 肠道菌群已在健康和医疗领域彰显出巨大的应用潜力，但菌群未知的功能和应用仍有待于深入探索和挖掘。肠道菌群与人类疾病（如炎性肠病、心血管疾病、肥胖、糖尿病、消化道肿瘤、抑郁症和阿尔兹海默病等）相关性的报道层出不穷，研究者迫切希望寻找到菌群和宿主之间 “对话”的媒介。 贾伟教授研究团队2017年率先开发了基于GC-TOF/MS技术的高通量绝对定量检测150种重要肠道菌群相关代谢物分析方法， 15分钟内实现对血清、尿液、粪便或者细菌（如大肠杆菌）等样本中的菌群相关代谢物进行全自动化学衍生和定量分析。2018年研究团队又将相关分析、差异分析和网络分析等多种分析方法进行整合，建立了代谢组-肠道微生物组关联分析新策略，为跨组学关联研究提供了新方法，相关成果均已发表在分析化学领域经典期刊《Analytical Chemistry》。 在菌群研究领域，微生物组（扩增子/宏基因组）与代谢组学是两大核心技术手段。微生物组能够筛选出菌群结构差异与丰度差异，预测或注释其功能差异，代谢组则是菌群之间及与宿主互作功能直接反映，两者相辅相成，缺一不可。面对两个庞大的数据集，研究人员，该如何将两个数据集进行关联分析往往无处着手。 此前，麦特绘谱已推出微生物组和代谢组关联分析（Microbiome-Metabolome Association Analysis, MMAA）解决方案，可匹配多样化的定制需求，并出具相应的数据关联分析报告。  1. 热图展示差异代谢物和差异菌属间的相关性。  2. 对显著相关的菌属与代谢物作和弦图，直观展示不同生理条件下菌属与代谢物关系的变化。  3. 对关键菌属和代谢物作网络图，展示它们之间的关联。  4. 加权基因共表达网络分析 (WGCNA, Weighted correlation network analysis)是用来描述不同样品之间基因关联模式的系统生物学方法。该分析方法旨在寻找高度协同表达的基因集, 探索基因集的内连性和基因集与表型之间的关联关系。使用WGCNA对代谢和微生物组数据进行聚类降维，再结合表型数据筛选出与表型关联显著的代谢路径和基因功能模块，最终获得代谢路径与基因功能模块的相关性。通过WGCNA分析时采用相关系数加权值，再层次降维，在精简数据维度的时候也更具生物学意义。  了解更多肠道菌群与代谢组关联分析解决方案相关内容，请联系我们，我们将为您提供更详尽的解答。 |
|
|
来自： 生物_医药_科研 > 《肠道菌群 代谢组》
