研究人員開發出基於微生物組大數據的疾病檢測方法

2020-12-05 生物谷

 

微生物組具有服務疾病診治與生態監控的巨大潛力，但是其影響因素錯綜複雜。如何通過菌群檢測實現快速精準的疾病診斷呢？中國科學院青島生物能源與過程研究所單細胞中心發明了基於菌群大數據搜索的疾病檢測方法，為此共性問題提供了原創的解決方案。該工作於3月17日在線發表於mSystems（美國微生物學會會刊）。

作為與生俱來、無處不在的「小夥伴」，微生物組與人體、環境的健康有著千絲萬縷的關聯。同時，菌群檢測具有非侵入性、可量化、可預警等優勢。因此，如何用菌群來判斷和識別人體或環境的健康狀態，一直是精準醫學和大健康的熱點問題之一。但是，作為一種疾病診斷手段，菌群面臨著三個關鍵的挑戰。

首先，「漏診」問題：現有的檢測手段通常只針對特定疾病，並依賴於該疾病已知的標識微生物來構建檢測模型。然而很多疾病尚無明確標識物，而且同一種疾病在不同人群中的生物標識物種經常不盡一致，因此難以普適性地判斷待檢樣本是否健康。其次，「誤診」問題：同一種生物標識經常與多種疾病相關聯，導致難以準確地分辨具體的疾病類型。此外，由於元基因組數據的極端高通量、高度異質性、多種測序平臺共存等特點，菌群診斷模型的構建、訓練和更新，均具有突出的挑戰性。

針對上述關鍵問題，副研究員蘇曉泉帶領的單細胞中心組群生物信息研究組，利用前期開發的微生物組搜尋引擎MSE，發明了基於菌群大數據搜索的疾病檢測新策略（圖1）。與現有基於模型訓練的機器學習手段相比，該方法不再依賴於疾病相關的特定標識微生物，而是利用待測菌群元基因組與已有菌群元基因組大數據的整體相似度來實現檢測。首先，計算待測樣本相對於資料庫中所有健康樣本的異常程度，即可評估其是否健康。其次，與資料庫中的多種疾病的參照樣本進行比對，即可識別具體的患病種類。基於超過3000例腸道菌群樣本的測試表明，針對炎症性腸病（IBD）、結直腸癌（CRC）、愛滋病毒感染（HIV）和腸腹瀉病（EDD）等，MSE在回答「是否健康」和「哪種疾病」這兩個問題上的準確率均超過80%，顯著高於目前常用的機器學習算法，從而有效地降低了「漏診」和「誤診」的可能。另一方面，與常規手段相比，該方法在跨研究、跨測試人群、跨測序平臺、樣品汙染等因素影響下的適應性和抗幹擾能力等方面，也具有顯著優勢。

此外，得益於其強大的高通量菌群結構搜索能力，MSE的使用與百度、谷歌一樣簡單，通常在0.5秒內即能完成診斷。同時，MSE能夠通過其菌群大數據系統的實時更新，來提升檢測的可靠性以及拓寬其適用範圍。因此，隨著微生物組測序數據的爆發式增長，該方法在實際應用中的便捷性、可延展性等特色將愈發突出。

單細胞中心開發的MSE是目前國內外最大的微生物組數據科學研究體系之一，其參照資料庫包括來自腸道、皮膚、口腔、室內環境、海洋、土壤等廣袤生態系統的超過23萬例高質量、標準化、可比較的元基因組樣本。與本研究提出的診斷手段相結合，MSE為建立針對各種慢性疾病或生態災害的菌群診斷系統和幹預手段效能評價體系奠定了一個共性的方法學基礎。(生物谷Bioon.com）

 

