Nature靈魂問：微生物組數據一大堆，如何能改變人類健康？

編者按：

測序技術使得我們對微生物組的深入分析成為可能。如今，研究人員們可以探索體內有哪些微生物，以及它們與疾病之間的潛在聯繫。但是這些信息還不足以揭示微生物與疾病之間互作的具體機制並提供合適幹預手段，我們需要對微生物的功能、產物有更加深入的了解。

那麼，究竟該如何進一步挖掘微生物組呢？

今天，我們特別編譯 Nature 與 Illumina 共同發布的題為 How microbiome multi-omics can bolster human health 的文章。希望該文能夠為相關的產業人士和諸位讀者帶來一些啟發。

① 微生物組大數據

微生物組研究正在改變著我們人類對自身的看法。我們體內的微生物細胞數量至少與人體細胞數量相當，而這些微生物所擁有的基因種類更是超過了 100 萬種。然而，我們對微生物基因組——「第二基因組」的大部分功能以及它如何影響健康，還知之甚少。

「腸道菌群就像是人類的一個百搭器官，」來自位於聖地牙哥的 illumina 公司測序技術研發部的副總裁 Gary Schroth 說，「每個人都擁有不同的腸道菌群，它們對我們消化食物和代謝藥物的方式有巨大影響。」

大型合作項目，比如美國的人類微生物組計劃（HMP）和歐洲的人類腸道宏基因組計劃（MetaHIT），產生了大量的來自特定疾病患者或健康人群的腸道菌群的數據。這些項目不僅揭示了個體間微生物的多樣性，同時還強調了需要進行更深入的微生物組分析，以了解微生物組的貢獻。

腸道菌群的紊亂和許多疾病有關——不僅僅是那些影響消化系統的疾病（如炎症性腸病），遺傳性免疫介導疾病（如哮喘）、神經系統性疾病（包括自閉症）以及基因驅動的疾病（如癌症）也都與腸道菌群的失調有關。因此，將微生物組研究成果轉化為調控微生物組的治療方法或可幫助我們控制這些常見疾病。

加州史丹福大學的生理學家 Ami S. Bhatt 認為這是一個極具吸引力的機會。「幾十年前，我們就已經知道人類特定的基因突變與某些疾病有關聯，但是想要改變這些基因突變，真的很困難，」她說，「然而，現在我們發現微生物群落的組成也與疾病相關，並且，我們已經有了可以改變它們的有趣的工具」。

Bhatt 的研究主要集中在交流通訊方面，不僅是微生物和人類細胞之間的交流通訊，還包括微生物群落之間的交流通訊。

「我們試圖了解究竟是什麼微生物存在於那裡，它們編碼了什麼樣的產物，它們產生了什麼樣的交流信號以及這些信號是如何隨著時間的變化而發生變化的。」她解釋道。她的團隊正在致力於研究如何操縱這些信號來促進人體健康和改善患者的病情。

② 挖掘微生物組的技術

幾十年來，基於測序的細菌分析技術依賴於編碼 16S 核糖體 RNA（rRNA）的基因。16S rRNA 基因由高度保守的核苷酸序列和具有屬或種特異性的可變區域組成：研究人員們首先找到保守區域，然後擴增，再進一步分析散布的可變區域——將它們與參考序列進行比較注釋，以確定當前所分析的細菌種類。

然而，因為 16S rRNA 測序僅僅是檢測了每個微生物基因組中的單個基因，所以，其所提供的關於微生物群落的信息是非常有限的，且難以提供功能信息。而且該方法還低估了樣本中微生物的多樣性，因為我們很難區分親緣關係相近的菌種，同時它還不能檢測細菌以外的微生物，例如真菌和病毒，然而這些微生物為整個微生物組的功能都做出了貢獻。

測序成本的下降和計算方法的改進，為鳥槍法基因組測序方法的普及奠定了基礎。基於這項技術，研究人員們可以通過對提取的 DNA 片段進行測序，然後將它們與參考資料庫進行比較，或者根據序列重疊區域的相似性對它們進行組裝，從而分析樣本的全基因組。

使用鳥槍法測序技術，研究人員可以識別基因或基因片段，並預測其編碼蛋白質的功能。這是一項非常強大的技術，它提供了微生物組中潛在的功能信息，但由於序列的讀取並不局限於單個的基因，如 16S rRNA 基因，這就導致這一方法需要更深的測序深度來達到與 16S 測序類似的檢出率。因此，對於大規模研究來說，鳥槍法的費用就顯得過於昂貴了。

儘管如此，研究人員還是越來越青睞鳥槍法測序。「與 16S rRNA 測序技術相比，鳥槍法提供了更多的信息。」Schroth 說。而且他還補充說，成本可以通過調整測序深度來控制。

不過，如果測序深度較淺，那麼後續就需要依賴於微生物參考基因組來組裝片段，因此會導致其應用的局限性。因為對於大多數微生物的來說，這些參考基因組的信息還不存在。

「在大部分情況下，我們的研究對象是缺少參考基因組的，因此我們無法將那些序列比對到參考基因組中，」Bhatt 說道，「不過我們可以採用從頭組裝基因組的方法，這將是一個令人興奮的挑戰。」這是一種可以從全基因組鳥槍法深度測序中獲益的方法[1]。

③ 功能的挖掘

為了了解腸道微生物群落的功能，最終，我們需要確定哪些基因在表達並被翻譯成蛋白質。因此，宏基因組數據越來越多地開始與 RNA 測序數據（宏轉錄組學）、分子分離方法、質譜或核磁共振手段結合，以建立微生物群落宏蛋白質組學和宏代謝組學的圖譜。

