近日，国际著名杂志《美国国家科学院院刊》（PNAS）在线刊登了美国研究人员的最新研究成果“Metagenomic systems biology of the human gut microbiome reveals topological shifts associated with obesity and inflammatory bowel disease，”文章中，作者利用新的方法来研究人类微生物群落的组织架构以及对人类健康的影响。
人类身体中藏匿着超过数以百亿的微生物菌群，这种庞大复杂的微生物菌群系统对于人类发展、免疫、营养、以及我们的身体健康有着重要的作用，人体中，微生物群落繁殖最为密集的地方就是人的肠末梢，正常情况下，肠区系包含了成百上千的微生物种类，所编码的巨大的基因是人类的150倍以上；肠微生物群落在很多必要的过程中扮演了重要的角色，包括维他命和氨基酸的生物合成，食物能量的采集，免疫系统的发展，人类微生物菌群的特点以及与宿主的关系使得我们在治疗人类生理疾病上对微生物菌群有着更深入的研究视角；目前，世界的研究者们将目光转移到了研究人类微生物菌群系统上来，他们开始绘制人类的微生物图谱，为以前未知的种群和基因提供新的视野，尤其是16S核糖体RNA序列分析为研究者们提供了很好的平台，供研究者决定微生物群落中不同分类群的相对丰度，相关的调查研究也已经揭示了，比如说肠微生物群落不同种群混合物的标记以及一系列的宿主表型；DNA变位基因组鸟枪法和基因中枢比较方法可以在微生物代谢中捕获功能性的差异，然而，肠微生物群落系统的比较变位基因组分析的方法只能揭示样品高功能的均一性，而且只能识别特定宿主仅仅一小部分的基因或者途径。
文章中，作者引入了一种特殊的框架来研究人类的微生物群落，作者运用系统水平分析的网络框架来整合变位基因组数据，这种变位基因组系统生物学的研究方法优于传统的比较分析方法，是将鸟枪变位数据放在群落代谢网络的计算机上下文中，文章中，作者将不同变位基因组的样品网络中酶类的拓扑学性质与丰度进行比较，并且检测了不同宿主群体微生物群落的拓扑学特点，这有助于我们了解代谢能力的变化特点，这种方法，作者将微生物群落视为单一的独立生物学系统，通过引入微生物群落存在的基因和这些基因之间的网络关系，通过进行计算来延伸变位基因组的基因中央的视野。
研究者Sharon Greenblum在文章中指出，他们运用了一个变位基因组系统生物学的计算框架，将数据与硅系统分析的代谢网络进行整合，通过研究肠微生物群落，作者分析了124个单独个体的粪便间位基因组学数据，得出了微生物群落等级代谢的的网络图谱，通过分析，作者识别出了和肥胖以及肠炎疾病相关的基因等级和网络等级之间的拓扑学差别，作者发现这些基因倾向于定位在代谢网络的边缘，作者的研究发现揭示了肥胖人群和瘦人之间的微生物群落差异表现在微生物和宿主之间的接触和相互关系，作者进一步揭示，肥胖人群的微生物群落或许是比较少的一些模块，但是却是适应低多样性环境的一个标志，研究者随后又链接了群落等级组成成分的拓扑学变更，文章中作者阐述的系统等级的方法为我们研究人类微生物群落，组织以及对人类健康的影响提供了唯一特殊的框架体系。（生物谷：T.Shen编译）
doi:10.1073/pnas.1116053109
PMC:
PMID:
Metagenomic systems biology of the human gut microbiome reveals topological shifts associated with obesity and inflammatory bowel disease
Sharon Greenbluma, Peter J. Turnbaughb, and Elhanan Borensteina,c,d,1
The human microbiome plays a key role in a wide range of host-related processes and has a profound effect on human health. Comparative analyses of the human microbiome have revealed substantial variation in species and gene composition associated with a variety of disease states but may fall short of providing a comprehensive understanding of the impact of this variation on the community and on the host. Here, we introduce a metagenomic systems biology computational framework, integrating metagenomic data with an in silico systems-level analysis of metabolic networks. Focusing on the gut microbiome, we analyze fecal metagenomic data from 124 unrelated individuals, as well as six monozygotic twin pairs and their mothers, and generate community-level metabolic networks of the microbiome. Placing variations in gene abundance in the context of these networks, we identify both gene-level and network-level topological differences associated with obesity and inflammatory bowel disease (IBD). We show that genes associated with either of these host states tend to be located at the periphery of the metabolic network and are enriched for topologically derived metabolic “inputs.” These findings may indicate that lean and obese microbiomes differ primarily in their interface with the host and in the way they interact with host metabolism. We further demonstrate that obese microbiomes are less modular, a hallmark of adaptation to low-diversity environments. We additionally link these topological variations to community species composition. The system-level approach presented here lays the foundation for a unique framework for studying the human microbiome, its organization, and its impact on human health.
