《Poultry Science》：Gut check: exploring tools, techniques, and future directions in microbiome research
編輯推薦：
為解決禽類生產(chǎn)中抗生素替代、疾病控制和可持續(xù)生產(chǎn)等問題，本次專題研討會匯集專家，圍繞禽類微生物組的最新分析工具與技術(shù)展開討論。研究總結(jié)了宏基因組學(xué)、16S rRNA基因測序、NGS（二代測序）及機(jī)器學(xué)習(xí)等前沿方法的應(yīng)用與進(jìn)展，并探討了將微生物組洞察轉(zhuǎn)化為實用策略的機(jī)遇與挑戰(zhàn)。該綜述旨在為提升禽類健康、福利和生產(chǎn)力的研究與產(chǎn)業(yè)實踐提供關(guān)鍵參考。
在禽類養(yǎng)殖的世界里，一個小小的腸道內(nèi)部，正上演著一場規(guī)模宏大、角色復(fù)雜的“微生物交響樂”。這些看不見的微生物居民——統(tǒng)稱為微生物組，如今已被公認(rèn)為是影響宿主營養(yǎng)、免疫功能、疾病抵抗力和整體健康與生產(chǎn)性能的關(guān)鍵貢獻(xiàn)者。然而，隨著研究熱情的高漲，一系列復(fù)雜的挑戰(zhàn)也隨之浮現(xiàn)：實驗設(shè)計五花八門，分析方法層出不窮，數(shù)據(jù)解讀猶如霧里看花。更棘手的是，如何將這些前沿的微生物組知識，轉(zhuǎn)化為實實在在的疾病控制策略、抗生素替代方案和可持續(xù)的生產(chǎn)力提升手段？為了理清思路、指明方向，一場匯集了領(lǐng)域內(nèi)頂尖專家的專題研討會應(yīng)運而生，旨在對禽類微生物組研究的工具、技術(shù)和未來路徑進(jìn)行一次全面的“腸道檢查”（Gut check）。
為了系統(tǒng)梳理禽類微生物組研究的現(xiàn)狀與未來，研究人員在本次研討會中，圍繞微生物組分析的核心技術(shù)與應(yīng)用展開深入探討。相關(guān)成果綜述發(fā)表于《Poultry Science》。研究主要運用了幾項關(guān)鍵技術(shù)：首先是基于16S rRNA基因的擴(kuò)增子測序，用于對微生物群落進(jìn)行快速的物種普查；其次是鳥槍法宏基因組學(xué)，可對樣本中所有微生物的基因進(jìn)行無偏倚測序，以解析其功能潛力；此外，下一代測序平臺（如圖1所示的Illumina、Oxford Nanopore等）為上述研究提供了高通量技術(shù)支持；最后，研究還引入了機(jī)器學(xué)習(xí)與深度學(xué)習(xí)等高級數(shù)據(jù)分析模型，用以從復(fù)雜的微生物組數(shù)據(jù)中挖掘預(yù)測性生物標(biāo)志物和生態(tài)互作規(guī)律。
Chicken gut microbiota profiling: history and future directions
研究人員回顧了禽類腸道微生物組分析技術(shù)的發(fā)展歷程。早期基于培養(yǎng)的方法因“平板計數(shù)異常”而受限，隨后出現(xiàn)的分子指紋圖譜技術(shù)（如DGGE、tRFLP）也存在分辨率低、勞動強(qiáng)度大等問題。高通量測序技術(shù)的出現(xiàn)帶來了革命，主要包括用于物種鑒定的16S rRNA基因擴(kuò)增子測序、提供基因“零件清單”的宏基因組學(xué)以及反映基因表達(dá)狀態(tài)的宏轉(zhuǎn)錄組學(xué)。盡管技術(shù)進(jìn)步顯著，但當(dāng)前仍面臨諸多挑戰(zhàn)，如擴(kuò)增子測序功能信息有限、宏組學(xué)數(shù)據(jù)龐大且分析困難、采樣策略（如糞便樣本不能完全代表腸道其他部位）和生物信息學(xué)流程缺乏標(biāo)準(zhǔn)化等。展望未來，通過改進(jìn)多組學(xué)整合、應(yīng)用機(jī)器學(xué)習(xí)與人工智能、采用長讀長測序等技術(shù)，禽類微生物組研究將在改善群群/人類/環(huán)境健康、微生物組編程、生物標(biāo)志物發(fā)現(xiàn)和精準(zhǔn)營養(yǎng)等領(lǐng)域發(fā)揮更大作用。
