人体微生物组与健康—朱宝利
背景
-
微生物无处不在
-
微生物组:以群体形式发挥作用
-
人体基因组决定了人体健康基础,微生物组决定了人体健康状态。
-
人体微生物组计划—精准医学—精准医疗
DNA(变异、遗传病相关,药物治疗)、临床、基因组,表观基因组,蛋白质大数据
概念:
-
微生物组:任意一个生态环境中的微生物群及其基因组的总和,包括相互作用(微生物群+基因组+相互作用)
-
微生态:任意一个环境中的微生物总和及状态(宿主+微生物群落)
-
元基因组:也称宏基因组,指任意一个生态环境中的微生物种群基因组的总和
-
微生物组学:研究微生物组的结构和功能以及他们与环境之间的相互作用的学科
-
共生菌:以宿主为生的细菌无害无益
-
互益共生菌:互利共生
-
寄生菌:对宿主有害
-
条件致病菌:在特定条件下致病(一般不致病)
精准医疗
人体基因组 个体差异 0.1-1%
人体微生物组 个体差异 20-30%,影响药效
精准医学:人体基因组与疾病(基因导致疾病),药物基因组学(基因导致治疗效果)一种药一种治疗(定制治疗)
- 人体健康:
人体基因组 ~30%
人体微生物组 ~30%
环境因素
~30% 可影响微生物组
-
人体微生物组与疾病相关研究的目标:改变临床医学
-
疾病相关微生物组
-
提前预警,药物研发,早期预防治疗
-
治疗相关微生物组
精准治疗,药物开发,增加药物疗效
恢复微生物群落:益生菌、益生元,细菌疗法
以后的医院:1、微生物组 2、基因组 诊断
肠道微生物
0-12岁多样性上升,12-70稳定,70-100,下降
人体细菌数量(4000种)是人体自身细胞数量的10倍(去掉无核细胞)
人体肠道微生物基因数量(4M)是人体自身基因数量(20K-23K)的100倍(可维系人体正常)
肠道微生物:占90%以上(400-500正常)
肠道微生物可导致各种疾病,精神及生理,间接更多。
重要事件
-
2005 斯坦福教授
-
2006 华盛顿大学肠道细菌与肥胖症
-
2010华大基因与metahit
大规模人类肠道细菌微生物组 -
metahit首席人类肠道的肠型3种(拟杆菌、普雷沃菌,瘤胃球菌)
-
人类肠型与饮食习惯
-
人体遗传特性影响人体微生物组成
-
2007-2012 HMP(肠道、鼻腔、口腔、皮肤、生殖系统)
-
2013-2018(怀孕与早产(肠道)、IBD、早期糖尿病)
-
2008 metahit IBD与肥胖症 肠道(建立肠道基因组)-----推向临床,元基因组组学
-
2016美国国家微生物组计划(微生物组技术,微生物与健康,科普)
微生物组学从课题设计到数据分析—胡松年
主要是从测序角度开始,宏基因组和宏转录组,然后在进行分析
图
- 样本、物种、表型数据描述
预先主成分分析,判断某项指标对分组的影响,重点关注影响力大的。
验证必不可少
- 菌群物种组成整体差异与分组具体差异
特定菌群差异展示,批次效应(小规模分析在整合)。
3.表型数据与微生物组的关系
分类器,随机森林
样本少用热图观察。
二代限制:测序读长
三代限制:测序通量。
最好使用混合的结果
培养组通幽微世界 —杨瑞馥
粪便移植治疗疾病及对宿主的影响-----微生物群落的演变健康和疾病关系—人体微生物组生物信息学分析技术的发展及应用
培养组学:微生物-功能-药物
优势:对低丰度细菌,
多种培养基,多种菌
70年代
16s rdna测序估计人体肠道有1000种
培养组学400
肠道微生物的种类获得
MALDI-TOF + 16SrRNA全基因组测序
培养组学技术挑战
-
细菌生理生化特性不同
-
生长繁殖速率不同
-
许多细菌生长条件苛刻
需要考虑多种培养因素
18个条件----大量细菌物种,占70%已知
从分离到功能
培养组学的发展:
技术改进
物质基础
转化基础:药物,靶标
个体差异大,不同条件不同细菌,获得更多细菌
微生物群雨表型因果研究
株水平的验证是关键,是否有差异,细胞在细菌的刺激下的结果,临床是小鼠实验
AKK,肥胖症,转化为药物
培养大肠癌粘膜菌—验证功能
活菌药物刚开始起步。
而我们可以从人体到生态发展。
微生物组:黄金还是泡沫 — 赵方庆
-
公众号媒体的断章取义
-
可重复性差:菌群研究的复杂性
-
缺乏标准化的实验和分析(测序,丰度等处理)导致不确定性
研究模式从关联关系到因果关系的转变—关键微生物株系基因组代谢通路、基因或变异(需精细解析基因组)
实验
- 针对单一菌株:
16S测序/拷贝数—需要矫正才能获得准确的丰度
RiboFR-seq:矫正方式,测16S–并且他的环境位置(还可以确定物种)
与16S测序和宏基因组结合就更获得菌群结果。
- 针对复杂菌群:
metasort:拼接问题
降低菌群复杂度,在拼接,效果好,获得一个小的meta(相当于子集,多样性降低)。大(正常步骤)小meta结合
低丰度物种:拼接很零碎,使用metasort就可以得到好结果。优于单细胞(多样性多)
- 菌群在母婴之间传递
多位置的微生物进行解析,孕妇影响新生儿
- 菌群溯源:从崩坍到重建
口腔从清除到重建
复杂微生物,重建编码基因。
