今年3月Cell推出了微生物组专刊，详见下方链接。

• Cell：22篇微生物文章为微生物组打Call

其中Peer Bork一篇关于关联分析的综述写的非常系统，值得广大同行精读。

由于全文15000余字，我将阅读笔记分三次分享给大家。

人类肠道微生物组：从关联到调控

Thomas S.B. Schmidt,1 Jeroen Raes,2,3, and Peer Bork1,4,5,6,

1. 德国，海德堡，EMBL结构与计算生物学实验室

2. 比利时，鲁汶，鲁汶大学微生物与免疫系

3. 比利时，鲁汶，VIG微生物中心

4. 德国，伯林，亥姆霍兹联合会

5. 德国，符兹堡大学，生物中心，生物信息系

我们对人类肠道微生物组的了解持续快步进前，但这些知识的实际应用仍处于起步阶段。 这篇综述讨论了将微生物组研究转化为能够给人类宿主带来特定益处的靶向调控所必需的研究类型

人类微生物组是我们这个时代最具活力的研究领域之一，并且大部分研究工作都针对蕴藏着我们大部分的微生物的肠道。在过去的十年中，由于技术的快速发展，我们对居住在我们肠道中的生物体、功能以及它们在人类健康和疾病中的作用的理解大大提高。肠道微生物组的研究发展正在经历着与其他生物系统类似的几个步骤：（1）零件清单(物种和功能组成)的编制，（2）系统或其组件与外部因素的关联，（3）功能知识的建立，（4）将这些功能知识转化推广为应用。对于肠道菌群的发展，这四步体现如下：

（1）    十多年来，编制肠道微生物“零件清单”如火如荼，在原核生物领域以及属和种的水平上现在已基本完成。几项研究建立了微生物组结构和功能的基线 - 即物种及其基因列表 - 主要贡献来自MetaHIT（Li等，2014; Qin等，2010）和人类微生物组计划（HMP）（Nelson等，2010; 人类微生物组计划联盟，2012）联盟的两项大型合作努力。 尽管新的多样性（特别是在亚种和菌株水平）仍在不断被发现，并且大部分微生物基因在功能阐释上还不尽人意，但无疑，工业化人群中最主要谱系的普查正在接近完成（例如，Zhou等人，2018）。

（2）    利用这些“零件清单”， 科学家们针对肠道菌群与疾病，宿主因素或更广泛的环境因素的关联进行了大量研究。 随着研究范围和覆盖度的增加，这些被统称为全宏基因组关联研究（MWASs）（Wang and Jia，2016），类似于全基因组关联分析（GWASs）。 最近，MWAS已达到人口水平，因为大规模的横断面研究（Falony等，2016; Zhernakova等，2016）开始综合考虑各种宿主和环境因素对微生物组成的影响 （见专栏1）。

（3）    MWAS确定的关联是观察性的，这种关联可能是间接的或者被隐含变量所混淆，而且不太容易转化为因果联系。但是，对于从功能上理解一个像肠道菌群这样的复杂系统而言，就必须将“零件列表”（类似于building blocks）（1维）连接成网络结构（2维度）在一个空间（3维）和时间（4维）的背景下（Raes和Bork，2008），这个需要适应的概念（见下文）和方法学的技术手段（见专栏2）。虽然微生物组物种类群的互作网络（2D）研究，即它们物种之间的相互作用（1D）正在进行中，根据横截面数据进行物种相互作用的统计推断仍然具有挑战性（Weiss等人，2016）。究其原委，目前的（粪便样本）测序结果的局限性，一则大部分是非定量的（Vandeputte等，2017c）二则很难反映肠道的空间组织（3D）。此外，相互作用和微生物组的功能是动态变化的，因此，尽管迄今为止的纵向研究（时间序列）仍然很少，但单个肠道微生物和整个菌群落在时间（4D）的背景下进行研究是必要的。无论从个体（agent-level）还是从整个系统层面（multi-agent system），扰动实验尤其能够研究系统的动态（系统动力学特征）。越来越多的干预研究增进了我们对肠道微生物的功能了解，但观察到的反应是放之四海而皆准还是泾渭分明或者因人而异则不是一语可以道破的（见专栏3）。

