張玉鳳 荊功超 李勁華 蘇曉泉

微生物是地球上最早進化形成的生命體之一，它們與后續(xù)進化的動植物以及人類等相互影響，形成各種各樣的復(fù)合體系。微生物在自然生態(tài)圈中幾乎無處不在，它們絕大多數(shù)并不是孤立的，而是以“微生物群落” （亦稱菌群）的形式共存。通常，也用“微生物組”（microbiome）來表示某個特定環(huán)境或者生態(tài)系統(tǒng)中全部的微生物及其遺傳信息。

人體微生物組被稱為人的“第二基因組”。 作為與生俱來又無處不在的“小伙伴”，微生物組與我們有著千絲萬縷的關(guān)聯(lián)[1]。隨著生物技術(shù)與大數(shù)據(jù)的發(fā)展，研究發(fā)現(xiàn)人體菌群與人的健康狀況的變化和疾病的發(fā)生發(fā)展密切相關(guān)，如炎癥性腸病[2]、Ⅱ型糖尿病[3]、結(jié)直腸癌[4]等疾病的發(fā)生都伴隨著腸道菌群的改變。微生物組檢測具有非侵入性、可量化性、可預(yù)警等優(yōu)勢，例如，兒童的口腔菌群檢測僅需幾滴唾液，就可以提前預(yù)測齲齒的患病風(fēng)險[5]，使其在疾病識別、治療方案制定、預(yù)后評估等方面有著巨大的潛力。因此，基于微生物組的健康狀態(tài)檢測一直是精準(zhǔn)醫(yī)學(xué)和大健康領(lǐng)域的熱點問題之一。那么，如何用菌群判斷和區(qū)分疾病呢？

微生物組疾病檢測的方法與不足

一個微生物群落中可能存在成百上千種不同的物種。因此，微生物組檢測首先用DNA測序和生物信息分析來獲取菌群的結(jié)構(gòu)成分，也就是知道其中有什么微生物，含量比例是多少。之后，常規(guī)的做法是將某類疾病患者的菌群樣本和健康樣本進行對比，發(fā)現(xiàn)其中關(guān)鍵的差異物種作為生物標(biāo)記（bio-marker），并根據(jù)標(biāo)記的含量高低來判斷待檢樣本是否罹患該類疾病。然而，這類方法在適用廣泛性、疾病特異性、污染抵抗性等方面有著明顯的不足，從而阻礙了微生物組技術(shù)的進一步應(yīng)用。

首先，生物標(biāo)記法在疾病普適程度上限制大，易出現(xiàn)“漏診”問題。利用某類疾病樣本和健康樣本中具有差異的物種作為生物標(biāo)記，檢測范圍也就僅限于該疾病類型，否則將無法正確地識別出樣本的狀態(tài)。然而在實際的檢測情況中，不同人群中同一疾病的生物標(biāo)記物種往往不一致[6]，甚至許多疾病沒有明確的標(biāo)記。當(dāng)樣本的疾病超出模型的檢測范圍時，很難綜合地判斷待測樣品是否健康。

同時，生物標(biāo)記法在檢測特異性上的缺陷會導(dǎo)致“誤診”問題。前期研究表明，已知的每一種生物標(biāo)記均會與至少兩種不同的疾病存在關(guān)聯(lián)[7]。因此，生物標(biāo)記的檢測范圍較大，涵蓋的疾病類型較多（例如5個以上）時，在區(qū)分不同疾病的過程中會容易出現(xiàn)誤判。

此外，生物標(biāo)記容易受到外來“污染物”的干擾，從而影響檢測結(jié)果。由于我們身體上和生活的環(huán)境中幾乎所有可及之處都有微生物的存在，檢測的過程中可能會混入來自身體其他部位或者環(huán)境中的微生物，這些“污染物”會改變菌群成分分析中生物標(biāo)記的相對含量，從而降低疾病識別的穩(wěn)定性。

