破譯新陳代謝，一次一種微生物_風聞

腸道微生物產生和修飾的小分子會影響人體生理機能。不同腸道微生物的代謝輸出圖譜提供了破譯其產生背後的微生物機制的新方法。

我們腸道中的微生物可以產生深遠的影響——對我們的肝臟1、動脈2，甚至可能對我們的行為3. 這些微生物發揮作用的一種方式是通過產生或消耗稱為代謝物的小分子。測量代謝物水平，一種稱為代謝組學的方法，已導致對其重要性的日益認識。然而，我們很少了解驅動這些水平的潛在機制：即，哪些微生物、酶和相互作用參與了特定代謝物的產生和吸收。腸道微生物羣落等微生物羣落的複雜性進一步阻礙了這項任務，對這些微生物羣落的研究必須考慮到大量微生物、它們之間的相互作用、它們不同的代謝能力以及幾種難以測量的非微生物菌羣。因素，例如宿主飲食4。在大自然中寫作，韓等人。圖 5通過對人類腸道中常見的多種微生物進行代謝和遺傳分析，提出了應對這一重大挑戰的綜合方法。

作者的方法（圖 1）得益於顯着的技術進步。使用液相色譜-質譜法 (LC-MS)，一種根據極性、質量和電荷對代謝物進行量化的技術，Han 及其同事編譯了一個包含 833 種與微生物代謝相關的代謝物的參考數據庫。他們證實，這些代謝物在生物樣品中是可檢測到的，並且它們的測量結果在幾種類型的樣品中是一致的，例如糞便或血液，並且可以在很寬的濃度範圍內進行量化。作者還開發了一個分析管道，可實現化合物識別和統計分析。有了這個基礎設施，Han等人。測量來自體外的數千個樣本的代謝物水平 178 種微生物菌株的培養物分別在多種培養基類型中生長，並取自腸道被相同菌株定殖的小鼠的各種組織，單獨或在五六個物種的羣落中。

閲讀論文：用於腸道微生物組機械詢問的代謝組學管道

此外，儘管作者可以確定一些與特定代謝物產生的強烈物種特異性關聯，例如糞腸球菌產生酪胺分子，代謝組學特徵不足以獨立區分不同物種的成員。一種機器學習算法經過訓練以根據其代謝組學特徵識別物種的正確率只有 30% 左右，甚至不同屬或科的成員也沒有被該算法很好地分離（在此類分析中，它實現了約 70% 的準確率）。這些結果引起了對典型微生物組分析的警告，這些分析通常依賴於屬和種水平的微生物丰度估計，因此可能會遺漏微生物羣落的關鍵代謝方面。

儘管系統發育與代謝之間的對應關係並不完美，但作者提出了一種分析方法，利用特定基因與代謝輸出之間的關聯來深入瞭解微生物代謝。Han 及其同事將他們的代謝組學分析與細菌基因組分析相結合，以揭示導致無法解釋的代謝能力的基因。作者確定了一種以前未知的機制，擬桿菌門的微生物通過該機制利用氨基酸谷氨醯胺和天冬醯胺。然而，負責在幾種物種中產生腐胺和丁胺分子的spe基因在三種梭桿菌中不存在 作者發現可以產生這些分子——這一結果證明了這種分析方法的侷限性。

Han 及其同事最後轉向他們方法中最具挑戰性的方面：評估體外和體內代謝輸出之間的對應關係。具有顯着代謝能力的菌株，例如從氨基酸精氨酸產生胍丁胺的葡萄牙檸檬酸桿菌，在培養物和小鼠中都保持了部分這種能力。在某些情況下，這會導致超出腸道的影響（全身效應）。例如，如果動物被C. portucalensis定殖，則小鼠尿液中的丁胺水平會增加。

設計師纖維膳食影響人類腸道微生物

然而，正如作者對兩種菌株所測試的那樣，在總體代謝輸出方面沒有觀察到體外和體內數據之間如此高的對應性。對於這些菌株，該菌株的體外代謝譜與從其定植的小鼠的腸道或糞便測量的譜之間只有中等相關性。此外，在體外未發現相關性這些菌株的概況以及被它們定殖的小鼠的血液或尿液概況。儘管在簡化的“單一殖民化”場景中，每隻小鼠僅攜帶一種微生物菌株，但沒有細菌羣落的其他成員以及它們之間的相互作用產生的複雜影響6，情況仍然如此。

這些結果突顯了這一令人印象深刻的努力之後留下的主要挑戰，即在簡化的環境中使用這一廣泛的代謝測量圖譜來提供複雜羣落代謝的準確模型。這可以通過實驗來完成——例如，通過擴展 Han等人所做的工作。評估組合共文化——或通過利用各種計算和數學方法7 , 8。未來的工作可以進一步驗證該數據集在研究人類腸道微生物組方面的實用性；將數據集擴展到在特定宿主中發現並可能已經適應的菌株9; 並將數據集擴展到與其他人類相關微生物羣落（例如陰道和皮膚微生物組）相關的微生物和代謝物。

Han 及其同事為研究界提供了有用的資源，包括由數千個樣本組成的廣泛代謝組學數據集、用於探索它的網絡資源以及研究微生物代謝的分析方法。此外，這項工作提供了一個真正的開源技術資源，包括協議、分析管道和廣泛的代謝物參考庫，作者證明這些資源適用於不同的機器，只需最少的校準。其他人可以使用該資源進行類似的實驗設置，從而促進代謝組學的民主化。總而言之，這項工作為未來破譯微生物代謝的工作奠定了基礎——這是朝着針對微生物組的新療法邁出的重要一步。