华农:合适的内在群落结构 + 适宜外在营养条件 = 更强大的菌群

ISME Journal [IF:9.18]
① 模式生物 E. coli 与 P. putida 以 1:1000、1:1、1000:1 的初始比例构造合成菌群,在71种C源中共同培养24h;② 培养后的最终物种比例很大程度上由初始比例决定,但同时受到C源属性的影响;③ 一方面二物种的C源偏好可调节菌种间互作,在 E. coli 偏好的C源中生长,更易产生协同作用;④ 另一方面聚类分析定义了3个C源利用组,在其中一组14个C源中生长时,可以诱导 1:1 和 1000:1 接种比例的合成菌群产生代谢偶联,显著提高总体C源利用效率。
【主编推荐语】通过营养和数量来对菌群进行调节是十分常见的手段,而二者之间共同作用时,究竟会产生什么样的后果呢?在最近发表的 ISME J 杂志上,华中农业大学蔡鹏教授团队利用两个模式微生物菌株大肠杆菌和恶臭假单胞菌组成初始比例(数量)迥异的合成菌群(前者与后者的比例在1000:1~1:1000之间),在71种不同的碳源(营养)下培养,分析二者交互作用下对群落功能和相互作用的影响。结果显示,虽然初始比例和养分条件都不出意外的能够对合成菌群的功能产生影响,但是意外的发现只有在特定的初始比例(1:1和1000:1)和特定的碳源(14种碳源)条件下,合成菌群能够被诱导出一种更强大的代谢能力。这种代谢能力的增加来源于初始比例和碳源共振下,造成的种间相互作用模式的改变,即二物种形成了稳定的代谢偶联关系(正的相互作用)。这一现象可被视为是由合成菌群结构和微生境差异带来的微生物群落涌现性特征,不管是对于共培养体系实验的可重复性,还是对于理解微生物群落的演替规律都会带来不可忽视的影响。(@高春辉)
The initial inoculation ratio regulates bacterial coculture interactions and metabolic capacity
2020-09-04, doi:10.1038/s41396-020-00751-7

益生菌或可改善乳糜泻患者的胃肠道症状(综述)

American Journal of Gastroenterology [IF:10.171]
① 纳入包含6项RCT的7篇文章(共涉及5279名受试者)进行荟萃分析,评估益生菌在乳糜泻患者中的作用,整体的证据质量极低或低;② 基于胃肠道症状评定量表,益生菌可显著改善胃肠道症状,但综合所有问卷,益生菌无法显著改善胃肠道症状;③ 益生菌对TNF-α、肠道通透性、生活质量及乳杆菌丰度均无显著影响,可显著增加双歧杆菌丰度;④ 与安慰剂相比,益生菌组的不良事件比例无显著差异。
【主编推荐语】American Journal of Gastroenterology上发表的一项系统综述与荟萃分析,对6项RCT(共5279名乳糜泻患者)的数据进行总结后发现,极低到低质量的证据表明,益生菌可改善患者的胃肠道症状(仅基于胃肠道症状评定量表),并增加肠道菌群中的双歧杆菌丰度。未来需要更多高质量临床试验,以提高证据质量,并确定可能有益于乳糜泻患者的益生菌的最佳种类,时机和剂量。(@szx)
Probiotics for Celiac Disease A Systematic Review and Meta-Analysis of Randomized Controlled Trials
2020-07-31, doi:10.14309/ajg.0000000000000749