小編推薦會議 2020（第六屆）腸道微生態與健康國際研討會

http://meeting.bioon.com/2020MicIntestin？__token=liaodefeng

相關焦點

  • 基於菌群大數據搜索的新疾病檢測方法開發成功—新聞—科學網
    基於菌群大數據搜尋引擎實現疾病檢測的原理如何通過菌群檢測實現快速精準的疾病診斷呢？中科院青島生物能源與過程研究所單細胞中心發明了基於菌群大數據搜索的疾病檢測方法，為此共性問題提供了原創解決方案。該研究成果近日在線發表於《美國微生物學會會刊》。 微生物組與人體、環境的健康有著千絲萬縷的關聯。同時，菌群檢測具有非侵入性、可量化、可預警等優勢。
  • Nature靈魂拷問：微生物組數據一大堆，如何能改變人類健康？
    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。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。
  • Nature靈魂問：微生物組數據一大堆，如何能改變人類健康？
    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。
  • 科研人員研發出第二代微生物組搜尋引擎MSE 2
    因此，微生物組「大數據」的深度挖掘，是利用菌群實現精準診斷、精準護理與精準營養的重要工具，也是認識生物資源、監控環境健康、維護國家生物安全的新手段。近日，中國科學院青島生物能源與過程研究所單細胞研究中心發布了第二代微生物組搜尋引擎MSE 2（http://mse.ac.cn），以支撐更全面、更深入、更便捷的菌群大數據挖掘。1月20日，相關研究成果發表在mSystems（《美國微生物學會會刊》）上。
  • 9文聚焦：宏基因組學與微生物組分析方法和工具
    在「研究設計」部分，強調了研究設計的重要性，特別是設計方案、樣本量計算以及用於提高研究可靠性的多種措施。在「統計分析」部分，介紹了詳細的多重比較P值校正方法。選擇合適的統計方法對於準確解釋微生物組數據很重要。最後，「生物信息學分析」部分介紹了用於分析微生物組數據分析的方法。
  • 基於尿液的疾病檢測研究進展一覽
    更有甚者，尿液中還存在一些從人組織中脫落的細胞，可以提取出這些細胞，將它們重編程為誘導性多能幹細胞（iPS細胞），而無需採用侵入性方法獲取活組織樣品。鑑於很多疾病都在尿液的化學代謝物中有所反映，在尿液中找出每種疾病的一種或多種特異性的生物標記物，將有助於研究人員利用少量尿液或甚至一滴尿液檢測許多疾病。
  • 青島能源所微生物組大數據分析工具開發獲進展
    青島能源所微生物組大數據分析工具開發獲進展 2017-01-24 青島生物能源與過程研究所 　　元基因組是當前微生物組大數據最主要的存在形式之一。
  • 研究人員開發基於圖形的統計方法,可有效檢測車輛通信網絡威脅
    據外媒報導，馬裡蘭大學巴爾的摩分校的研究人員一直在研究如何提高技術複雜車輛的安全性。該校助理教授Riadul Islam與其同事，以及密西根大學迪爾本分校（University of Michigan-Dearborn）的研究人員共同開發了一種簡單易行的車輛安全漏洞檢測方法。
  • Cell:深刻反思腸道菌群與人類疾病研究,是時候將微生物組研究拉回...
    在系統的綜述中，我們發現95％的已發表的有關HMA嚙齒類動物的研究（36/38）報告了病理表型轉移至受體動物的行為，並且許多研究結果就此推斷出了對人類疾病與微生物群組改變的因果推論。我們認為這種跨物種的推論是令人難以信服的，並且誇大了腸道微生物組在人類疾病中的作用。
  • 沈西凌團隊開發癌症大數據比較分析方法
    研究人員現在將能夠發現疾病的新生物標記，並更好地了解眾多癌症如何影響人體。TCGA是一項具有裡程碑意義的癌症基因組資料庫，它包括了超過20,000種原發癌的分子信息，並匹配了涵蓋33種癌症類型的健康樣本。至今TCGA已經產生了超過2.5 PB的「全基因組」數據，包括轉錄組數據，表觀遺傳組數據和蛋白質組數據，所有的數據都是免費供公眾使用的。
  • 腸道微生物組研究進展一覽
