查看原文
其他

肠道微生物与人类密切相关的方方面面

2017-09-17 生信草堂 宏基因组

点击上方蓝色「宏基因组」关注我们!专业干货每日推送!

本文转载自“生信草堂”公众号,己获原作者授权。

生信草堂

浙大生信博士团队倾力打造的一个科研人员学习交流的公众微信平台。我们致力于科研社区服务,分享最前沿的科技进展,提供生信分析方法,解读经典分析案例,公众数据库的挖掘和临床数据统计分析。在此我们欢迎各位的加入!戳这里生信草堂公众号原文,请多关注哦~


“燃爆了”!近几年来,凭借着“测序技术”的快速发展和“无菌鼠”的成功应用,肠道菌群的研究真可谓倍道而进。这期推文就带领大家一起来扒一扒肠道微生态,是如何从微不足道的生物群体演变成见微知著的研究热点的。

1996年,Science杂志发表题为“A model of host-microbial interactions in an open mammalian ecosystem”研究性文章,该文章利用无菌小鼠模型证明了正常的肠道微生态与肠道L-岩藻糖代谢具有密切的关系,同时为研究开放性的微生物生态系统提供了简化模型。长久以来,微生物基本上被等同于有害菌,而该文章开创性地提出了微生物与宿主之间存在共生关系,拓宽了人们对体内的微生物的认识。之后,对肠道微生态的系统研究逐渐起步。2002年,来自欧洲4国7个实验室的科学家共同开展合作项目,开发和应用微生物元基因组测序(即粪便中细菌16S rRNA测序)的方法,阐明了人肠道微生物群落的复杂组成和监测肠道菌群对饮食的响应机制,并在《British Journal of Nutrition》发文,首次提出了欧洲人类肠道微生物计划(The EU Human Gut Flora Project)。

2004年《Trends in Microbiology》杂志发表一篇评论性文章,指出肠道是宿主最大的共生体系,其中拟杆菌属在成人微生物群的占比约为25%。共生的多形拟杆菌的蛋白组学结果表明,拟杆菌具有与获取和加工膳食多糖的基因相关联的环境感测元件,包括胞外功能因子(ECF-σ) 、跨膜周质蛋白和DNA结合结构域,充分说明了共生微生物已经进化出了感应和应对外环境的策略,以便于微生物和宿主保持互利共生的关系。更重要的是,该文章认为微生物基因组测序项目为揭示宿主-微生物共生和微生物影响哺乳动物的产后发育和成年后生理的分子机制提供了有力工具。


2005年,《Science》发文,斯坦福大学医学院PB Eckburg及其同事认为充分了解复杂多样化的微生态系统是阐明其在健康和疾病中的作用的第一步,因此他们收集了3个健康成人的肠道黏膜和内容物,采用16S RNA高通量测序的方法分析肠道微生物组成,发现人体肠道中大约有400种共生细菌(phylotype以99%为限定),并且80%以上的共生细菌是未培养物种或新型微生物。该文章还发现粪便和粘膜微生物组成存在显着的个体间差异,肠道菌群主要是以拟杆菌门(Bacteroidetes)和厚壁菌门(Firmicutes)为主。2006年,《Science》再次发文,该文章收集2个健康成人的肠道内容物进行了全微生物基因组测序,发现肠道微生物组富含糖、氨基酸和外源性物质代谢的相关基因。上述2项研究扩宽了人们对肠道微生物组成和重要功能的认识,揭开了人类肠道元基因组学的序幕,为后续的研究提供了方法学的支持和新的研究方向。

从上述研究可以发现,与依赖于微生物的体外培养、PCR扩展和核酸胶电泳的传统研究不同,肠道微生态研究的飞速发展在很大程度上得益于多组学测序技术和生物信息学的发展以及交叉学科的融合。

21世纪初,二代测序仪器研发势头火热,新方法新技术层出不穷,诞生了一批以Roche公司的454技术、illumina公司的Solexa,Hiseq技术,ABI公司的Solid技术为代表的第二代测序技术。2005年,生命技术公司454 推出了首台商业化的 DNA 测序仪,即基于焦磷酸测序法的高通量基因组测序系统“Genome Sequencer 20 System”,其测序能力一天已达到2000万个碱基,成为边测序边合成(sequencing-by-synthesis)的首例,这一里程碑事件也标记着DNA测序正式走向历史的舞台。2006年,Solexa公司推出Genome Analyzer测序仪;2007年Illumina公司重金收购Solexa公司,而当时Illumina公司旗下的Hiseq 2000测序仪每天的数据输出量约30Gb以上,碱基的平均读取长度可达150bp左右。第二代测序技术呈现突飞猛进之势,其为测序领域带来革命性的突破。