Kraken2物种注释16S rRNA基因序列比QIIME2更快、更精

Microbiome [IF:11.607]
① QIIME是微生物组分析中最常用的工具之一,它准确率较高,但也最耗费计算资源;② Kraken支持对鸟枪宏基因组测序读长进行物种分类,优势在于速度快和精度高;目前Kraken2已支持16S测序的物种识别分类,本文对此功能进行了比较评估;③ 通过和QIIME2等软件进行比较,Kraken2的建库速度快100倍,分类速度快300倍,内存占用减少100倍,同时与Braken配合可达到最高的分类精度;④ 综上,Kraken2和Bracken可作为扩增子物种分类注释的优先选择。
【主编推荐语】几十年来,16S核糖体RNA基因测序已成为鉴定样品中未知组成的细菌种类的主要手段。目前,用于此目的的最广泛使用的工具很多,为了对每种工具进行全面评估,作者比较了QIIME 2的q2-特征-分类器、Kraken 2和Bracken在生成三个主要的16S rRNA数据库(Greengenes,SILVA和RDP)中的计算资源和速度。为了评估准确性,作者使用从人类肠道,海洋和土壤宏基因组中获得的相同的模拟16S rRNA读长评估了每种工具,这些读长先前用于比较QIIME,MAPseq,mothur和QIIME2。作者根据每个工具分配的最终属读长计数的准确性来评估准确性。由于Kraken 2是唯一提供按每一读长分类分配的工具,因此作者评估了Kraken 2每一读长分类的敏感性和准确性,最终得出结论:Kraken 2和Bracken为16S rRNA宏分类数据分析提供了非常快速、高效和准确的解决方案。(@刘永鑫-中科院-宏基因组)
Ultrafast and accurate 16S rRNA microbial community analysis using Kraken 2
2020-08-28, doi:10.1186/s40168-020-00900-2
延伸阅读: 【宏基因组】

Nature子刊:完整灵活的宏蛋白组分析新流程

Nature Protocols [IF:10.419]
① 宏蛋白质组学数据分析面临着数据库庞大、计算配置要求高、蛋白精确注释难、参考基因组深度不足、数据可视化待优化等挑战;② 基于MetaProteomeAnalyzer和Prophane搭建一条龙分析流程,包括4个部分:蛋白序列数据库构建、多肽鉴定以及蛋白的推断和分组、蛋白注释(分类学/功能)和定量、结果可视化;③ 详细介绍了流程的设计思路、与其它工具的对比、示例数据、参考步骤、结果展示以及故障排查,为完整分析提供指导。
【主编推荐语】宏蛋白质组是对多生物系统(比如环境和临床样本)中的蛋白质组成的研究,在微生物组研究中有重要应用,能够对样本的实际功能组成以及复杂的菌-菌、菌与宿主或环境的功能互作进行分析。Nature Protocols近期发表来自德国罗伯特·科赫研究所Stephan Fuchs团队的文章,详细介绍了基于MetaProteomeAnalyzer和Prophane两个软件的宏蛋白质组数据分析流程,值得专业人士参考。(@mildbreeze)
A complete and flexible workflow for metaproteomics data analysis based on MetaProteomeAnalyzer and Prophane
2020-08-28, doi:10.1038/s41596-020-0368-7

微生物组数据预测建模的的深度学习新方法

Briefings in Bioinformatics [IF:8.99]
① 二代测序为药物反应预测、疾病诊断等多种临床应用提供了前所未有的机遇,建立一个基于微生物组学数据的临床结果预测模型十分必要;② 基于卷积神经网络(CNN)开发了一种微生物群落的深度学习新方法(MDeep);③ 其新颖性在于构建系统发育树的能力,这对提高预测准确性具有重要的意义;④ MDeep在有较大的簇和信号密度较高的情况下表现会更好;⑤ 模拟和实际数据都证明了MDeep在回归和二进制分类方面要优于其他同类方法。
【主编推荐语】基于微生物组数据建立临床结果的预测模型是必不可少的,系统发育树代表了微生物组的一种独特的相关结构,是提高预测性能的重要前提。然而,以有效且严格的方式考虑系统发育树的预测方法还不成熟。本研究开发了一种新颖的深度学习预测方法MDeep(基于微生物组的深度学习方法)来预测连续和二元结果。从概念上讲,MDeep设计卷积层以在每个卷积层上使用多个卷积过滤器模拟分类等级,以捕获局部接受域中微生物物种之间的系统发育相关性,并通过特征映射保持不同卷积层之间的相关性结构。总而言之,卷积层及其内置的卷积过滤器可捕获不同分类级别的微生物信号,同时促进局部平滑化并保留系统树诱导的局部连通性。本研究使用模拟研究和实际数据应用程序来证明MDeep在回归和二元分类方面优于其他竞争方法。(@刘永鑫-中科院-宏基因组)
A novel deep learning method for predictive modeling of microbiome data
2020-05-14, doi:10.1093/bib/bbaa073