Next-generation sequencing (NGS) technologies for rapid microbiome profiling
本部分重點介紹了用于快速微生物組分析的下一代測序技術(shù)。NGS實現(xiàn)了對微生物群落的高通量、非培養(yǎng)表征。其演變歷程從第一代的桑格測序，到第二代的羅氏454、Illumina等平臺，再到第三代的PacBio SMRT和牛津納米孔單分子測序。在禽類微生物組研究中，最廣泛應(yīng)用的是16S rRNA基因擴(kuò)增子測序和鳥槍法宏基因組學(xué)。擴(kuò)增子測序成本較低、流程成熟，但存在擴(kuò)增偏差、讀長短、分辨率多限于屬水平且無法直接獲取功能信息等局限。鳥槍法宏基因組學(xué)無需特異性擴(kuò)增，能同時鑒定細(xì)菌、古菌、病毒和真核生物，達(dá)到菌株水平分辨率，并能進(jìn)行功能基因注釋和宏基因組組裝基因組重建，在抗菌素耐藥性監(jiān)測、食源性疾病暴發(fā)調(diào)查等方面具有優(yōu)勢，但其對DNA質(zhì)量和量要求高，數(shù)據(jù)分析計算強(qiáng)度大。未來，需要建立標(biāo)準(zhǔn)化的濕實驗流程、強(qiáng)大的生物信息學(xué)管道以及高質(zhì)量的禽類特異性微生物基因目錄數(shù)據(jù)庫，以推動微生物組洞察在養(yǎng)殖現(xiàn)場的個性化管理應(yīng)用。
Application and future directions
研究人員探討了NGS技術(shù)的應(yīng)用與未來方向。為了實現(xiàn)從研究到現(xiàn)場應(yīng)用的跨越，需要建立標(biāo)準(zhǔn)化且高性價比的工作流程，并利用云端計算能力運行嵌入禽類腸道微生物基因目錄的強(qiáng)大生物信息學(xué)管道。一個精心管理的數(shù)據(jù)庫可以提高圖譜比對率、改善菌株水平檢測并減少假陽性。通過操縱微生物組，可以開發(fā)增強(qiáng)動物腸道功能、優(yōu)化營養(yǎng)利用、促進(jìn)動物福利的策略。例如，基于精準(zhǔn)合生元的聚糖已被開發(fā)出來，用于調(diào)節(jié)微生物組的特定功能，如短鏈脂肪酸生產(chǎn)和蛋白質(zhì)代謝，并已在轉(zhuǎn)化研究中顯示出對球蟲病、傳染性支氣管炎、壞死性腸炎等疾病的抵抗作用。
Deep learning models for understanding microbial communities
本研究展示了深度學(xué)習(xí)模型在理解微生物群落方面的強(qiáng)大能力。傳統(tǒng)的微生物組研究通常關(guān)注α和β多樣性，但可能無法完全捕捉微生物、病原體和宿主之間復(fù)雜的動態(tài)相互作用。該研究采用組合方法，將先進(jìn)的機(jī)器學(xué)習(xí)技術(shù)與16S rRNA基因測序數(shù)據(jù)相結(jié)合，以預(yù)測散養(yǎng)禽類系統(tǒng)中食源性病原體（沙門氏菌、彎曲桿菌、李斯特菌）的存在。