全球污水微生物组，如何映射人群健康图谱？ | 热心肠日报

本文要点

|研究背景与设计

基于97国661份污水宏基因组，结合网络分析与机器学习，探究废水来源肠道微生物组（WGM）的全球结构及其与人口健康负担的关联。

|核心发现与意义

WGM呈现高度普适的核心分类群及模块化网络，其特征谱与19项国家级健康负担指标显著相关，提示其具备作为人群健康监测信号源的潜力。

|全球组成特征

Firmicutes_A及变形菌门等为优势门，超95%的检出属在80%以上的全球样本中存在，构成稳定群体尺度核心。

|网络结构特征

829属构成含13个模块的共现网络，Firmicutes_A主导同门连接，高连通性枢纽属与高介数桥接属在拓扑结构上显著分离。

|群落组装机制

群落周转分析显示，85至89%的WGM空间异质性符合扩散限制模式，且跨气候带与大洲高度一致。

|健康关联建模

WGM特征对19项健康负担指标的国家水平分类显著优于随机预期，其中13项指标的平均AUC大于0.90。

|特征生物学属性

反复入选的健康关联特征以未培养类群为主，提示其主要反映人群层面的社会经济或环境协变量梯度。

核心关键词

污水流行病学　　肠道微生物组　　宏基因组学　　群落组装　　机器学习　　全球健康

科普解读

当我们谈论一个城市的健康时，我们通常会查阅医院病历或疾控中心的报告。但有一面巨大的、持续流动的“镜子”，每天都在收集着数百万居民无声的健康数据，却往往被我们忽略——那就是城市的地下污水管网。每克粪便中含有数以万亿计的微生物，它们随着生活废水汇入污水处理厂，构成了一幅复杂而动态的微生物画像。一个大胆的科学设想由此而生：我们是否可以通过解读这幅“画像”，来窥探整个人群的健康轮廓？

这项雄心勃勃的探索，如今有了来自全球范围的实证回应。近日，来自澳大利亚伍伦贡大学的Guangming Jiang团队，在环境科学领域权威期刊 Water Research 上发表了一项开创性研究。他们系统分析了覆盖全球97个国家、220个城市的661份未经处理的污水宏基因组样本，首次绘制出了一张全球尺度的“污水肠道微生物组”（Wastewater-derived gut microbiome, WGM）图谱，并发现其中竟隐藏着与多种人群疾病负担相关的微生物信号。

|全球普遍的“核心微生物组”

研究团队面临的第一个核心问题是：污水中的微生物，是否仅仅是个体肠道菌群的随机混合物？当他们将宏基因组数据与人类肠道基因组数据库进行比对后，一个高度保守的全球性菌群结构浮现出来。

数据显示，在WGM中检测到的绝大多数菌属（超过95%）在全球超过80%的样本中普遍存在。这意味着，尽管地理位置、气候和饮食习惯千差万别，但聚集在污水中的“核心微生物组”具有惊人的一致性。

在门水平上，污水菌群以厚壁菌门（Firmicutes）的不同谱系、变形菌门、拟杆菌门和放线菌门为主导，这与大规模的个体粪便研究结果基本吻合。这表明，城市污水系统就像一个巨大的生物平均器，它能平滑掉个体间的极端差异，从而揭示出群体共有的微生物信号。

|隐秘的“社交网络”：菌群并非一盘散沙

然而，仅仅知道“谁在那里”还远远不够。为了探究这些微生物之间是否存在有序的组织结构，团队构建了一个庞大的共现性网络。这个网络由829个菌属和超过1.2万条正相关性连接构成，清晰展示出一个“模块化”的社区结构。

