宏基因组及培养组学技术在粪菌移植中的应用

粪菌移植技术（fecal microbiota transplantation,FMT）是利用健康人群的粪便或经过处理的粪便中的微生物来治疗消化、代谢等系统诸多疾病的一项古老而又新兴的技术。宏基因组、培养组等肠道微生物组前沿研究技术的飞速发展,为粪菌移植治疗疾病提供了强有力的研究和临床实践武器。宏基因组技术可全面揭示健康及疾病状态下肠道微生态的组成及功能变化,而培养组学技术则可以用来分离和鉴定人类肠道中的诸多在常规培养条件下未可培养菌,两项技术联用不仅可以使我们更为深入地理解粪菌移植在临床实践中的因果规律,还将有力推动粪菌移植技术在未来的应用与发展。基于此,本文综述了宏基因组及培养组学技术在粪菌移植中的应用及未来发展趋势。     

宏基因组技术在开拓天然产物新资源中的应用

微生物代谢产物具有巨大的化学多样性,是多种抗生素和其它药物的重要来源。由于现有培养手段的局限性,可培养的微生物不到微生物总数的1％,使绝大部分微生物资源的开发利用受到制约。近年来．直接提取环境样品中混合微生物总基因组DNA,利用可培养的宿主细菌构建宏基因组文库,通过筛选目的克隆,寻找活性代谢产物,取得瞩目进展。对这一新领域的研究进展结合我们的研究概况进行了简要综述。     

宏基因组学技术在微生物功能酶开发中的应用

宏基因组学技术以特定环境样品中微生物复杂群落的基因组总和为研究对象,突破了传统微生物纯培养方法的局限,为不可培养微生物中丰富的基因资源的开发和利用提供了强有力的工具,已经取得了令人瞩目的研究进展。对宏基因组学技术及其在微生物功能酶新基因发现中的应用进行综述。     

人工饲养恒河猴幼猴不同肠段微生物宏基因组学研究

目的以恒河猴幼猴为模型,采用16S rRNA宏基因组方法探讨十二指肠、盲肠、直肠的菌群组成。方法收集4例健康幼猴十二指肠、盲肠、直肠样本,提取细菌总DNA,采用新一代高通量测序技术对16S rRNA基因的V3-V4高变区测序,分析比较菌群结构及多样性。结果 (1)门水平各肠段微生物优势菌群主要为硬壁菌门、变形菌门及拟杆菌门,在各肠段中的占比总和超过88%;(2)属水平,十二指肠中以芽胞杆菌属等为优势菌属,盲肠中以螺杆菌属、颤杆菌属、孢杆菌属等为优势菌属,直肠中以乳酸菌属、链球菌属、颤杆菌属等为优势菌属;(3)各肠段微生物功能差异较大,十二指肠主要承担营养物质的消化吸收,盲肠主要承担细胞及遗传物质的合成,直肠主要承担调节机体免疫力、抗感染等功能。结论各肠段菌群组成差异较大;各肠段细菌功能差异较大,且与其生理功能有一定关联;在肠道菌群研究中,应充分考虑粪便样品微生物的组成是否能够完全代表肠道微生物的组成。     

环境微生物宏基因组学研究中的生物信息学方法

高通量测序技术的发展促进了组学技术在环境微生物研究中的广泛应用,而宏基因组学是目前最为关键和成熟的组学方法。生物信息学在微生物宏基因组学研究中具有至关重要的作用。它贯穿于宏基因组学的数据收集和存储、数据处理和分析等各个阶段,既是宏基因组学推广的最大瓶颈,也是目前宏基因组学研究发展的关键所在。本文主要介绍和归纳了目前在高通量宏基因组测序中常用的生物信息学分析平台及其重要的信息分析工具。未来几年之内,测序成本的下降和测序深度的增加将进一步增大宏基因组学研究在数据存储、数据处理和数据挖掘层面的难度,因此相应生物信息学技术与方法的研究和发展也势在必行。近期内我们应该首先加强基础性分析和存储平台的建设以方便普通环境微生物研究者使用,同时针对目前生物信息分析的瓶颈步骤和关键任务重点突破,逐步发展。     