微生物組搜索引擎和大數(shù)據(jù)挖掘為疾病檢測提供新思路

隨著DNA測序成本的降低和微生物組研究的迅猛發(fā)展，菌群的測序數(shù)據(jù)正在以前所未有的速度累積。然而，每當(dāng)新的微生物組數(shù)據(jù)產(chǎn)生時，受限于該領(lǐng)域大數(shù)據(jù)分析工具的匱乏，難以與原有的海量數(shù)據(jù)進行快速的比對，束縛了對新數(shù)據(jù)的認(rèn)識與解讀。筆者團隊成功開發(fā)了微生物組搜索引擎（Microbiome Search Engine，以下簡稱搜索引擎），通過物種成分分類的動態(tài)索引機制和Meta-Storms比對算法[8]，實現(xiàn)了微生物群落整體層面的高速搜索，從而在急速增長的已知數(shù)據(jù)中，迅速準(zhǔn)確地找到與新樣本在群落結(jié)構(gòu)上高度相似的匹配樣本，使得未知菌群的“溫故而知新”成為可能。

對于每一個新的微生物群落，利用搜索引擎在已有的數(shù)據(jù)庫中進行搜索，根據(jù)最佳的匹配度來計算的“微生物組新穎指數(shù)”（以下簡稱新穎指數(shù)），能夠量化出該樣本的新奇性和獨特性。新穎指數(shù)值越高說明樣本與先前已大規(guī)模采樣收錄的菌群相似性越低，也就越獨特。研究人員通過對2010—2017年產(chǎn)生的來自全球不同地域、不同環(huán)境的共100 000多例微生物組樣本進行追蹤分析，結(jié)果顯示人體菌群的新穎指數(shù)變化在全局范圍內(nèi)是收斂性發(fā)展，且已經(jīng)呈現(xiàn)接近飽和的狀態(tài)[9]，而自然環(huán)境菌群的收斂性卻不明顯。人體微生物組的這種收斂性也稱為 “搜索邊界效應(yīng)”，即雖然人與人之間菌群結(jié)構(gòu)和組成差異很大，但從整體尺度來看，其變化總在一定的范圍之內(nèi)。

當(dāng)進一步縮小范圍，健康的人體微生物組是不是也存在類似的“搜索邊界效應(yīng)”，使得健康菌群的新穎指數(shù)總在一定正常范圍之內(nèi)，而疾病菌群明顯高于正常水平，從而利用搜索的策略來實現(xiàn)對非正常狀態(tài)菌群的篩選和識別。研究人員再次利用多個地區(qū)超過15 000例正常人群的微生物組作為基準(zhǔn)，發(fā)現(xiàn)多種不同疾病樣本的新穎指數(shù)均要顯著高于健康樣本，從而驗證了健康微生物組的“搜索邊界效應(yīng)”，并為疾病檢測提供了前提。

基于大數(shù)據(jù)搜索的微生物組疾病檢測

與現(xiàn)有的生物標(biāo)記法相比，基于搜索的疾病檢測不再依賴疾病相關(guān)的特定標(biāo)識微生物，而是利用待測菌群的整體組成結(jié)構(gòu)與已有數(shù)據(jù)的相似度來實現(xiàn)檢測[10]。此方法分為兩步：第一步，計算待測樣本相對于健康數(shù)據(jù)庫的新穎指數(shù)，根據(jù)其異常程度即可評估其是否健康；第二步，與疾病數(shù)據(jù)庫進行比對，根據(jù)最佳匹配結(jié)果即可識別具體的患病種類，從而依次回答“是否健康”和“哪種疾病”這兩個問題。

經(jīng)過3000余例人體腸道微生物組樣本的檢測表明，針對炎癥性腸?。╥nflammatory bowel disease， IBD）、結(jié)直腸癌（colorectal cancer， CRC）、艾滋病毒感染（human immunodeficiency virus，HIV）和腸腹瀉病（enteric diarrheal disease，EDD）這4種疾病，搜索引擎在回答“是否健康”和“哪種疾病”這兩個問題上的準(zhǔn)確率均超過75%，顯著高于目前常用的生物標(biāo)記法，從而有效地降低了“漏診”和“誤診”的可能。此外，由于炎癥性性病和腸腹瀉病具有大量相同的生物標(biāo)記，導(dǎo)致生物標(biāo)記法容易產(chǎn)生混淆，降低了對二者的區(qū)分度和識別率，從而產(chǎn)生了“短板效應(yīng)”，而搜索引擎對其中每一種疾病的檢測準(zhǔn)確性都較為一致。

