编者按：
宏基因组研究无法反映微生物真实的代谢情况，而且有研究已经发现，微生物在单一培养时和与其它微生物共培养时的基因表达情况并不相同。更为棘手的是，在复杂的生物系统中，不同的微生物之间、微生物与宿主之间的并行发生着成千上万的反应，我们难以通过实验的方法了解这些代谢反应。
为了解决这一问题，一些科学家开始尝试建模的方法，该方法有助于描绘细菌与其人类宿主之间广泛的生化互作图。
今天，我们特别编译发表在Nature杂志上关于利用建模解决宿主-微生物组互作网络的文章。希望本文能够为诸位读者带来一些启发与帮助。
① 如何照亮“黑匣子”
在优雅的化学反应中有一些令人兴奋的东西——化学反应左边的输入加上确定的条件就可以预测化学反应另一边产生的物质，但这种可预测性在复杂的生物系统中很容易就丧失了，因为在复杂的生物系统中，大量相互作用的细胞之间并行发生着成千上万的反应。
以人类肠道菌群为例，在肠道中，约有 1000 种细菌，它们在与宿主交流的同时，彼此之间还存在着竞争和合作关系。这种互作过于复杂，无法在图表中表示，但是了解这些微生物是至关重要的，因为它们的生物活性直接影响我们的健康和对疾病的易感性。
现在，系统生物学家正在建立模型来照亮这些“黑匣子”。爱尔兰国立大学（高威）的微生物组学研究员 Ines Thiele 说：“用传统的方法来研究这样的成千上万种反应既不可行，也不可取。但我们现在有一些技术，或许可以帮助我们更清晰地看到正在发生的事情，并解决出现的复杂情况。”
Thiele 和她的同事正在开发数学和统计方法，利用基因组学和生物化学等领域的一系列数据，通过计算来重建高度多样化的肠道微生物组。虽然他们只捕获微生物组中复杂生物情况的一小部分，但已经可以用来揭示一些的微生物与其宿主之间的难以被发现的相互作用。
图片来源：M.Kanehisa & S.Goto Nucleic Acids Res. 28, 27–30 (2000)
② 基因组规模代谢网络模型
对于许多建模工作而言，起点都是基因组规模代谢网络模型（Genome-scale metabolic model，GEM）。通过扫描一个微生物的基因组来确定它所能进行的生化反应，GEM 实质上是一幅描绘某种微生物中的酶效应组装（enzymatic assembly）线路的蓝图。
瑞典哥德堡查尔默斯理工大学的系统生物学家 Jens Nielsen 说：“它们捕捉到了细胞的所有代谢能力。”然后，研究人员可以对这些输入和输出如何相互作用进行数学建模。
这种方法对肠道的研究尤其有效，因为肠道微生物通常很难在实验室培养。此外，研究人员还可以利用现有的生物学知识，例如利用已知酶序列的相似性来推断基因的可能功能，从而增加更多的信息。
实际上，即使是稀少的信息也是有用的。例如，圣地亚哥加利福尼亚大学的系统微生物学家 Karsten Zengler 和他的同事，为一种研究相对较少的海洋硅藻（一种浮游生物）开发了一种 GEM，尽管这种生物的基因组中只有十分之一的基因功能被鉴定出来了[1]。
“令人惊讶的是，它成功了，”Zengler 说，“我们有足够的关于代谢的信息来理解它们在做什么。”他的团队的建模方法将功能分配给 1000 多个硅藻基因，这些基因共同进行着近 4500 个相互关联的生化反应。利用该模型可以预测这些反应可能发生在细胞中的何处。
目前，大多数微生物组样本都是通过分离总 DNA，并将其分成小的片段进行测序来研究的，这一方法被称鸟枪法宏基因组测序。由此产生的数据集可以检测出样本中存在哪些微生物种类，而无需培养或分离它们。
结合这一方法，研究人员可以使用 GEMs 构建更大的微生物群落模型，并根据数据中发现的基因，来识别酶的活性模式。然后，他们可以将这些过程串连在一起，以了解特定代谢系统正在吸收哪些化学物质，正在产生哪些产物，以及哪些细胞正在相互作用来驱动这些过程。
把基因组和代谢网络相结合，“你可以发现微生物之间不明显的关系，这些关系你仅仅通过观察基因组序列本身是无法获得的。”Thiele 说。
在一项研究中[2]，Zengler 的团队模拟了普通小球藻（Chlorella vulgaris）和酿酒酵母（Saccharomyces cerevisiae）之间的动态相互作用，揭示了这两个物种之间会对某些氨基酸进行高水平的交换。