正是依赖于测序技术的不断革新和性能优化:测序仪读长增加、数据通量变大以及价格逐年降低,科研人员可以简单、快速、全面地了解肠道微生物的组成和功能。同时,全球范围内也开展了大规模的项目来支持肠道微生态的研究,人类微生物组项目(HMP)是2007年由美国国家卫生研究院(NIH)倡议,其目的是鉴定和表征与健康和病人相关的微生物。HMP强调5个身体部位的微生物学特征分析:口腔,皮肤,阴道,肠道和鼻/肺。2012年6月13日,人类微生物项目(HMP)绘制了健康人的正常微生物组成,而且构建了基于多组学的微生物、人类基因组和代谢组的参考数据集,成为HMP的一个重大里程碑。人类肠道元基因组计划(MetaHIT)是2008年由欧盟委员会资助的子项目,致力于对胃肠道细菌的深度和系统发育多样性进行分类,建立人肠道微生物基因与人体健康和疾病的关系。美国国家微生物组计划(NMI)是2015年是美国白宫继脑计划、精准医学之后推出的又一个重大国家科研计划,以支持研究人体和其他不同生态系统中存在的微生物,以更好地了解微生物组在人类和环境健康方面的作用。NMI的目标是支持基础研究,开发新技术,并吸引更多的人。2017年,我国中共科学技术部党组深入贯彻落实党的十八届六中全会精神,提出发展重大颠覆性技术的意见,即着眼国家未来发展的战略需求,在微生物组、人工智能、深地等领域,创新组织模式和管理机制,部署若干重大项目,加强原创性科学基础研究,积极推动技术突破。

新一代测序技术和生物信息学分析的结合,能够得到肠道微生物与宿主的复杂相互作用的相关信息,实现了对宿主-微生物群相互作用机理的解剖。近10年来,测序技术对肠道菌群研究的推进作用,使肠道菌群研究相关的高影响力文章呈爆发式增长,仅2015年,CNS及其子刊中涉及肠道菌群的文章数量达到了52篇。越来越多的研究表明,肠道菌群涉及到宿主的方方面面,例如机体免疫、代谢性疾病、情绪和记忆力等等。

诸多以小鼠为模型,应用元基因组学方法的研究表明肠道微生物与肥胖息息相关,利用454 pirosequencing技术揭示了人体肠道微生态与肥胖的“密切关系”。研究表明“胖子”的肠道菌群和“瘦子”的菌群存在明显的差异。肥胖个体肠道菌群中拟杆菌门的数量比正常人少,而史氏甲烷短杆菌、厚壁菌门较多。这类细菌又被形象地称为“肥胖型细菌”,“肥胖型细菌”通过提高食物的利用率来达到增加体内脂肪聚集和体重的作用。另外,肠道细菌中的阴性菌的脂多糖是一类内毒素分子,可以穿过肠道黏膜屏障进入血液,引发内毒素血症和低度炎症反应,进而导致肥胖。研究发现,将一对一胖一瘦同卵双胞胎的粪便菌群分别移植入无菌受体小鼠,给予15天的低脂饮食,结果发现接受肥胖者粪便移植的小鼠变成了“胖鼠”,这一发现为肠道菌群与肥胖的相关性提供了证据。

代谢综合征患者的肠道微生物多样性远低于健康个体,并且肠道菌群分类的丰度与代谢综合征状态相关。具体表现为代谢综合征组患者其Sutterella, Methanobrevibacter和Lactobacillus含量高,健康人群中Akkermansia, Odoribacter和Bifidobacterium含量高。双歧杆菌属的放线菌具有最高的遗传力(45.7%)。放线菌和双歧杆菌含量降低与载脂蛋白(APOA5)基因单核苷酸多态性(SNP) rs651821等位基因显著相关,表明宿主基因型可以特异性介导微生物组成的变化,进而导致代谢综合征。

菌群对宿主免疫系统的影响巨大,研究表明丝状细菌(SFB)、不动杆菌、脆弱拟杆菌及变形杆菌等在肠道中具有调节免疫功能。正常情况下,肠道的物理化学屏障可以有效的将免疫细胞和菌群隔离开来,限制不必要的免疫激活反应。但是部分共生菌,例如,脆弱性脆弱杆菌可与肠上皮细胞结合,其荚膜多糖A通过Foxp3+CD4+调节性T细胞(Treg)促进抗炎细胞因子IL-10的产生,从而促进细菌的定植和有益的免疫抑制功能。肠内SFB定植可以诱导RORγt+IL-17+辅助性T细胞(TH17)免疫反应,从而保护小鼠免受病原菌柠檬酸杆菌的感染。类似地,梭菌属和人共生体梭状芽孢杆菌是结肠Treg细胞的有效诱导微生物。T细胞依赖性的免疫球蛋白A(IgA)产生由上皮相关共生细菌激活。这些研究强调了共生微生物群对免疫系统的重要性。同时,适应性免疫系统的主要工作除了抵抗破坏生态系统的病原体,还可能调控微生物群落中共生的有益微生物