利用從美國東南部42個禽類農(nóng)場歷時六年收集的土壤和糞便樣本數(shù)據(jù)集，開發(fā)了預(yù)測模型。結(jié)果顯示，微生物組組成可以以超過80%的準(zhǔn)確率預(yù)測病原體流行率。研究還采用了孿生回歸模型、圖神經(jīng)網(wǎng)絡(luò)和基于Transformer的模型等深度學(xué)習(xí)架構(gòu)。這些模型能夠整合特征關(guān)聯(lián)的先驗知識，將高維度視為優(yōu)勢，揭示傳統(tǒng)方法難以發(fā)現(xiàn)的復(fù)雜微生物相互作用模式。最終目標(biāo)是構(gòu)建類似于自然語言處理中大型語言模型的大規(guī)模微生物組模型，通過微調(diào)來解決具體的研究問題，并提高模型的可解釋性，從而將微生物組研究轉(zhuǎn)化為實際應(yīng)用。
Case Studies: Biological interpretation and inference from microbiome datasets using machine learning
通過一系列案例研究，具體說明了機(jī)器學(xué)習(xí)如何將微生物組研究從描述性分析推進(jìn)到揭示具有生物學(xué)意義的模式。研究表明，散養(yǎng)禽類中病原體的流行受群落水平的微生物相互作用調(diào)控，而非單個類群。例如，已知的益生菌（如芽孢桿菌和梭菌）與彎曲桿菌呈負(fù)相關(guān)。微生物組組成還與主要食源性疾病原體的AMR表型相關(guān)，如乳桿菌的相對豐度增加與彎曲桿菌、沙門氏菌和李斯特菌分離株的多重耐藥性降低顯著相關(guān)。貝葉斯引導(dǎo)的合成微生物組生成框架，可以識別出預(yù)測能最小化病原體流行率的微生物組配置。基于Transformer的深度學(xué)習(xí)模型，則能識別影響病原體流行率的微生物共存和背景依賴性相互作用的復(fù)雜模式。這些研究共同說明，整合預(yù)測性、生成性和可解釋的機(jī)器學(xué)習(xí)框架，可以將復(fù)雜的微生物組數(shù)據(jù)轉(zhuǎn)化為對病原體生態(tài)學(xué)、AMR調(diào)節(jié)和潛在微生物組干預(yù)措施的可操作理解。
CONCLUSIONS
綜上所述，禽類微生物組研究領(lǐng)域正在迅速擴(kuò)展。為了充分利用其潛力，研究人員必須優(yōu)先使用合適的工具（如多組學(xué)方法），選擇合適的采樣部位，標(biāo)準(zhǔn)化實驗方案，采用統(tǒng)一的生物信息學(xué)流程，并實施標(biāo)準(zhǔn)化、高性價比的NGS工作流程。這有助于推動研究從簡單的微生物群落普查（“誰在那里？”）轉(zhuǎn)向高級的功能性微生物組分析（“它們在做什么？”）。人工智能、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的應(yīng)用將進(jìn)一步加速該領(lǐng)域的進(jìn)展。深度學(xué)習(xí)在揭示傳統(tǒng)統(tǒng)計方法難以發(fā)現(xiàn)的復(fù)雜微生物相互作用模式、整合特征關(guān)聯(lián)的先驗知識以及融入生物學(xué)洞察方面具有獨特優(yōu)勢。此外，通過qPCR等方法重新驗證基于測序獲得的微生物組結(jié)果也至關(guān)重要，相對豐度應(yīng)通過生物學(xué)和代謝學(xué)見解來解讀。持續(xù)開發(fā)穩(wěn)健、可擴(kuò)展的工作流程和禽類特異性參考數(shù)據(jù)庫，對于將微生物組的發(fā)現(xiàn)轉(zhuǎn)化為增強(qiáng)禽類健康、生產(chǎn)力和可持續(xù)性的實際應(yīng)用至關(guān)重要。