研究发现，网络架构高度有序，绝非随机形成。同一种门的细菌倾向于聚集在一起，形成13个紧密连接的“朋友圈”（模块），而不同模块之间则通过少量关键的“信使”菌属连接。研究团队进一步区分了“枢纽”菌和“桥梁”菌——前者如SCN-57-10等，在网络核心区拥有众多连接；后者如魏茨曼菌（Weizmannia），虽然自身连接不多，却坐落在关键的连接路径上。这种稳健的社交网络结构，暗示WGM是一个具有内在组织规律的微生物生态系统，而不仅仅是细菌的简单堆叠。

|限制扩散：塑造菌群地理格局的主要力量

为什么不同城市的污水会有不同的菌群特征？通过iCAMP生态模型框架，研究揭示了驱动WGM群落组成变化的主导生态过程。

分析结果显示，无论在全球各大气候带、不同大洲，还是不同发展水平的国家间，扩散限制都是最主要的驱动力，解释了85%至89%的群落组成差异。这一生态学术语在此处并非指微生物无法物理移动，而是指不同地区的污水系统之间缺乏充分的微生物交换，导致群落组成呈现出显著的空间结构。这背后可能反映了地理隔离、区域饮食模式、卫生基础设施乃至社会文化等多重环境“过滤器”的共同作用。

|下水道里的“公共卫生警报”

这项研究最引人入胜的部分，在于其公共卫生应用潜力。团队利用机器学习模型，尝试用WGM的菌群信息，来区分来自高疾病负担国家和低疾病负担国家的样本。

在涵盖非传染性疾病、传染病、伤害和精神健康等21项人群健康指标的对比中，WGM对其中19项指标的国别分类能力显著优于随机猜测。例如，对“被忽视的热带病与疟疾”、“肿瘤”及“神经系统疾病”的分类，其平均AUC值（衡量模型区分能力的指标）甚至达到了理论最大值1.000。这显示污水中的微生物数据蕴含着与人群总体健康状况高度关联的模式。

然而，研究并未过度解读。一个有趣的发现是，诸如道路伤害、意外伤害等与微生物机制缺乏直接生物学联系的指标，其分类效果也相当不错。这暗示，WGM部分反映的，其实是与国家经济社会发展水平相关的宏观环境梯度，而非某种疾病特异性的微生物机制。

|未来已来，但路还很长

这项研究将污水微生物组的信息价值，从传统的病原体监测，拓展到了更广泛的人群健康扫描领域。值得注意的是，研究中反复出现的最稳健“哨兵”菌属，如UBA6984、RUG841等，大多是未被培养或新近发现的“暗物质”菌种。它们如同精密的背景传感器，捕捉着与社会经济、环境暴露和生活方式相关的宏观变化。

当然，从科学发现到成为一种成熟的“污水流行病学”监测工具，仍有很长的路要走。该研究主要在国家层面进行关联分析，且缺乏长期的季节性动态数据。

但这无疑开启了一个充满想象力的新方向：未来，遍布城市的污水处理厂或许能变身为一个个持续运行的人口健康监测站。它们提供的宏观预警信号，将与个体诊疗、传统公卫监测一起，共同勾勒出一幅更完整、更及时的人群健康图景，为公共卫生决策增添一个全新的数据维度。

图片摘要

该图片疑似使用了AI生成技术，请谨慎甄别

相关文章推荐

01Cell Reports Medicine · IF: 14Cell子刊：9种关键菌+3个代谢模块，肠道菌群提前5年预知糖尿病风险

02Journal of Cachexia, Sarcopenia and Muscle · IF: 9.9晚期肠胃癌患者暴瘦，或与肠道噬菌体减少有关

03Gut Microbes · IF: 15.3多组学解析个体饮食响应差异的肠道微生物功能密码

04Cell Host and Microbe · IF: 23.2Cell子刊：探寻肠癌元凶，具核梭杆菌致病亚种展现全球地域差异

05Cell Reports · IF: 7.7Cell子刊：肠道细菌蛋白酶抑制剂缺失，抗生素破坏肠屏障

https://rbase.ch​inagut.cn/base/a​rticle/175cf55ac​eb2491ea7779c864​7a0b36c