微生物负荷是理解肠道微生物组与各种疾病之间关联的一个关键但常被忽视的因素。位于海德堡欧洲分子生物学实验室（EMBL）的Peer Bork博士研究团队开发了一种机器学习模型，该模型可以在不进行额外实验程序的情况下估算微生物负荷，即肠道中微生物的密度，这可能彻底改变科学家分析微生物组的方式。这项研究强调了微生物负荷的重要性，而不是更常用的微生物组成，作为微生物组研究中的一个指标。这篇发表在《细胞》杂志上的论文题目为“粪便微生物负荷是肠道微生物组变异的主要决定因素，也是疾病关联的混杂因素”。
虽然微生物组研究通常关注微生物组成——样本中细菌、病毒和其他微生物的比例多样性——但微生物的总量可以提供不同的微生物组数据视角。组成研究方法已经提供了关于特定微生物如何与某些疾病相关的见解，但这些微生物的总量可能具有不同的关联或影响。
“我们希望开发一种新的方法，无需额外的实验方法即可量化微生物负荷，”《细胞》报告的第一作者Suguru Nishijima博士说。这种新模型允许研究人员仅基于微生物组成数据估算微生物负荷，避免了直接测量微生物负荷所需的时间和成本高昂的实验方法。Nishijima补充道：“我们有大量同时包含微生物组成和实验测量微生物负荷数据的数据集。我们想看看是否可以利用这些数据训练一个机器学习模型，仅凭微生物组成来估算微生物负荷。”
为了构建和验证他们的机器学习模型，研究人员使用了两个大型欧盟资助项目的数据：GALAXY/MicrobLiver和Metacardis联盟，包括来自超过3,700人的数据。当在另一个数据集上测试时，该模型成功且准确地预测了微生物负荷。然后，他们将模型应用于一个更大的数据集，该数据集涵盖了45个国家的159项研究中的27,000多人。
“重要的是，许多之前被认为与疾病相关联的微生物物种，实际上更多地是由微生物负荷的变化解释的，”Nishijima指出。分析还揭示了由疾病以外的各种因素引起的微生物密度变化的新见解。药物可以显著影响微生物负荷。消化不适会导致微生物负荷波动——腹泻和便秘分别会减少或增加微生物负荷。此外，人口统计学因素如年龄和性别也会影响微生物负荷。年轻人的微生物负荷往往低于老年人，女性的微生物负荷通常高于男性，尽管这可能与便秘有关，因为女性报告便秘的频率高于男性。
“这些发现表明，微生物负荷的变化，而不是疾病本身，可能是患者微生物组变化的驱动因素。然而，某些疾病-微生物的关联仍然存在，这表明这些关联是真正稳健的，”Nishijima总结道，“这进一步证实了在微生物组关联研究中纳入微生物负荷的重要性，以避免假阳性和假阴性。”
Nishijima及其同事开发的机器学习模型是第一个从组成数据预测微生物负荷的模型。这个新模型可供其他研究人员免费使用，预计除了最初的肠道微生物组研究外，还将有其他用途。EMBL海德堡主任Bork博士分享了他对该模型更广泛影响的看法：“我们的海洋、土壤、河流都充满了微生物，了解这些微生物组可能会带来宝贵的见解，帮助保护我们的地球健康。这项研究表明，微生物负荷是一个重要的度量标准，必须在这些研究中考虑。因此，我们将致力于将肠道微生物组的知识转化为其他栖息地的研究。”
(全文结束)
