国家微生物科学数据中心精品公开课---笔记

人体微生物组与健康—朱宝利

背景

1. 微生物无处不在

2. 微生物组：以群体形式发挥作用

3. 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。

4. 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：

1. 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）

2. 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）

3. 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

4. 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

5. 共生菌：以宿主为生的细菌无害无益

6. 互益共生菌：互利共生

7. 寄生菌：对宿主有害

8. 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

1. 2005 斯坦福教授

2. 2006 华盛顿大学肠道细菌与肥胖症

3. 2010华大基因与metahit
   大规模人类肠道细菌微生物组

4. metahit首席人类肠道的肠型3种（拟杆菌、普雷沃菌，瘤胃球菌）

5. 人类肠型与饮食习惯

6. 人体遗传特性影响人体微生物组成

7. 2007-2012 HMP（肠道、鼻腔、口腔、皮肤、生殖系统）

8. 2013-2018（怀孕与早产（肠道）、IBD、早期糖尿病）

9. 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

10. 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

1. 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

2. 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

1. 细菌生理生化特性不同

2. 生长繁殖速率不同

3. 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

1. 公众号媒体的断章取义

2. 可重复性差：菌群研究的复杂性

3. 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

1. 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。

2. 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）

3. 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

4. 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：

1. 菌群基因太过复杂

2. 个体差异大

3. 个体内变异，时间期间

4. 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：

1. 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

2. 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,

3. 菌群与生活方式对代谢综合征的独立贡献,

4. 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

1. 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

2. 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

3. 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）

4. 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

1. 微生物和周边生物和非生物构成微生物生态系统

2. 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

3. 5 w 和一个h  who is doing what ,with whom, when,where and
   how.

4. 微生物群落复杂性：1g土壤有10^7-9细菌个体1-10万物种。

5. 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

6. 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）

7. 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

8. 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

9. 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。

10. 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

11. 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

12. 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）

13. 数据存储–数据处理—数据分析

14. 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

1. 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/

2. 基于基因组的代谢网络模型，不同微生物代谢能力差异大

3. 高质量代谢网络（修正网络）…许多点，需要多时间

4. 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

5. 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）