华农团队ISME发文：既有菌群+合理营养=更强生态

华农：合适的内在群落结构 + 适宜外在营养条件 = 更强大的菌群

① 模式生物 E. coli 与 P. putida 以 1:1000、1:1、1000:1 的初始比例构造合成菌群，在71种C源中共同培养24h；② 培养后的最终物种比例很大程度上由初始比例决定，但同时受到C源属性的影响；③ 一方面二物种的C源偏好可调节菌种间互作，在 E. coli 偏好的C源中生长，更易产生协同作用；④ 另一方面聚类分析定义了3个C源利用组，在其中一组14个C源中生长时，可以诱导 1:1 和 1000:1 接种比例的合成菌群产生代谢偶联，显著提高总体C源利用效率。

The initial inoculation ratio regulates bacterial coculture interactions and metabolic capacity

2020-09-04, doi:10.1038/s41396-020-00751-7

微生物生态学合成菌群养分偏爱研究论文基础研究 Chun-Hui Gao Hui Cao Peng Cai

3 评论收藏

Cell子刊：早产儿母亲的母乳菌群变化及影响因素

Cell Host and Microbe [IF:31.316]

① 收集86名早产儿的母亲产后8周内的490份母乳样本；② 不同母亲的母乳菌群表现出高度个体化差异，母乳菌群的组成及功能随时间发生动态变化；③ 不动杆菌属、寡养单胞菌属及乳杆菌属的丰度增加，葡萄球菌属及棒状杆菌属的丰度降低；④ 脂代谢、糖酵解与糖异生等通路的丰度增加，谷胱甘肽代谢、烟酰胺代谢等通路的丰度降低；⑤ 孕前BMI、分娩方式、抗生素使用等因素与母乳菌群多样性、组成及功能的动态变化相关。

Mothers of Preterm Infants Have Individualized Breast Milk Microbiota that Changes Temporally Based on Maternal Characteristics

2020-09-03, doi:10.1016/j.chom.2020.08.001

延伸阅读：【ScienceDaily】

母乳菌群研究论文纵向队列研究抗生素孕前BMI 分娩方式

1 评论收藏

吴清平院士：益生菌或有益于缓解三高症状（综述）

Critical Reviews in Food Science and Nutrition [IF:11.208]

① 共纳入13项研究，包括8个国家的818名受试者，评估益生菌摄入方式对2型糖尿病患者的血糖、血脂、血压和炎症因子的影响；② 补充单菌，空腹血糖（FBS）、胰岛素抵抗（HOMA-IR）和舒张压（DBP）显著降低；③ 补充混菌，HOMA-IR, 甘油三酯（TG）,高密度脂蛋白胆固醇（HDL-C）,收缩压（SBP）和TNF-α显著改善；④ 益生菌加入到食品中时，HOMA-IR和TG显著降低；⑤ FBS、HMOA-IR、TG、SBP和DBP显著受患者年龄、BMI、国家和摄入持续时间的影响。

Probiotics supplementation improves hyperglycemia, hypercholesterolemia, and hypertension in type 2 diabetes mellitus: An update of meta-analysis

2020-05-21, doi:10.1080/10408398.2020.1764488

probiotics glycemic Inflammation lipids META-ANALYSIS pressure type 2 diabetes Tingting Liang Qingping Wu

1 评论收藏

益生菌或可改善乳糜泻患者的胃肠道症状（综述）

American Journal of Gastroenterology [IF:12.045]

① 纳入包含6项RCT的7篇文章（共涉及5279名受试者）进行荟萃分析，评估益生菌在乳糜泻患者中的作用，整体的证据质量极低或低；② 基于胃肠道症状评定量表，益生菌可显著改善胃肠道症状，但综合所有问卷，益生菌无法显著改善胃肠道症状；③ 益生菌对TNF-α、肠道通透性、生活质量及乳杆菌丰度均无显著影响，可显著增加双歧杆菌丰度；④ 与安慰剂相比，益生菌组的不良事件比例无显著差异。

Probiotics for Celiac Disease A Systematic Review and Meta-Analysis of Randomized Controlled Trials

2020-07-31, doi:10.14309/ajg.0000000000000749

益生菌荟萃分析乳糜泻 Maria Ines Pinto-Sanchez Caroline L Seiler

1 评论收藏

粪菌移植有效缓解TKI治疗引起的腹泻

Nature Communications [IF:17.694]