基于搜索的檢測方法對微生物污染具有較強抵抗性

一般來講，科學(xué)實驗數(shù)據(jù)的采樣、封存、測序等過程由專業(yè)的操作人員按照標(biāo)準(zhǔn)工作流程來完成，會在極大程度上降低污染的可能性。而當(dāng)未來菌群檢測逐漸普及后，菌群的采樣會由用戶或患者自行來完成。例如，當(dāng)我們通過棉簽涂抹手部來獲得皮膚菌群時，可能會難以避免地混入其他身體部位或者生活環(huán)境當(dāng)中的污染微生物，從而干擾檢測結(jié)果。為了測試不同檢測方法對污染物的抵抗性，研究人員在測試數(shù)據(jù)中分別混入5%～20%不同比例的室內(nèi)環(huán)境微生物作為“污染”。結(jié)果顯示，即便在最高的污染率下，搜索引擎仍具有71%以上的良好準(zhǔn)確度。但由于高污染會顯著改變?nèi)郝渲形锓N的相對比例，生物標(biāo)記法檢測結(jié)果受影響較大，平均識別率已然驟降到了60%左右。

以多角度、大數(shù)據(jù)分析為特征的微生物組研究時代已經(jīng)來臨[11，12]。得益于交叉學(xué)科研究，配合微生物組高通量測序和高性能計算方法學(xué)等方面迅猛的進步，以大數(shù)據(jù)驅(qū)動為主的微生物組創(chuàng)新研究模式將會為微生物組技術(shù)在人體健康領(lǐng)域的研究和臨床應(yīng)用帶來突破性新手段和新思路，深化對共生菌群和人類健康之間互作關(guān)系的認(rèn)識，造福社會，造福人類，造福自然。

[1]Turnbaugh P J， Ley R E， Hamady M， et al. The human microbiome project： exploring the microbial part of ourselves in a changing world. Nature， 2007， 449（7164）： 804-810.

[2]Halfvarson J， Brislawn C J， Lamendella R， et al. Dynamics of the human gut microbiome in inflammatory bowel disease. Nature Microbiology， 2017， 2（5）： 17004.

[3]Qin J J， Li Y R， Cai Z M， et al. A metagenome-wide association study of gut microbiota in type 2 diabetes. Nature， 2012， 490（7418）： 55-60.

[4]Wirbel J， Pyl P T， Kartal E， et al. Meta-analysis of fecal metagenomes reveals global microbial signatures that are specifi c for colorectal cancer. Nature Medicine， 2019， 25（4）： 679-689.

[5]Teng F， Yang F， Huang S， et al. Prediction of early childhood caries via spatial-temporal variations of oral microbiota. Cell Host & Microbe， 2015， 18（3）： 296-306.

[6]Duvallet C， Gibbons S M， Gurry T， et al. Meta-analysis of gut microbiome studies identifi es disease-specifi c and shared responses. Nature Communications， 2017， 8（1）： 1784.

[7]Jackson M A， Verdi S， Maxan M E， et al. Gut microbiota associations with common diseases and prescription medications in a population-based cohort. Nature Communications， 2018， 9（1）： 2655.

[8]Su X， Xu J， Ning K. Meta-Storms： Efficient search for similar microbial communities based on a novel indexing scheme and similarity score for metagenomic data. Bioinformatics， 2012， 28（19）： 2493-2501

[9]Su X， Jing G， McDonald D， et al. Identifying and predicting novelty in microbiome studies. mBio， 2018， 9（6）： e02099-18.

[10]Su X， Jing G， Sun Z， et al. Multiple-disease detection and classification across cohorts via microbiome search. mSystems， 2020， 5（2）： e00150-20.

[11]Su X， Jing G， Zhang Y， et al. Method development for crossstudy microbiome data mining： challenges and opportunities. Computational and Structural Biotechnology Journal， 2020， 18： 2075-2080.

[12]Taroncher-Oldenburg G， Jones S， Blaser M， et al. Translating microbiome futures. Nature Biotechnology， 2018， 36（11）： 1037-1042.

關(guān)鍵詞：微生物組 大數(shù)據(jù) 搜索引擎 疾病檢測 生物信息 ■