除了新测序技术的获取,生物信息学工具也可以帮助我们对肠道菌群功能建立起更全面的认知。Picrust2 等工具可以实现基于扩增子测序得到的数据,推断出微生物群落中的代谢与致病基因。尽管这类工具无法直接得到功能特征信息,但也有助于我们理解可能发生在菌群失调过程中的代谢变化。 鸟枪法可以直接得到微生物群落的功能特征信息,如代谢与毒力基因。如果把微生物群落视作一个整体,那么了解微生物群落的功能特征则比组成更重要。此外,为了对测序结果作进一步补充,通常可以通过生物信息学分析,表征特定功能,如抗生素抗性基因或移动遗传元件。 耐药动力学是“ one health 假说”倡导的重要特征,也是抗生素抗性基因在人类、动物和环境之间转移的证据。对于移动遗传元件,为了确定其质粒/转座子/整合子的结构,需要结合长读长测序技术和短读长测序技术。噬菌体虽然是细菌水平基因转移的重要参与者,然而有关噬菌体在抗生素抗性基因转移中所发挥的作用,是否如同在毒力基因传播中表现得那样,至今尚未揭晓。
多组学联合分析
多组学或整合组学(基因组学-转录组学-蛋白组学-代谢组学)正成为生物信息学领域重要且便于使用的工具,可以全面表征与疾病有关的菌群功能,以及随时间推移个体内的变化情况,这些变化有别于因疾病、抗生素、饮食变化等引起的任何失调。 由于每个组学都有自己的实验流程,而且有时需要从同一个体中提取多个样本,因此每个组学都是独立进行的,不过所有结果都会进行联合分析,以重构菌群生理网络。此外,运用多组学方法不仅能了解微生物群落,还可以了解其与宿主的关系,这也是件很有意思的事情。 这种方法所面临的挑战主要是如何将由大量实验产生的不同类型的数据整合到一起。边际相关分析、回归分析、高斯或贝叶斯模型等统计方法主要用于解决那些由多个统计学独立观测所推断得出的基因、转录、蛋白质和代谢物之间关系。正如所有新领域在探索过程中都会历经的那样,这些统计方法在质疑声中不断改进前行,直到摸索建立出一套适合研究肠道菌群生理学的方法。 原文链接:WGO handbook on gut microbiome:a global perspective 作者|Paúl Cárdenas, MD, PhD编译|77审校|617编辑|三木投稿/转载联系人:何隽微信号:18518006142