Cell：AI模型揭示，大多数被认为与疾病相关的肠道细菌实际与疾病无关

编辑丨王多鱼

排版丨水成文

许多与细菌相关的疾病，如炎症性肠病或结直肠癌，与肠道微生物组的改变有关。然而，一项最新研究表明，许多与细菌相关的疾病，可能是由细菌负荷（微生物密度）的变化而不是某个细菌的相对丰度引起的。

2024年11月14日，德国海德堡欧洲分子生物学实验室（EMBL）的研究人员在国际顶尖学术期刊Cell上发表了题为：Fecal microbial load is a major determinant of gut microbiome variation and a confounder for disease associations 的研究论文。

研究团队使用机器学习模型发现， 至少有一半通常被认为是细菌相关状况的肠道细菌种类的变化，可能是由细菌负荷的总变化而非疾病本身所触发的。

这项研究强调了细菌负荷作为微生物组结构的关键决定因素和疾病关联研究中的混杂因素所发挥的作用。研究结果也提示了我们，考虑细菌负荷可以提高研究的准确性，为微生物群-疾病关系提供更细致的见解，并有助于开发更好的肠道健康治疗方法。

论文通讯作者、德国海德堡欧洲分子生物学实验室（EMBL）的Peer Bork表示，我们惊讶地发现，许多以前被认为与疾病相关的细菌，实际上更多地是由细菌负荷的变化来解释的。这些细菌主要与腹泻和便秘等症状相关，而不是直接与疾病状况本身联系在一起。

细菌密度与体内粪便运输时间、稠度、水分含量和肠道pH值密切相关。腹泻或便秘等会影响肠道细菌密度，进而影响菌群多样性。因此，当我们看到某种细菌种类发生变化时，它可能不是由某种特定疾病引起的，而是由许多疾病共有的一般症状引起的，比如腹泻。

细菌负荷一直被认为是微生物组研究中的一个重要部分，但由于实验方法的高成本和劳动密集型特征，大规模分析在很大程度上受到限制。研究团队使用机器学习方法来克服这一限制。他们开发了一种粪便细菌负荷预测模型，并将其应用于大规模宏基因组数据集，以探索相关微生物在健康和疾病中的变化。

论文共同通讯作者、EMBL的Michael Kuhn表示，测量粪便样本中的细菌负荷需要付出很多努力，我们很高兴能够访问两个大型宏基因组数据集，其中的细菌负荷已经通过实验测量。通过我们的方法，我们希望将这些数据推广到更大的领域，并利用我们提供的工具，所有成年人肠道微生物组研究都可以预测细菌负荷。

研究团队为这项研究生成的新数据集包括数千个宏基因组以及欧盟资助的GALAXY项目和诺和诺德基金会资助的MicrobLiver项目中实验测量的细菌负荷。他们还使用了先前公开的MetaCardis研究的宏基因组和细菌负荷数据。对于探索性数据集，他们使用了来自先前研究的数万个宏基因组，包括来自日本和爱沙尼亚的深度表型人群。

不过，这项研究存在局限性，因为分析仅仅基于关联性，研究人员无法建立因果关系的明确方向，也无法提供机制上的洞察。此外，所开发的方法仅适用于人类肠道微生物组：需要不同的训练数据集来预测其他物种的细菌负荷。

未来的研究将集中在与疾病更直接相关的菌群上，不仅限于细菌负荷，以更好地了解它们在疾病病因学中的作用及其作为生物标志物的潜在用途。此外，研究人员计划改进预测模型，以应用于其他环境，如海洋和土壤微生物组，可以进一步了解全球范围内的微生物生态。

论文链接：

https://www.cell.com/cell/fulltext/S0092-8674(24)01204-2