Zengler 说，对样本中代谢物的实验分析可能忽略了这种交换，他举了一个生动的例子来说明：对样本中代谢物的实验分析就像是试图通过生日聚会后桌上剩余的东西来推断孩子们对零食的喜好。“你可能会看着桌子说，‘看看那些苹果——这一定是孩子们喜欢吃的。’但事实并非如此。”
然而，并不是所有的相互作用都可以建模：目前想要同时捕获来自每个细胞所有化学反应的全部相互作用是不切实际的。因此，这些模型通常最适用于检验现有的假设。纽约纪念斯隆凯特琳癌症中心的系统生物学家 Joao Xavier 如是说。
他说：“例如，短链脂肪酸化合物（如丁酸酯）与肠道健康有关，我们对可产生这些化合物的发酵细菌的作用有几个假设。那么，我们可以尝试寻找属于这些代谢通路的基因。”
Xavier 的方法借鉴了传统生态学建模中使用的原理——例如，用于研究捕食者和猎物相互作用的方程，这些方程描述了一个种群的变化如何影响另一个种群。然后，他的团队利用机器学习技术在更复杂的微生物系统中模拟这些效应。
但即使是看似简单的互作也能隐藏复杂性。举一个简单的例子，一种微生物会产生另一种微生物偏好利用的碳水化合物。
Zengler 拿他的酵母-藻类研究举例说明了这一问题——群落组成和环境条件的变化都会影响微生物间的相互作用。
他说：“在一种情况下，它们彼此相爱，是对方最好的伴侣，交换一切，一起快乐地成长——比它们自己都要好。”但一些简单的情况，比如改变氨含量，会让它们更具对抗性。“这段感情越来越糟，最后它们‘离婚’了，还为它们的财产吵架。”
③ 这仅仅是一部分
只有当模型具有良好的基础数据时，它们才能得出这些可靠的推论，但这些基础数据可能很难得到。研究人员用来推断酶的功能和其他生物活性的基因数据库仍然不完整，即使是了解得比较透彻的微生物，时常也会带来意外。
为了改进团队里的代谢模型，Nielsen 测试了酿酒酵母在不同碳基营养物质上的生长情况[3]。他说：“我们发现酿酒酵母可以利用很多碳源，然而即便是最先进的模型，也有许多碳源也没有被纳入考虑。”
人体肠道微生物组模型也可能忽略了宿主环境的重要方面，例如大肠的生理结构——大肠是一个冗长的器官，并且每个部位的细菌组成都各不相同。Xavier 说：“肠道的几何结构相当复杂”，粪便通过肠道的机理也很复杂。宿主和微生物之间也有着广泛的交流，包括在肠道屏障处的交流，以及通过肠细胞后在全身传递的化学信号。
研究人员可以利用血液、尿液或脑脊液样本间接测定这种相互作用的影响。Thiele 一直在开发一种“虚拟代谢人”，可以将这些数据和其它数据与微生物模型结合起来，从而在各种疾病状态下，建立关于这些相互作用的更全面的图谱。
她说：“我们现在有大约 30 个器官或组织，按照解剖学上的精确方式进行排列。”她的研究团队正在利用这些模型寻找可能导致帕金森症等疾病的微生物干扰。
Xavier 的团队正在与临床医生合作，以了解抗生素是如何影响骨髓移植受者的肠道微生物。我们会通过药物抑制骨髓移植受者的免疫系统，以尽量减小免疫排斥反应。但是研究发现，由此产生的微生物干扰会显著影响移植后免疫系统的功能，而给移植受者补充健康的微生物，可以提高他们的恢复能力[4]。
以色列特拉维夫大学的系统生物学家 Elhanan Borenstein 说：“人们可能低估了建模作为一种工具的重要性。这不仅仅是模拟一个真实的环境，也是理解基本原则的一种方式。”
有了这些基础，研究人员最终可能能够确定靶向微生物干预措施，而这些措施或将改变临床结果，即使目前大部分代谢系统仍然是一个“黑匣子”。
参考文献：
1.Levering, J. et al. PLoS ONE 11, e0155038 (2016).
2.Zu?iga, C. et al. Nature Microbiol. 4, 2184–2191 (2019).
3.Lu, H. et al. Nature Commun. 10, 3586 (2019).
4.Schluter, J. et al. Preprint at bioRxiv https://doi.org/10.1101/618256 (2019).
原文链接：
https://www.nature.com/articles/d41586-020-01472-9?from=singlemessage&isappinstalled=0
作者｜Michael Eisenstein
编译｜赵婧
审校｜617
