打开网易新闻 查看更多图片

责编 | 兮

人类肠道定殖了庞大而复杂的微生物群落,这些肠道微生物对人类的健康有重要的作用。人类肠道微生物群落并不是与生俱来的,而是在婴儿出生以后的生命早期逐步建立和稳定 【1, 2】 。既有的针对婴儿肠道微生物组的研究发现,生命早期的肠道微生态的建立过程具有一定的可预测性,其中特定的细菌类群富集在婴儿的不同阶段 【3, 4】 。虽然早期肠道微生物群落对宿主的婴儿阶段乃至长期的生命健康至关重要,但是我们对于是什么因素和机制驱动了婴儿肠道微生物群落的有序建立仍然所知有限【5, 6】 。具体来说,宿主因素 (妊娠年龄、免疫发生等) 、环境因素 (分娩方式、营养饮食、抗生素药物使用等) 以及微生物间互作都可能影响早期肠道微生物群落的组成 【7, 8】 。然而,正是由于各种因素如此复杂,鉴定影响微生物群落变化的任何单一因素显得非常困难,揭示生命早期塑造肠道微生态关键因素的定量研究也十分有限。此外,大多数既有的微生物组研究单着眼于细菌,而忽略了群落中包括真菌和古细菌的其他组分;大部分研究基于微生物类群的相对丰度,而无法测定各类群的绝对丰度:这些技术上的局限也给定量刻画影响肠道微生物群落建立的具体因素带来了制约。

2021年2月24日,哈佛医学院和波士顿儿童医院Seth Rakoff-Nahoum团队在Nature发表了文章Multi-kingdom ecological drivers of microbiota assembly in preterm infants作者通过开发一种可靠而便捷的测定跨界微生物绝对丰度的实验方法,详细描绘了一个早产儿队列肠道微生物群落中细菌、真菌和古细菌的动态变化;通过构建生态学计算模型,结合体外和体内实验模型,揭示了特定的界内和跨界的微生物间互作能够塑造早产儿生命早期的肠道微生物群落的建立过程。

传统的基于二代测序的微生物组学方法只能测定群落中的相对比例,无法确定一个主要类群相对丰度的上升是因为自身的扩张还是因为其他类群的减少。为了克服相对丰度定量的局限,作者借鉴了生物学实验中常用的内参思想,开发了定量添加特定外源微生物的预处理流程,通过标准的核糖体RNA (16S、ITS1) 扩增子二代测序,实现了适用于细菌、真菌和古细菌的绝对丰度定量方法MK-SpikeSeq(下图) 。作者使用了一系列的已知验证性样本,以及通过对比其他既有的绝对丰度定量方法 (DNA总量、流式细胞计数、定量PCR等) ,证明了MK-SpikeSeq是一种灵敏度高、可靠便捷的绝对丰度定量方法。值得一提的是,这种操作简便的绝对丰度定量方法不仅适用于肠道微生物群落,也可应用于环境微生物群落样本。

打开网易新闻 查看更多图片

作者将MK-SpikeSeq跨界绝对丰度定量方法应用于一个包含178名早产儿的前瞻性队列。既有研究发现,与足月婴儿肠道中严格厌氧菌占主要成分相比,早产儿的肠道微生物群落表现出成熟度延迟的现象,主要体现为兼性厌氧菌在肠道中要维持更长时间 【4, 8】 。早产儿队列的特点体现在高度的临床相关性,适用于高频纵向采样,以及详细记录的临床元数据。作者采集了该队列中每名婴儿出生后前六周每隔两周的粪便样本,以及其中13名婴儿前六周的每日粪便样本,定量刻画了总计940份样本的肠道微生物群落组成 (下图) 。作者发现早产儿的肠道细菌群落可以大致划分为四个聚类,其主要类群分别是金黄色葡萄球菌、克雷伯菌、埃希氏菌和肠球菌。有趣的是,这四种聚类与婴儿的出生方式和营养饮食均没有显著相关,而是体现为一种可预测的时间序列:大部分早产儿初期的肠道细菌主要是葡萄球菌,而后逐渐转变为以克雷伯菌、大肠埃希菌或者肠球菌为主。通过跨界绝对丰度定量,作者发现肠道的细菌和古细菌的载量随着时间的变化而显著增加;具体到每个婴儿的时间序列,绝对丰度显示的群落动态变化和相对丰度显示的相比常常有不小的出入,从而凸显了绝对丰度定量的重要性。相比细菌,早产儿真菌群落的动态变化更加多样和不可预测,真菌的组分与婴儿的妊娠年龄也没有显著相关。然而,作者通过拟合线性混合效应模型发现,早产儿肠道中细菌和真菌的载量表现出了显著的负相关性,提示了在肠道微生物群落的动态变化中跨界互作可能发挥了一定作用。