微生物组定义的重新审视:旧概念和新挑战

Microbiome [IF:11.607]
① 本文摘录了一次研讨会的成果以及相应的在线调查,其主要的目的是将微生物群和微生物组区分开来;② 本次会议对微生物组的组成,微生物群在时间和空间上的异质性和动力学,微生物网络的稳定性和适应性,微生物群的定义以及相关功能等进行了全面的讨论;③ 统一概念将有助于将来改善微生物组研究的标准化,并且可以作为数据综合评估的依据,从而更快地将知识从基础科学转移到实践中,去更好的服务于人类的健康领域。
【主编推荐语】本文基于2019年3月6日在奥地利举行的研讨会框架中的讨论。其根据1988年Whipps等人提供的简短、清晰和全面的描述,提出了微生物组的定义,并根据最新的技术发展和研究成果,对其进行了一系列新颖的建议。明确区分了微生物组(microbiome)和微生物群(microbiota)的术语,并提供了一个全面的讨论,考虑微生物群的组成,微生物群的异质性和时间和空间动态,微生物网络的稳定性和弹性,核心微生物群的定义,以及功能相关的关键物种。(@刘永鑫-中科院-宏基因组)
Microbiome definition re-visited: old concepts and new challenges
2020-06-30, doi:10.1186/s40168-020-00875-0
延伸阅读: 【宏基因组】
吃吃吃,胖胖胖,真是脑-肠-菌联合乱了套?
本期话题:进食调控,食欲,肠脑轴,神经,甘油三酯,自闭症,5-HT,认知功能
2020-09-09
溃疡性结肠炎怎么治?JAMA发出美国最新指南精华
本期话题:炎症性肠病,临床指南,药物监测,免疫细胞,转录组,菌群代谢功能,FMT,肠道免疫,体外模型
2020-09-08
中国团队接连突破,近期4篇高分论文深度剖析大肠癌
本期话题:结直肠癌,多组学,预后预测,GLUT3,T细胞,吸烟,风险评估,口腔,神经内分泌瘤
2020-09-07
延缓衰老?Cell子刊报道新的潜在膳食补充剂
本期话题:α-酮戊二酸,西式饮食,氨基酸,进食时间,膳食蛋白质,维生素C,脂肪肝,酒精肝,小麦
2020-09-06
种族差异:血压与肠道菌群的关系不能一概而论?
本期话题:血压,菌群研究方法,半乳糖凝集素,神经,TMAO,ω-3,黄斑变性,帕金森,类器官
2020-09-05
今日Cell双发:饮食-菌群-免疫、肠神经单细胞分析重大突破
本期话题:饮食-菌群-免疫互作,肠神经系统,吲哚类代谢物,结肠炎,多发性硬化,认知障碍,FMT,Th细胞
2020-09-04
Rob Knight再发NBT:数据降维新方法助力肠道菌群研究
本期话题:微生物组数据分析,菌群药物,饮食-菌群互作,膳食纤维,乳制品,甜味剂,回肠菌群,真杆菌,Akk菌
2020-09-03
浙大一院GUT发文:利用抗菌肽"修复"菌群或能防治肠炎
本期话题:IBD,抗菌肽,琥珀酸,翻译后修饰,肠道通透性,抗生素,标志物,钙卫蛋白,菌群-肠-脑轴,疗效预测
2020-09-02
8月,最值得看的30+7篇菌群与肠道健康文献!
本期话题:2020年8月,根据“热心肠因子”计算的30+7篇必读文献。
2020-09-01
国内5篇高分论文:聚焦肠癌治疗和癌症细菌疗法
本期话题:大肠癌,HSF1,硫化氢,免疫治疗,细菌疗法,基因组拓扑,化疗,放疗
2020-08-31