    在未來，研究人員希望找到通過飲食幹預或化合物來調節突變影響的方法。腸道微生物組的改變往往與多種神經性疾病發生直接相關，然而目前研究人員並未得到證據表明腸道微生物組的化合物與大腦之間存在直接的相互作用。最後研究者Richard Burchmore表示，基於小鼠模型大腦中這些特殊分子的功能和位置，目前我們需要深入研究來調查微生物組在神經性疾病發生狀況下扮演的關鍵角色，尤其是描述線粒體功能異常的部位，以及腸道微生物組是如何及在哪裡被幹擾的；諸如質譜成像技術等先進的成像技術或能幫助科學家們深入發現樣本中的一些細節性分子事件，本文研究就是一個很好的例子，質譜成像技術就能作為一種創新的技術被研究者利用
  • 產業大事：美國公司發起超大規模微生物組-腫瘤治療研究
    Persephone 公司致力於利用腸道菌群對人體免疫系統的系統性影響來開發新的治療途徑以提升現有療法的有效性。其技術平臺基於大規模臨床試驗數據、先進的基因組學和免疫技術以及機器學習，來理解腸道菌群對病人預後和免疫系統功能的影響，繼而設計開發精準免疫療法和伴隨診斷方案。
  • 微生物組研究中的前沿新技術
    Nature Methods編輯部採訪了微生物組領域工程技術開發最前沿的幾家實驗室，為大家帶來了正在開發中的新技術，它們將在進一步探索微生物組的複雜機制中大放異彩，同行值得仔細了解一下，想發大文章的，一定要結合自己實驗室的優勢，提前3-5年布局，不要再錯過了風口。
  • 通過血液中微生物組可診斷早期癌症
    科技日報訊（記者劉海英）美國研究人員開發出一種新的檢測方法，可通過分析血液中微生物組的特徵來確認測試對象是否得了癌症，以及是哪種癌症。他們在近日的《自然》雜誌上發表研究報告稱，這種潛在的基於微生物組的腫瘤學診斷工具值得進一步探索，可能會改變癌症診斷的方式。
  • 微生物組被Nature選為2020年最值得關注的技術之一
    為了防止這種情況的發生，研究人員正在開發在將蛋白質施加液滴之前將蛋白質錨固在二維材料（例如碳晶格石墨烯）上的方法。這樣，它們可使液滴更小，同時使蛋白質遠離空氣-水界面。使用cryo-EM解決分子結構通常需要收集和分析多達10,000張圖像，這代表了數周至一個月的工作。增加的通量可以幫助我們了解疾病的機制並更有效地開發藥物。
  • Cell:新研究支持衛生假說,嬰兒腸道微生物組影響自身免疫疾病
    在一項新的研究中，來自美國布羅德研究所、芬蘭赫爾辛基大學和阿爾託大學、諾華生物醫學研究所和世界其他機構的研究人員（作為DIABIMMUNE研究團體的一部分）研究了來自三個不同國家的嬰兒腸道微生物組，發現支持這種衛生假說的證據，而且指出細菌菌種之間的相互作用可能至少部分上能夠解釋在西方社會發現的免疫疾病增加。
  • 微生物組行業迎來黃金時代，這三大方向值得關注
    另外兩位聯合創始人也是該領域的領軍人物：加州大學聖地牙哥分校微生物組創新中心主任 Rob Knight 以及加州大學聖地牙哥醫學院的博士生、醫學博士 Greg Poore，他同時也是該公司的首席分析官。Micronoma 公司的方法是利用機器學習技術，對微生物基因組數據進行分析，來發現新的診斷方法。
  • 這些公司如何利用微生物組？都用了啥手段？
    幸運的是，研究人員們對微生物組的認識越來越深入且全面。更振奮人心的是，這些知識正逐漸開始被應用於臨床。如本文所示，各種類型的公司（如生物技術公司、研究機構和個人護理公司）都在積極開發基於微生物組的產品。
  • 人類微生物組研究設計、樣本採集和生物信息分析指南
    前言隨著測序技術和數據分析方法的發展，近幾年醫學微生物組研究領域出現了一些令人矚目的成果[1-3]，比如微生物組與代謝性疾病[4-6]、消化系統疾病[7-10]和心血管系統疾病[11]之間的關係日益明確。這些發展和發現增加了醫生在微生物組研究方面的興趣，進而也湧現出了大量有價值的論文[12]。
  • COM：根系微生物組研究中的合成群落還原法
    這項技術主要涉及使用TSB、R2A等相關培養基以及限制稀釋方法，並輔以細胞分選和菌落挑選。使用基於454測序的方法的對細菌分離株進行了表徵，這使作者能夠鑑定出共同培養的菌株。該方法培養了可重複存在於擬南芥根和葉微生物組中細菌類群的50％以上。最近，張婧贏等人使用一種改進的鑑定方法鑑定來自水稻根的13,512種細菌分離株，覆蓋了70％的水稻根細菌微生物組成員。