肠道菌群还可通过代谢产物、刺激免疫细胞分泌细胞因子、诱导肠内分泌细胞产生5-HT进入人体的血液、免疫和神经等信号通路,将菌群的功能传导到大脑等远端器官,进而调节大脑活动,最终影响人的行为、情绪和记忆等活动。多动症、自闭症和抑郁症等心理疾病与肠道异常微生物相关联。自闭症儿童具有独特的肠型,其肠道中的拟杆菌属和瘤胃球菌属含量丰富,而普氏菌属较为缺乏。抑郁症患者的双歧杆菌和乳酸杆菌数量明显少于健康人群。2017年,《BIOLOGICAL PSYCHIATRY》发文首次明确婴儿肠道菌群与认知能力的强关联!研究通过16S rRNA扩增子测序对婴儿的细菌分类群进行鉴定和相对定量,通过聚类分析确定了3组肠道菌群组成有差异的婴儿。较高的菌群α多样性与2岁时的综合测评,视觉感知范围和语言表达水平的得分较低有关。

鉴于肠道菌群与宿主的健康和疾病状态的强相关性,肠道菌群也成为了众多疾病的药物治疗靶点。高通量测序、计算机科学、生物信息学在人体健康及生物领域的应用研究促进以人体微生物组为研究对象的相关产业的发展,如微生物治疗、微生物组检测和菌群移植。菌群移植主要是将健康志愿者的肠道菌群转移到病人肠道中来修复患者的菌群系统,实现肠道及肠道外疾病的治疗。研究发现菌群移植技术可以治疗艰难梭菌感染,对结肠炎也具有较好的疗效。将最前沿的基因组学科研成果应用于疾病诊断、健康管理及精准医学等领域,从健康体检开始,通过菌群检测、差异菌群分析和设计个体化的治疗方案,开创了全新的健康产业发展模式。

生信分析进阶篇

1.    经验分享|如何从Perl语言小白变成大神

2.    干货小卖铺|Perl语言与生物信息分析入门(一)

3.    GWAS还能走多远?——十年的思考

4.    让我带你玩转Linux

5.    干货| Linux常用命令小结(一)

6.    Linux脚本编写“学前班”

7.    UCSC的使用方法(一)

8.    UCSC数据库,全方位巡视一段DNA序列

9.    公共数据库,SCI怎么发?(一)

10.  公共数据库, SCI怎么发?(二)

11.  如何快速下载NCBI-SRA的测序原始数据

12.  CiteScore 来袭,JIF国内评价体系老大位置被撼动 ?

13.  Python包安装详解

14.  推荐一个巨好用的Linux服务器连接客户端!!

15.  Windows玩够了?试试用VMware虚拟机安装Linux

16.  如何利用不同的R包画韦恩图

17.  CRISPR/Cas9系统在哺乳动物细胞中进行基因编辑(1)

18.  CRISPR/Cas9系统在哺乳动物细胞中进行基因编辑(2)

19.  GWAS的基因型填充是怎么回事?

20.  关于ICA不得不说的秘密(一)

21.  meQTL分析,你分析过吗?

22.  小白的tophat2学习笔记

23.  CircRNA预测软件大对比(一)

24.  干货|CircRNA 预测软件之find_circ使用流程(二)

25.  CircRNA 预测软件之CIRCexplorer2使用流程(三)

26.  HISAT2,取代TopHat的宠儿

27.  什么鬼,lncRNA原来这么分析?

28.  最全长链非编码RNA数据库介绍(上)

29.  干货|全基因组甲基化测序分析(一)

30.  干货 | 甲基化和表达数据整合分析策略 | FEM包

31.  经验分享|WGCNA|共表达网络分析发现与癌症相关的生物网络|实例应用

32.  RNA-Seq分析|RPKM, FPKM, TPM, 傻傻分不清楚?

33.  STAR,效如其名

34.  GWAS+LncRNA 是否能成为后基因组研究的宠儿

35.  影响实验精确度的RNA分析套路及优化

36.  大数据分析学起来|今天走了几步啦?看人家用计算步数发表的Nature

37.  想发Meta的看这里|Meta分析,SCI怎么发?