（4）    最后，微生物组的理论价值逐渐被转化为实际应用，这意味着工作要从简单的扰动转到对微生物的调控。扰动可能引发微生物组的变化，但是其中大部分是不可预见的。靶向菌群调控，要做到尽可能的具有可预测的反应结果同时没有副作用，则需要从功能上对整个系统深入理解，但也需要一个公认的操作性定义，包括内在和与宿主相关期望的“健康”终点。 鉴于这些，我们预计微生物组调控在不久的将来将成为主要的转化资产，从而将建立的微生物组用于多种多样的治疗靶点。

在这篇综述中，我们将重点放在上述背景下的活跃和新兴领域（见图1），特别是关于天然（非实验室条件 in natura, not in vivo ）人类肠道微生物组的研究，不太强调动物模型中体内实验的相关工作。 具体而言，我们重点关注了与微生物组成相关联协变量的最近研究发现，讨论了MWASs的优势和局限性，为了解肠道菌群落以及为改善健康和福祉而制定微生物组调控策略，强烈建议推动纵向（时间序列）和基于扰动的实验设计是必不可少的。

图1. 靶向调控微生物组涉及三个连续和相互依赖的研究路线(宿主-环境-微生物组研究三角)。目前微生物组的结构和功能组成已经建立，MWAS鉴定了众多影响微生物组成的协变量。与此同时，纵向研究的开展为提示微生物组内在动态提供重要线索。综上，为理解肠道菌群功能提供第一线索。扰动实验可进一步扩展认识，揭示微生物生态的动态变化规律。整合对微生物组研究的理解，实现调控微生物组，造福人类。

与人类肠道微生物组成相关的协变量

由于微生物组内在和外在因素，肠道菌群的分类组成在个体之间千差万别（参见图2）。前者取决于微生物组的状态，例如生命期成熟后的其自身反馈、通过分类群相互作用。后者（微生物组 - 外因）是指影响肠道微生物组或与肠道菌群相互作用的各种环境层。这些可以解释一部分观察到的人口内部的变化，可以根据经验分为三个重叠类别：宿主 - 外在因素（即在某种程度上影响宿主生活方式的因素，如饮食习惯），宿主内在因素（如宿主遗传学）和环境因素（例如，母亲菌株对新生儿的垂直传播，或区域菌株库的新殖民化限制;图2）。许多中小型MWAS已经将肠道微生物组成与这些因素联系起来（参见Lynch和Pedersen，2016; Wang和Jia，2016）。这些研究中的大多数已经探索了分类学组成的关联，通常属于属或种，而功能组成(基因和功能库)受技术和经济成本的限制而得到较少的关注。

此外，仅在最近才有足够的队列大小和全面的表型分析能够确定与广泛的协变量相关联并具有足够的统计功效（Falony等，2016; Goodrich等，2016; Turpin等，2016; Wang等，2016a; Zhernakova等，2016）。这种研究首次允许量化相关协变量对微生物组成的相对贡献。一个关键的发现是，即使是最强的协变因素也只能解释个体间肠道微生物组变异的很小部分，估计综合效应的大小在10％-15％的范围内（见专栏1）。然而，这比技术变化要大得多（Costea et al。，2017b），因此应该将已知的协变量考虑为MWAS的潜在混杂因素（见下文）。在这里，我们总结了先前关于人类肠道微生物组成的变异的研究结果，重点是最近的工作。

包括疾病和宿主年龄相关的微生物状态

微生物组成状态与微生物-外在因素相关，并受随机或生态因素影响（例如，环境中重新播种时的建立者效应），但也可能是自我强化的。不同的微生物状态可能意味着与不同的外在因素相关，因此有必要对分析进行相应分层（见专栏3）。一种内在分层因素可能是肠型，但这些群落类型是受外部协变量，如饮食，时间迁移或炎症影响，还是代表了具有类似功能的内在不同的组合优化，或两者兼有还不清楚（Costea et al., 2018）。重要的是，微生物组的关联常常很复杂且很少是单向的：外部影响可能引发组成性变化，然后在适应的微生物组状态中变的根深蒂固，但微生物组状态也以各种方式反馈给宿主（例如，通过产生某些代谢物。