为了定量描述驱动微生物群落动态变化的各种因素,作者使用贝叶斯正则回归,将肠道菌群绝对丰度数据和临床元数据一起拟合到一个高度参数化的广义Lotka-Volterra (gLV) 生态学模型,以预测在群落动态变化中发挥显著且稳定作用的互作因素。该模型假设每个微生物类群的增长率取决于其内在的生长速度、与同类群其他个体间的互作、与群落中其他类群成员间的互作以及临床药物的作用 (下图a) 。具体到微生物间互作,gLV模型允许微生物以多种不同方式互作,例如双向竞争 (-/-) 、偏害共生 (-/0) 、单向剥削 (+/-) 和无相互作用 (0/0) ;其中各种非对称的互作模式无法通过传统的基于相对丰度数据的相关性分析得出,因为相关性分析无法推测互作的方向性。由此,作者构建了一个统计学显著的界内和跨界的微生物间互作网络,其中包含了早产儿肠道中的前述四类主要细菌和一类真菌念珠菌 (下图b) 。这些预测出的微生物间互作和先前观察到的群落动态变化模式大部分吻合:例如模型推测葡萄球菌可增强婴儿肠道内克雷伯菌的生长,但自身被克雷伯菌所抑制,这种单向剥削的互作关系符合一些早产儿肠道中由葡萄球菌向克雷伯菌的转变;又如模型预测念珠菌抑制了克雷伯菌和埃希氏菌,但自身被葡萄球菌抑制,这种跨界的偏害共生的互作关系符合早产儿肠道中细菌和真菌载量的显著负相关性。

既有的基于计算模型的微生态研究大部分都止步于理论预测,而很少开展实验验证。本文中作者从一部分早产儿粪便样本中分离出相关菌株,进一步通过体外共培养来验证预测得到的互作网络。体外实验结果证实了模型鉴定出的所有抑制性互作,包括克雷伯菌对葡萄球菌强有力的抑制效果,以及念珠菌和细菌间的抑制性作用。然而,体外共培养无法重现葡萄球菌对克雷伯菌的增强作用,作者于是猜想这两种菌的互作模式也许受环境影响,因此进一步探索了小鼠肠道定殖的动物模型。的确,在葡萄球菌先期定殖的情况下,克雷伯菌在小鼠肠道中显著更快地定殖;而在克雷伯菌定殖肠道后,葡萄球菌的载量也显著降低了。该体内实验证实了克雷伯菌和葡萄球菌间的单向剥削关系,更与一些早产儿肠道中观察到的动态变化模式相吻合。另一方面,作者在念珠菌和细菌体外共培养实验中,注意到不同种的念珠菌表现出对细菌不同的抑制性,其中白色念珠菌对克雷伯菌的抑制强度要高于副念珠菌。作者进一步在小鼠动物模型中验证了这种具有物种特异性的跨界互作关系:白色念珠菌,而不是副念珠菌,显著降低了克雷伯菌定殖后的载量。

总的来说,本文通过结合绝对丰度定量、生态建模和实验验证等方法,证明了早产儿肠道微生物群落建立过程的可预测性可以由界内和跨界的微生物间互作所驱动。作者指出,婴儿肠道微生态的动态变化和宏观生态系统的演替之间可能存在共同的生态学机制,其中包含诸如单向剥削和跨界互作等特殊的种间关系;这些符合还原性的微生物间互作机制对理解和最终控制微生物生态系统具有深远的意义。据悉,文章审稿过程中所有审稿人对本研究均表示了高度评价:审稿人1, the questions are important, the data are solid ;审稿人2, the combination of approaches used in this work is rarely accomplished in microbiome work, … this paper represents a big step in a much needed direction for the microbiome ;审稿人3, the methodology is original and highly relevant, … the results obtained are novel and important for the understanding of the establishment of the preterm microbiome, as well as for the understanding of microbial ecology in general .

哈佛医学院和波士顿儿童医院博士后饶驰通Katharine Z. Coyte为本文的共同第一作者。

原文链接:

https://doi.org/10.1038/s41586-021-03241-8

制版人:琪酱

向上滑动阅览参考文献

1. Charbonneau, M. R. et al. Human developmental biology viewed from a microbial perspective.Nature535, 48–55 (2016).

2. Stewart, C. J. et al. Temporal development of the gut microbiome in early childhood from the TEDDY study.Nature562, 583–588 (2018).

3. Gibson, M. K. et al. Developmental dynamics of the preterm infant gut microbiota and antibiotic resistome.Nat. Microbiol.1, 16024 (2016).

4. La Rosa, P. S. et al. Patterned progression of bacterial populations in the premature infant gut. Proc.Natl. Acad. Sci. 111, 12522–12527 (2014).

5. Widder, S. et al. Challenges in microbial ecology: Building predictive understanding of community function and dynamics.ISME Journal10, 2557–2568 (2016).

6. Vrancken, G., Gregory, A. C., Huys, G. R. B., Faust, K. & Raes, J. Synthetic ecology of the human gut microbiota.Nature Reviews Microbiology17, 754–763 (2019).

7. Bokulich, N. A. et al. Antibiotics, birth mode, and diet shape microbiome maturation during early life.Sci. Transl. Med. 8, (2016).

8. Shao, Y. et al. Stunted microbiota and opportunistic pathogen colonization in caesarean-section birth.Nature574, 117–121 (2019).