发现疾病关键菌群-从大人群关联到因果挖掘 —周宏伟(声音图像不同步)
特点:菌多-疾病广-结论杂
健康环境多样性高(一般情况)–菌群交换改变表型
不同疾病对应于不同菌,但是重现性低下,中欧T2D结论不一致。益生/有害菌定义难
原因:
-
菌群基因太过复杂
-
个体差异大
-
个体内变异,时间期间
-
菌株水平的异质性
一些疾病,不同地区,宿主地域影响无法通过meta分析/开展严格地域分析,粪便,7009人 GGMP,区别很大(疾病菌群差异小于城市菌群差异),不同地区模型不能跨地区。有些可以。
原因:相关种类小,信号强,不同地区才具有一致性(少数,可建立全局)
大量疾病通过地区子集需要先建立本地诊断,逐步完善后建立完善的模型(菌群诊断的地域依赖性)
三层范式:
1、少量疾病(地域一致,与某因素强关联)
2、大量疾病(不一致)
3、不同疾病,分层疾病诊断
mets发病率–与收入之间的关系,菌群与生活方式多种因素独立影响发病率
子痫前期–与肠道微生物(重要因素)—肠道菌群破坏肠屏障—细菌群迁移到胎盘–引起子痫
结论:
-
菌群是众多急慢性疾病的关键病因,是重要的疾病诊断、治疗与预防新靶标
-
同一疾病的特征菌群常常存在地域依赖性-“疾病特征菌谱区域化”新研究范式,
-
菌群与生活方式对代谢综合征的独立贡献,
-
因果关联是菌群作为干预靶标的重要证据
基因组与微生物组:如何研究影响微生物组的基因 — 王军
肠道菌群,组成功能,变异差异
研究方法
核心理念
测序技术—发展大
抗生素—菌群混乱
β多样性:变异多样性?
非基因因素----对性状的影响也很大
-
遗传学之前:测试环境影响:微生物受非生物因素的影响很大
-
间接遗传学研究(宿主系统发育+双胞胎研究)-没有特定基因涉及
-
候选基因方法-特定的基因导向的研究(CD病研究–微生物变化到易感模式,然后通过其他因素发病,小鼠与生活在一起的母鼠性状相近)
-
全基因组扫描(小鼠QTL +人类GWAS*)
三个肠道亚型–饮食碳水化合物,脂肪
2类IBD,地理因素,地区性(1%患病欧洲,发展中国家在上升)。
假阳性控制—荷兰类似人群交叉数据,10%以下
线粒体,基因组两个树,拓朴树相似。微生物与宿主基因放在一起考虑?
微生物生态与组学大数据分析 邓晔
-
微生物和周边生物和非生物构成微生物生态系统
-
研究微生物与周围生物和非生物环境之间相互关系的科学
-
5 w 和一个h who is doing what ,with whom, when,where and
how. -
微生物群落复杂性:1g土壤有10^7-9细菌个体1-10万物种。
-
多种作用:微生物自身之间的关系以及与周围生物和非生物环境之间相互关系。复杂–发展缓慢–高通量组学发展
-
以群落的形式生存繁衍–1、物种的互作关系(对干扰的抵抗力与恢复力)2、群落的构建机制(生态位决定,随机性决定)
-
高通测序技术–信息分析手法— 环境微生物群落再全球变化、人类活动背景下的响应
-
环境微生物的检测技术热点:微生物功能相关,实时实地实效经济
细胞观测法、代谢培养法、生物化学法、组学分析
-
微生物结构变化影响外部环境,难,未知功能菌群。先检测功能类菌—再反推群落表型。针对功能基因,对丰度,类群多样性,功能多样性分析。
-
收集已有基因序列(分析)—构建数据库–对未知测序基因序列分析
-
功能基因序列手机的生物信息学系统:SDARG:抗生素抗性基因数据库。SDNCG氮循环相关功能基因数据库
-
分析平台:原始序列–预处理–质量控制–OTU划分–物种鉴定–多样性分析(工具组合-参数优化)
-
数据存储–数据处理—数据分析
-
活性污泥法:微生物处理废水,数量大。85%微生物功能未知,限制
不同城市不同季节的活性污泥群落明显变化,抗性基因高度同源,互相关系抵抗外部冲击
生态学意义:
把微生物群落当一个整体考虑
复杂的关系简化衡量的模型
生态学理论可用于帮助理解和调控微生物群落的整体行为
微生物组学数据和代谢网络分析 马红武
基因组–无测序–有直接使用
多组学:DNA–RNA–Protein–Metabolite–Flux
特点:数据量大,
数据与知识之间的关系。
基因组—代谢网络的分析:二氧化碳的固定,可再生资源
- 基因组到代谢网络
基因功能注释
(Blast序列相似度搜索)–非编码区基因97%(调控)但是关注编码基因。–多维注释(基因之间的相互作用,二维)—相互作用网络。/代谢网络/
-
基于基因组的代谢网络模型,不同微生物代谢能力差异大
-
高质量代谢网络(修正网络)…许多点,需要多时间
-
代谢网络的数学表示,图论(连接矩阵),计量学(使用最多,计量矩阵,约束优化模型,反应物–产物模型,COBRA)PHB最优途径寻找,提升利用率
-
代谢网络与组学数据(映射到网络)结合
GRP关系,基因–蛋白–反应关系
酶反应数据库
http://www.genome.ad.jp/kegg/等
构建代谢网络(输入基因组序列输出代谢网络):seed https://modelseed.org/
Raven可视化 //matlab
模型存储格式:SBML基与XML,
去掉流通代谢物(无意义的网络节点)