图2. 影响微生物组组成的己知因素(协变量)
微生物组内在的因素，可按经验分为三类：宿主内因，宿主外因，环境。此外，微生物状态反馈影响组成。请明确，这些分类是有重叠的，许多因素与其它存在关联。例如，饮食包含的微生物来自环境，可以肠道定殖，引起疾病状态，变成宿主内因，甚至用药。实践中区分是困难的，同时通常按不同的协变量分类(专栏3)。实际上，已知的协变量在人类肠道微生物组变异的效应是惊人的小(专栏1)。

一个例子是微生物组状态与来自各种医疗指征领域的疾病之间的复杂关联（Gilbert等，2016; Lynch和Pedersen，2016; Wang和Jia，2016）。在一些结直肠癌（Zeller等，2014）或关节炎（Scher等，2013; Tito等，2017; Zhang等，2015b）的情况下，单个标记分类群与疾病是相关的，但对整体组成的影响是轻微的（如低丰度菌）。相反，其他疾病状态与总体组成特征的显着变化相关，例如肥胖（Le Chatelier等，2013; Turnbaugh等，2009）或炎症性肠病（IBD）（Manichanh，2006; Ott等，2004）等的案例中，物种的多样性或丰富度降低。然而，对于任何检测到的关联，先验经验并不清楚是微生物组导致疾病还是疾病导致菌群变化，或疾病状态和观察到的微生物组变化是由第三方因素引起。事实上，最近对28个MWAS数据集进行的一项荟萃分析(meta-analysis)发现，不同疾病之间微生物组存在共有的特征，意味着几个报道的疾病 - 菌群关联可能是非特异性的（Duvallet等，2017），并可能与其他因素（如时间迁移或炎症）有关（另请参见Falony等，2016）。因此，需要建立验证所报道的微生物组标记的疾病特异性，并且最好进行事后检验（test post hoc）, 例如，如果已知合并症或共有症状，正如结肠直肠癌和IBD的情况一样（Zeller等，2014）。

荟萃分析，又称“Meta 分析”，Meta意指较晚出现的更为综合的事物，而且通常用于命名一个新的相关的并对原始学科进行评论的学问，不但包括数据结合，而且包括结果的流行病学探索和评价，以原始研究的发现取代个体作为分析实体。荟萃分析产生的主要的理由是：对于多个单独进行的研究而言，许多观察组样本过小，难以产生任何明确意见。

微生物状态下的其他已确定的差异遵循宿主年龄变化，最近由Kundu等人，2017; Lynch和Pedersen，2016综述。一些与年龄有关的转变是渐进的， 而另一些则是被年龄更清楚地界定的（例如新生儿和年长的婴儿之间），并且与生活方式改变相关（例如停止母乳喂养）。出生后，婴儿被存在于环境和母体的物种定殖（Tamburini等， 2016）。最近菌株水平分析证实了发育中的微生物组的大一部分确实是来源于母体，但接种具有选择性，由于某些门的菌株是从环境中获得的（Korpela等，2018）。

新生儿和早期的微生物组成已经与几种儿童疾病相关，包括特应症和哮喘（例如，Fujimura等，2016; Stokholm等，2018）。有人认为，这可能是由于早期生活微生物组的紊乱，例如作为抗生素治疗的副作用（Langdon等，2016年综述）。其他早期生活事件，如出生模式（剖腹产与阴道分娩）或喂养（母乳喂养与配方奶粉）都与发育期或成人微生物组成有关（最近由Tamburini等，2016年综述），但最近证据表明较长期的影响是混合的（Chu et al。，2017; Falony et al。，2016）。，婴儿出生后多样性增加，同时微生物组成变化也是随着儿童晚期，青春期和成年后渐进式的，（Kundu等，2017; Odamaki等，2016）。老年人表现出多样性丧失，时间组成稳定性降低和组成变化的特征，所有这些都与一般健康有关
还包括饮食和住房环境（生活方式受限制）等混杂因素（O’Toole和Jeffery，2015）或药物治疗（Ticinesi等，2017）。