① 20名接受帕唑帕尼或舒尼替尼治疗的mRCC患者随机分组（腹泻分级均在G2以上），10名接受健康供体的粪菌移植（FMT组），10名接受安慰剂粪菌移植（对照组）；② 治疗1周、2周、4周后，FMT组患者的腹泻完全缓解率分别为100%、90%、70%，均显著高于对照组患者的30%、0%、0%；③ 治疗8周后，两组患者的腹泻完全缓解率分别为30%及0%，无显著差异；④ 治疗1周、2周、4周、8周后，FMT组患者的腹泻缓解率（腹泻分级降低至G1以下）均显著高于对照组。

Faecal microbiota transplantation for the treatment of diarrhoea induced by tyrosine-kinase inhibitors in patients with metastatic renal cell carcinoma

2020-08-28, doi:10.1038/s41467-020-18127-y

粪菌移植酪氨酸激酶抑制剂（TKI）转移性肾细胞癌腹泻研究论文医学研究随机双盲对照实验（RCT）腹泻【有显著改善】 Gianluca Ianiro Ernesto Rossi Nicola Segata Giovanni Cammarota

1 评论收藏

Kraken2物种注释16S rRNA基因序列比QIIME２更快、更精

Microbiome [IF:16.837]

① QIIME是微生物组分析中最常用的工具之一，它准确率较高，但也最耗费计算资源；② Kraken支持对鸟枪宏基因组测序读长进行物种分类，优势在于速度快和精度高；目前Kraken2已支持16S测序的物种识别分类，本文对此功能进行了比较评估；③ 通过和QIIME2等软件进行比较，Kraken2的建库速度快100倍，分类速度快300倍，内存占用减少100倍，同时与Braken配合可达到最高的分类精度；④ 综上，Kraken2和Bracken可作为扩增子物种分类注释的优先选择。

Ultrafast and accurate 16S rRNA microbial community analysis using Kraken 2

2020-08-28, doi:10.1186/s40168-020-00900-2

延伸阅读：【宏基因组】

Kraken2 16S rRNA微生物组 QIIME2 宏基因组测序物种分类 Jennifer Lu

2 评论收藏

Nature子刊：完整灵活的宏蛋白组分析新流程

Nature Protocols [IF:17.021]

① 宏蛋白质组学数据分析面临着数据库庞大、计算配置要求高、蛋白精确注释难、参考基因组深度不足、数据可视化待优化等挑战；② 基于MetaProteomeAnalyzer和Prophane搭建一条龙分析流程，包括4个部分：蛋白序列数据库构建、多肽鉴定以及蛋白的推断和分组、蛋白注释（分类学/功能）和定量、结果可视化；③ 详细介绍了流程的设计思路、与其它工具的对比、示例数据、参考步骤、结果展示以及故障排查，为完整分析提供指导。

A complete and flexible workflow for metaproteomics data analysis based on MetaProteomeAnalyzer and Prophane

2020-08-28, doi:10.1038/s41596-020-0368-7

宏蛋白质组学分析方法 Stephan Fuchs Henning Schiebenhoefer

1 评论收藏

微生物组数据预测建模的的深度学习新方法

Briefings in Bioinformatics [IF:13.994]

① 二代测序为药物反应预测、疾病诊断等多种临床应用提供了前所未有的机遇，建立一个基于微生物组学数据的临床结果预测模型十分必要；② 基于卷积神经网络（CNN）开发了一种微生物群落的深度学习新方法（MDeep）；③ 其新颖性在于构建系统发育树的能力，这对提高预测准确性具有重要的意义；④ MDeep在有较大的簇和信号密度较高的情况下表现会更好；⑤ 模拟和实际数据都证明了MDeep在回归和二进制分类方面要优于其他同类方法。

A novel deep learning method for predictive modeling of microbiome data

2020-05-14, doi:10.1093/bib/bbaa073

微生物组系统发育深度学习机器学习预测建模 Microbiome Phylogeny Deep learning machine learning prediction Li Chen Ye Wang

2 评论收藏

微生物组定义的重新审视:旧概念和新挑战

Microbiome [IF:16.837]

① 本文摘录了一次研讨会的成果以及相应的在线调查，其主要的目的是将微生物群和微生物组区分开来；② 本次会议对微生物组的组成，微生物群在时间和空间上的异质性和动力学，微生物网络的稳定性和适应性，微生物群的定义以及相关功能等进行了全面的讨论；③ 统一概念将有助于将来改善微生物组研究的标准化，并且可以作为数据综合评估的依据，从而更快地将知识从基础科学转移到实践中，去更好的服务于人类的健康领域。

Microbiome definition re-visited: old concepts and new challenges

2020-06-30, doi:10.1186/s40168-020-00875-0