宏基因组学技术的研究与挑战

宏基因组学研究作为研究微生物种群生态分布、群体遗传特征和基因相互作用的新兴学科领域,在很大程度上促进了环境微生物资源,特别是未培养微生物资源的开发利用,在土壤、海洋、人体医学、药物等各个领域的应用中取得了突破性的进展,为发现新的生物活性物质提供了新的有效途径。就宏基因组学研究进展进行综述,并重点介绍了宏基因组学研究中的机遇及挑战。     

宏基因组技术在极端环境酯酶挖掘中的应用

酯酶(esterase)可以催化酯水解和合成、多肽合成、内酯合成、酯交换等多种反应,在工业领域被广泛应用,故开发具有高活力、耐盐、耐碱、耐酸、耐高温等特殊性质的酯酶具有重要意义,而来自于极端环境微生物的酯酶往往具有这些特殊的性质.从环境中获得酯酶基因的传统方式主要依赖于微生物的纯培养和基于单菌的测序技术,但是自然界中可...     

宏基因组学研究进展

不可培养微生物占据微生物总数的99%以上, 这己成为微生物资源开发利用的一个限制性因素。宏基因组学是通过提取某一环境中的所有微生物基因组DNA、构建基因组文库及对文库进行筛选寻找和发现新的功能基因及活性代谢产物的一种方法。它避开了微生物分离培养的过程, 极大地扩展了微生物资源的利用空间, 是现代基因工程一个新的发展方向和研究热点。本文主要对宏基因组的DNA提取方法、文库的构建、筛选策略的选择及近年来宏基因组学在各领域中的应用研究现状进行了综述。     

宏基因组学与动物病原微生物检测

宏基因组学（ metagenome）是直接从土壤、海水、人及动物胃肠道、口腔、呼吸道、皮肤等环境中获取样品DNA,利用载体将其克隆到替代宿主细胞中构建宏基因文库,以高通量检测为主要技术来研究特定环境中全部微生物的基因组及筛选活性物质和基因的新兴学科。利用宏基因组学技术不仅能够有效地检测特定环境的微生物群落结构,扩展了微生物资源的利用空间,发展了新兴的高通量检测技术,丰富了生物信息学内容。基于宏基因组学研究方法在环境微生物研究中的优势,对近年来相关领域、方法及其在人及动物病原微生物研究中的应用进行综述,以期将此方法用于实验动物病原微生物的调查分析及动物疫情、生物安全的监测。     

环境耐药组及其健康风险的宏基因组学研究策略和方法

抗生素耐药性在环境中的发展和传播对人体健康造成潜在风险。随着高通量测序技术和生物信息学方法的不断发展,宏基因组学技术被广泛应用于不同环境样本的抗生素耐药组研究。本文介绍了两种针对环境耐药组筛查的宏基因组学分析方法,总结了当前主流的生物信息学软件和数据库,并阐述了环境耐药组的风险评估框架和基于宏基因组学技术的相关实践,以期为环境耐药组的监测、风险评估和管控提供可行的路线图。     

MarkerML – Marker Feature Identification in Metagenomic Datasets Using Interpretable Machine Learning

Identification of environment specific marker-features is one of the key objectives of many metagenomic studies. It aims to identify such features in microbiome datasets that may serve as markers of the contrasting or comparable states. Hypothesis testing and black-box machine learnt models which are conventionally used for identification of these features are generally not exhaustive, especially because they generally do-not provide any quantifiable relevance (context) of/between the identified features. We present MarkerML web-server, that seeks to leverage the emergence of interpretable machine learning for facilitating the contextual discovery of metagenomic features of interest. It does so through a comprehensive and automated application of the concept of Shapley Additive Explanations in companionship to the compositionality accounted hypothesis testing for the multi-variate microbiome datasets. MarkerML not only helps in identification of marker-features, but also enables insights into the role and inter-dependence of the identified features in driving the decision making of the supervised machine learnt model. Generation of high quality and intuitive visualizations spanning prediction effect plots, model performance reports, feature dependency plots, Shapley and abundance informed cladograms (Sungrams), hypothesis tested violin plots along-with necessary provisions for excluding the participant bias and ensuring reproducibility of results, further seek to make the platform a useful asset for the scientists in the field of microbiome (and even beyond). The MarkerML web-server is freely available for the academic community at https://microbiome.igib.res.in/markerml/.