肠道疾病相关的症状，这一发现可能会改变疾病的管理和理解方式。研究人员利用机器学习发现，受年龄、性别、饮食等因素影响的肠道微生物负荷变化，在疾病相关细菌的存在中起着重要作用。这一新见解挑战了传统观念，即某些微生物直接导致炎症性肠病（IBD）或结直肠癌等疾病。相反，腹泻和便秘等症状更密切地与微生物负荷的变化有关。基于庞大的宏基因组数据集，这些发现可能会重塑诊断和理解胃肠道疾病的方法。
微生物负荷与疾病
许多与细菌相关的疾病，如炎症性肠病和结直肠癌，通常与某些被认为是有害的肠道细菌过度生长有关。然而，当研究人员使用机器学习算法从肠道微生物组样本中预测微生物密度（即微生物负荷）时，他们发现微生物负荷本身的变化，而不是疾病，可能驱动与这些疾病相关的细菌存在。这项研究今天（2024年11月13日）发表在《细胞》杂志上，显示微生物负荷的变化受到年龄、性别、饮食、原籍国和抗生素使用等因素的影响，这些变化在粪便样本中发现的细菌种类和数量中起着重要作用，即使是在患有这些疾病的人群中也是如此。
微生物研究的意外发现
“我们惊讶地发现，许多以前被认为与疾病相关的微生物物种，更多地是由微生物负荷的变化解释的，”欧洲分子生物学实验室（EMBL）海德堡的高级作者Peer Bork说，“这表明这些物种主要与腹泻和便秘等症状相关，而不是直接与疾病状况本身相关。”微生物负荷长期以来一直被认为是微生物组研究中的一个重要因素，但由于实验方法的高成本和劳动密集性质，大规模分析一直受到限制。研究人员通过机器学习方法克服了这一难题，开发了一种基于相对微生物组组成的粪便微生物负荷预测模型，并将其应用于大规模宏基因组数据集，以探索其在健康和疾病中的变化。
利用数据进行更广泛的研究
“测量粪便样本中的微生物负荷需要很多努力，我们很高兴能够访问两个大型宏基因组数据集，其中微生物负荷已经通过实验测量，”EMBL的Michael Kuhn说，他也是该研究的另一位高级作者。“通过我们的方法，我们希望将这些数据推广到更大的领域，通过我们提供的工具，可以预测所有成人人类肠道微生物组研究中的微生物负荷。”研究团队生成的数据集包括数千个宏基因组和实验测量的微生物负荷，这些数据来自欧盟资助的GALAXY（酒精性肝纤维化中的肠道-肝脏轴）项目和诺和诺德基金会的MicrobLiver项目。他们还使用了先前公开的MetaCardis研究人群的宏基因组和微生物负荷数据。对于探索性数据集，他们使用了来自日本和爱沙尼亚等先前研究的数万个宏基因组。
挑战与局限
研究团队承认工作的局限性。由于分析仅基于关联，他们无法确定明确的因果关系，也无法提供机制性的见解。此外，开发的方法仅适用于人类肠道微生物组：需要不同的训练数据集来预测其他栖息地（如海洋和土壤微生物组）的微生物负荷。
微生物负荷研究的未来方向
未来的研究将集中在与疾病更直接相关的微生物物种上，独立于微生物负荷，以更好地理解它们在疾病病因学中的作用及其作为生物标志物的潜在用途。此外，将这种预测模型适应到其他环境，如海洋和土壤微生物组，可以为全球范围内的微生物生态学提供更多见解。
参考文献：Nishijima等人，2024年11月13日，《细胞》，DOI: 10.1016/j.cell.2024.10.022
(全文结束)