38.  我与生物信息学

39.  TCGA三级数据下载攻略

40.  TCGA数据库讲解与数据下载

41.  关于Haplotype,看完这个你就明白了

42.  哪些互联网上的基因检测服务到底靠不靠谱?

43.  构建生物网络实践WGCNA使用

44.  看了这个你就会画热图了

微生态研究

1.    “菌”情初探

2.    “它的前半生” 肠道微生物与人类密切相关的方方面面

3.    被你嫌弃的它,却为科学打开了“一扇门”


精品论文搜索


数据库 | 新生突变研究,突变速率不容忽视 | mirDNMR液体活检来临的时代:ctDNA与癌症全周期管理CRISPR/Cas9系统在哺乳动物细胞中进行基因编辑(2)精品推荐|年龄相关的DNA甲基化的改变与疾病的联系Cell报道通过CRISPR全基因组扫描的生信分析发现癌症关键基因实例解读|高分文章|lncRNA-miRNA作用于心脏肥大实例解读| lncRNA在胃癌中的作用 精品论文|如何利用分子实验验证GWAS发现的SNP? GWAS研究的转机|转录因子(PU.1)参与调解阿兹海默症(AD)        文献精读 | 泛基因组从何而来

参考文献

Bry L, Falk P G, Midtvedt T, et al. A model of host-microbial interactions in an open mammalian ecosystem[J]. Science, 1996, 273(5280): 1380.

Blaut M, Collins M D, Welling G W, et al. Molecular biological methods for studying the gut microbiota: the EU human gut flora project[J]. British Journal of Nutrition, 2002, 87(S2): S203-S211.

Xu J, Chiang H C, Bjursell M K, et al. Message from a human gut symbiont: sensitivity is a prerequisite for sharing[J]. Trends in microbiology, 2004, 12(1): 21-28.

Eckburg P B, Bik E M, Bernstein C N, et al. Diversity of the human intestinal microbial flora[J]. science, 2005, 308(5728): 1635-1638.

Gill S R, Pop M, DeBoy R T, et al. Metagenomic analysis of the human distal gut microbiome[J]. science, 2006, 312(5778): 1355-1359.

Ley R E, Turnbaugh P J, Klein S, et al. Microbial ecology: human gut microbes associated with obesity[J]. Nature, 2006, 444(7122): 1022-1023.

Margulies M, Egholm M, Altman W E, et al. Genome sequencing in open microfabricated high density picoliter reactors[J]. Nature, 2005, 437(7057): 376.

Ley R E, Turnbaugh P J, Klein S, et al. Microbial ecology: human gut microbes associated with obesity[J]. Nature, 2006, 444(7122): 1022-1023.

Turnbaugh P J, Ley R E, Mahowald M A, et al. An obesity-associated gut microbiome with increased capacity for energy harvest[J]. nature, 2006, 444(7122): 1027-131.

Cani P D, Bibiloni R, Knauf C, et al. Changes in gut microbiota control metabolic endotoxemia-induced inflammation in high-fat diet–induced obesity and diabetes in mice[J]. Diabetes, 2008, 57(6): 1470-1481.

Zhang H, DiBaise J K, Zuccolo A, et al. Human gut microbiota in obesity and after gastric bypass[J]. Proceedings of the National Academy of Sciences, 2009, 106(7): 2365-2370.

Ridaura V K, Faith J J, Rey F E, et al. Gut microbiota from twins discordant for obesity modulate metabolism in mice[J]. Science, 2013, 341(6150): 1241214.

Lim M Y, You H J, Yoon H S, et al. The effect of heritability and host genetics on the gut microbiota and metabolic syndrome[J]. Gut, 2016: gutjnl-2015-311326.

Blander J M, Longman R S, Iliev I D, et al. Regulation of inflammation by microbiota interactions with the host[J]. Nature immunology, 2017, 18(8): 851.

Mulle J G, Sharp W G, Cubells J F. The gut microbiome: a new frontier in autism research[J]. Current psychiatry reports, 2013, 15(2): 337.

Romijn J A, Corssmit E P, Havekes L M, et al. Gut–brain axis[J]. Current Opinion in Clinical Nutrition & Metabolic Care, 2008, 11(4): 518-521.

Foster J A, Neufeld K A M V. Gut–brain axis: how the microbiome influences anxiety and depression[J]. Trends in neurosciences, 2013, 36(5): 305-312.

Carlson A L, Xia K, Azcarate-Peril M A, et al. Infant Gut Microbiome Associated with Cognitive Development[J]. Biological Psychiatry, 2017.

更多相关文章,请点击“宏基因组”文章目录阅读;

学习16S扩增子、宏基因组科研思路和分析技术,快关注“宏基因组”公众号,干货每日推送


系统学习生物信息,快关注“生信宝典”

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存