波士頓哈佛大學公共衛生學院的計算微生物學家 Curtis Huttenhower 說：「更多的研究人員開始選擇單獨使用鳥槍法基因組測序或者結合其它方法，例如微生物代謝組學。將測序手段與高通量分子工具聯繫起來，使我們能夠以全新的方式觀察微生物群落。」

宏代謝組學分析可以通過識別腸道微生物代謝物與心血管疾病風險[2]或胰島素敏感性[3]間的聯繫機制，幫助驗證宏基因組學的發現。

Huttenhower 是人類微生物組生物活性資源庫（HMBR）的項目負責人之一。該資源庫提供平臺和方法，並致力於整合 16S rRNA 測序、鳥槍法宏基因組測序、宏轉錄組測序和宏代謝組測序方法在微生物領域所取得的發現。HMBR 的目標是鑑定出對人類至關重要的微生物產物並確定它們的功能。

「我們正在努力地從數量驚人的未知基因、基因產物和代謝產物中，尋找出參與到疾病表型和受免疫活動或者節食行為調控的那一部分。」他說。事實上，人類腸道菌群中的 50%以上的基因都還是未知的[4]。

「我們需要相當長的一段時間才能完成這個鑑定工作。」 Huttenhower 承認。

④ 學習如何操控腸道菌群

在過去的十年裡，臨床醫生開始通過糞便移植方法，用一個「好的」微生物群替代「壞的」微生物群，進而修正病人的微生物生態系統。這似乎對一些疾病，尤其是復發性艱難梭菌感染，具有效果。但是，對於其他的腸胃疾病來說，效果如何，尚存疑慮[5]。

除此之外，微生物的作用和它們是如何被影響，更是撲朔迷離。某些腸道細菌與接受過造血幹細胞移植的癌症患者的移植後感染有關[6,7]。「在接受幹細胞治療的患者中，大約有 40%的人會發生血液感染，通過追蹤引發感染的病原體，我們最終將罪魁禍首鎖定為腸道微生物。」Bhatt 說。

此外，當供體移植物的免疫細胞攻擊受體的組織時，其發病率以及移植物抗宿主病的嚴重程度，都被認為和腸道菌群的變化（包括低微生物多樣性）存在關聯[8]。擁有多樣的腸道微生物的生態系統有助於調節宿主炎症和免疫耐受。

Bhatt 的團隊目前正在研究糞便移植和益生元是如何改變幹細胞移植患者體內的菌群組成並改善他們的預後的。

不過，可能還有不需要替換整個微生物組的其他治療方法。

去年，Bhatt 和她的同事們報告了成千上萬的以前被忽視的，但可能在交流中起重要作用的小蛋白質（長度少於 50 個胺基酸），這種交流包括與其他微生物和宿主細胞間的交流[9]。進一步了解這些蛋白質的作用，可能會催生出更具針對性和潛在的更有效的治療方法。

Huttenhower 的團隊還在探究腸道生態系統（包括人體細胞和微生物）中的特定成分，他們需要對這些成分的功能進行深入的探究。「我們希望能夠設計出精確針對正確的宿主免疫受體，或者抑制/激活正確的微生物代謝途徑的小分子，以解決特定健康問題。」他說。

炎症性腸病（包括克羅恩病和潰瘍性結腸炎）是 HMBR 的研究項目之一，現在研究人員通過計算就能夠預測那些未被表徵的膽汁酸和微生物蛋白在腸道炎症中的可能作用。

然後，他們可以利用微生物和哺乳動物的細胞或悉生小鼠（已知所具有的微生物或者無菌的小鼠），在受控的實驗環境中確認這些化合物的活性並評估這些活性化合物在炎症性腸病發病機制中的作用[10]。

⑤ 前景和挑戰

Bhatt 強調，為了改進腸道微生物組的功能分析手段，並開發出針對性的幹預方法，在不同的時間點採集樣本並進行測序，是非常必要的。

「微生物不是穩定的，也不是靜止不動的，它們是有生命的有機體，並且在不同臨床環境中表現出具有選擇性的優勢。」 她說。她還期待技術能進一步發展，以更準確地檢查一個群落內的微生物基因組是如何隨著時間變化的。

在微生物間的基因交換方面，目前也沒有合適的檢測方法。這種基因交換被稱為基因水平轉移，這是微生物適應不同環境的關鍵手段之一，例如轉移抗生素基因。Bhatt 的團隊正在嘗試通過測序更長的 DNA 片段來克服檢測上的問題，通過檢測更長的片段，這些片段會更容易被拼接，從而可以獲得更精確的細菌基因組的組裝。

毫無疑問，第二代測序技術已經改變了宏基因組學領域。進一步發展分析方法，包括機器學習、整合微生物組數據，將對人類疾病產生深遠影響。

「隨著檢測和分析微生物的工具越來越多，」 Huttenhower 說，「可以提出的問題和潛在的轉化應用，也會變得越來越多。

參考文獻：

1.Hillmann,B., et al. mSystems 3:e00069-18 (2018)

2.Feng, Q.,et al. Sci Rep 6:22525 (2016)

3.Pedersen,H.K., et al. Nature 535(7612):376–381 (2016)

4.Joice, R.et al. Cell Metab 20(5): 731–741 (2014)

5.Holleran,G. et al. Drugs Today 54(2):123-136 (2018)

6.Ballen, K.et al. Biol Blood Marrow Transplant 22(9):1636-1645 (2016)

7.Tamburini,F.B., et al. Nat Med 24, 1809–1814 (2018)

8.Taur, Y.,et al. Blood 14; 124(7): 1174–1182 (2014)

9.Sberro,H., et al. Cell 178(5):1245–1259.e14 (2019)

10.Lloyd-Price,J., et al. Nature 569, 655–662 (2019)

原文連結：https://www.nature.com/articles/d42473-020-00214-9

作者｜Nature 團隊

編譯｜朱國利