Michael P Snyder

搜索
登录

Michael P Snyder

文章数：12篇

空间转录组

国内团队：空间宏转录组测序技术SMT

近年来，空间转录组技术发展迅速，可解析实体组织基因表达的空间异质性，确定其细胞组成及功能特点。然而标准的ST技术在评估宿主细胞与驻留微生物的互作研究方面仍存在精度及通量方面的局限性。近日，上海市免疫学研究所陈磊及团队在Genome Research发表最新研究，开发了空间宏转录组测序及一体化的生物信息分析技术SMT, 通过结合空间转录组数据和微生物丰度数据，可在空间层面揭示宿主细胞和微生物的大致分布与互作状态。总之，该研究为微生态研究提供了有力的工具，值得关注。

空间转录组 SMT 研究论文基础研究方法技术

Nature子刊：用微量取血的多组学数据监测健康

如今，静脉穿刺取血的成本较高并具有高侵入性，因此在临床或研究中探究血液生物标志物仍然具有很大的挑战性。近日，美国斯坦福大学大学研究人员在Nature Biomedical Engineering发表最新研究，开发了一种通过微量取血可采集获得多组学数据的平台，成功地从微量血样（10μL）中采集到了稳定的多组学数据（包括蛋白质组、代谢组、细胞因子和激素数据等），通过2个案例研究进一步证明了其在精准医学上的应用前景，值得关注。

微量取血多组学数据研究论文基础研究可穿戴设备

Cell子刊：短期减肥和长期减肥成功的关键因素不同！

Cell Reports Medicine近期发表的文章，分析健康低碳水化合物或健康低脂减肥干预前、期间和之后的饮食、代谢和分子数据，发现短期减肥成功的因素主要是饮食坚持和饮食质量（健康的脂肪和碳水），而长期减肥成功更多的是与个体的蛋白组和肠道菌群有关，受饮食摄入影响较小。

减肥短期减肥长期减肥

Nature子刊：单细胞分析揭示息肉→肠癌过程中细胞的连续变化

Nature Genetics近期发表的文章，收集48个息肉、27个正常组织和6个有或没有APC突变患者的CRC样本，每个样本生成1000到10000个细胞进行scATAC和scRNAseq分析，从而绘制出健康结肠向癌前腺瘤转化为结直肠癌（CRC）过程中发生的细胞组成和细胞状态变化。

结直肠癌 scRNA-seq scATAC-seq 息肉单细胞测序

Cell子刊：不同膳食纤维如何影响健康和菌群？

膳食纤维可以通过调节肠道菌群的组成和功能，来改善人体健康，但不同种类的纤维补充剂可能有不同作用。Cell Host and Microbe近期发表一项交叉临床研究，让受试者以剂量递增的方式服用特定膳食纤维补充剂，通过分析粪便宏基因组学、血浆蛋白质组学、代谢组学、脂质组学、血清细胞因子和临床数据，揭示了不同膳食纤维补充剂在肠道菌群以及人体代谢和炎症等方面的独特和个体化作用。值得注意的是，该研究发现高剂量补充长链菊粉可能导致一些人发生不良反应，而阿拉伯木聚糖降胆固醇的作用也存在个体间差异，提示了膳食纤维个体化干预的重要性。

膳食纤维肠道菌群胆固醇血脂菊粉

在菌株层面揭示人肠道微生物组对抗生素治疗的生态和进化反应

Genome Research近期发表的研究，从生态和进化的角度，在菌株层面揭示了人肠道菌群在抗生素治疗期间的变化，表明菌群的生态弹性可延伸到物种以下的遗传层面上。

抗生素肠道微生物组微生物生态学菌株水平

Cell：挖掘人体菌群中不为人知的小蛋白

受计算机和试验方法所限，小蛋白常因难以检测而研究中被忽视。Cell本期发表的一项重磅研究，通过计算机方法，对人体宏基因组中潜在的小蛋白进行了大规模分析和鉴定，揭示出菌群含有的大量未知小蛋白及其多样化的功能，对于进一步挖掘菌群功能有重要意义。

小蛋白 Microbiome small proteins bacteria Genome

人类微生物组计划二期

iHMP：整合人类微生物组计划

NIH的人类微生物组计划（HMP）已经进行了十多年，分别完成了两个阶段的工作。第一阶段被称为HMP1，第二阶段被称为iHMP（也称为HMP2）。iHMP包括三个条件下人体菌群和宿主动态变化的研究，分别是怀孕和早产（PTB）、炎症性肠病（IBD）和前驱糖尿病的影响因素等。iHMP代表了未来人类微生物组多学科研究的范式，提供了独特的数据资源，并已经开始逐步阐明宿主-微生物组互作的机制。在本期Nature杂志（2019-5-30）中发表了iHMP的多篇研究成果，小编予以编译，以飨读者。

人类微生物组计划二期怀孕早产炎症性肠病前驱糖尿病

Nature子刊：长期的个体大数据分析——精准健康的未来？

每个人的健康情况都是个性化的，因而精准医疗被认为是未来医学的发展方向。《Nature Medicine》近期发表来自斯坦福大学的另一项队列研究，对109名糖尿病风险个体进行临床和多组学（基因组、转录组、蛋白质组、免疫组、代谢组、微生物组）数据的长期追踪，表明这种个体化的深度纵向大数据分析，能在早期检测到健康状态变化/恶化的苗头，有助于实现使个体化早期疾病预防，也为阐释相同疾病的不同发病机制带来启示。

精准医学疾病预防 Kazutoshi Fujita Makoto Matsushita

多组学建模分析孕期母体的综合变化

Bioinformatics发表研究，对女性孕期的生理学进行纵向的多组学分析，并对这些数据进行计算建模，不仅可准确预测样本对应的孕龄，还揭示了孕期不同生物系统间的新型互作，为孕期母体变化提供了一个综合的生物学模型，为未来研究早产和妊娠疾病背后的生物系统互作机制提供了一个框架和参照。

多组学建模孕龄 Rene Jackstadt Owen J Sansom

Nature Reviews：整合多组学方法，助力疾病研究（综述）

各种组学技术的进步，极大的拓展了人们对疾病机制的认知。Nature Reviews Genetics[IF：40.282]近期发表的重磅综述，详细介绍并举例探讨了如何将多组学方法整合应用，以加深对疾病机制、检测和疗法的认知，对基础研究和临床医疗均有参考意义。

组学个性化医疗 Clinical genetics Genetic databases Medical genetics

Cell子刊：增重或减重期间的综合组学特征

这是Cell Systems[IF：8.406]在近期发表的一篇很有意义的研究，分析了健康志愿者在30天增重、7天体重维持、30天减重的体重变化期间的各种组学特征的变化。这会是很多专业人士所关注的，特别推荐。

组学体重变化 genomics metabolomics Microbiome