包括药物，饮食，生活方式，BMI和粪便粘稠度的宿主外在因素

大量的研究测试了成人肠道微生物组与宿主外在因素（即至少在某种程度上受宿主生活方式的影响）的关联。例如，药物正在成为主要的协变量。无论是在眼前还是在更长的时间尺度上去看，口服用于减少病原体的广谱抗生素（副作用）会影响肠道菌群这已经是众所周知。也许更令人惊讶的是，越来越多的报告也将非抗生素药物与微生物组调节联系起来。例如，2型糖尿病药物二甲双胍已被证明比疾病本身对微生物组成的影响更强，这一效应最近在随机交叉研究( Randomized crossover study)中得到证实。同样，据报道，质子泵抑制剂，非典型抗精神病药和非甾体抗炎药等也会影响肠道微生物组。在佛兰德肠道菌群项目（Flemish Gut Flora Project，FGFP）研究中，发现药物（包括抗生素，但也包括抗组胺和激素）是影响微生物组成的最重要的协变量。在近期大规模体外筛查1,200种销售药物的研究中，发现大约一半的非细菌抗感染药和四分之一的所有人类靶向药物都抑制至少一种肠道中性菌，这意味着药物对肠道微生物组的影响仍然亟待被探索。

大多数药物都是化学复合物，但肠道微生物组经常面临数百万种饮食来源的复杂混合物。由于肠道共生中性菌对食物消化发挥的作用，饮食和微生物组之间的联系也被科学家们从不同层面的分辨率得到多年研究。这些包括广义的营养类别的微生物组特征，例如素食或肉食的饮食，以及较长期的饮食模式。然而，虽然饮食 - 微生物组的关联在横断面研究中得到证实（Falony等，2016; Zeevi等，2015; Zhernakova等，2016），但饮食因素在校正了协变量之后的分析中只解释了观察到的微生物组变异的很小一部分。这个范围可能代表了一个下限，因为大多数横断面研究都依赖于自述的饮食数据，这些数据有各种问题（Ioannidis，2013）。

一些生活方式因素如吸烟（Biedermann等，2013），喝酒（Dubinkina等，2017）和体育锻炼（Barton等，2017; Clarke等，2014; Petersenet al，2017）与微生物组成成分有关，但不在最近的人口研究中排名协变量的Top-N中。微生物组与身体质量指数（BMI）和肥胖的相关性已受到相当大的关注，据报导它们之间的关系基本呈现出物种（Turnbaugh et al。，2009）和功能Le Chatelier等，2013）多样性的降低。最近，这一发现被扩展到亚种的水平上（Costea等，2017a）。根据最近的Meta分析，FGFP中发现了一个统计上显著但差别温和的BMI-微生物组关联（Falony et al。，2016）（Finucane et al。，2014; Sze and Schloss，2016; Walters等，2014）。

按照布里斯托尔粪便量表评估的粪便粘稠度是FGFP研究中整体影响最大的因素，占观察到的微生物组成变异的5％（Falony等，2016）。最先在一个小规模队列中进行量化（Vandeputte et al。，2016），这一因素最近又在一个独立队列中得到证实（Tigchelaar等，2016; Vandeputte等，2017c; Zhernakova等，2016），研究显示其和喝水行为无关（Vandeputte et al。，2017a），但受食物消化转运时间影响（Roager et al。，2016）。

显然，许多这些宿主-外在因素不是彼此独立的（例如，饮食和粪便转运时间，BMI和用药），并且可能与宿主固有或环境因素有关。因此，需要注意许多观察到的微生物组成特征可能是由混合效应驱动的。

引文

Schmidt, T. S. B., J. Raes and P. Bork (2018). “The Human Gut Microbiome: From Association to Modulation.” Cell 172(6): 1198-1215.

PMID: https://www.ncbi.nlm.nih.gov/pubmed/29522742

sciencedirect: https://www.sciencedirect.com/science/article/pii/S0092867418302216?via%3Dihub