本頁只刊出中文翻譯與中文說明；英文原文請見下方原文連結。
原文連結
論文資訊
- 類型：已發表論文
- 日期：2022-09-02
摘要
對配對微生物組-代謝組數據集進行基於相關性的分析正在成為一種廣泛的研究方法，旨在全面識別代謝變化的微生物驅動因素。然而，迄今為止，這種方法和其他微生物組-代謝組分析方法的局限性尚未得到全面評估。為了應對這項挑戰，我們引入了一個數學框架，根據攝取和分泌通量來量化每個分類單元對代謝物變異的貢獻。我們也使用多物種代謝模型來模擬簡化的腸道群落，產生理想的微生物組-代謝組資料集。然後，我們將這些資料集中觀察到的分類單元-代謝物相關性與計算出的真實分類貢獻值進行比較。我們發現，在對具有代表性的簡單 10 物種群落和複雜的人類腸道微生物群的模擬中，基於相關性的分析很難識別出關鍵貢獻者，儘管在理想化的環境下，其預測價值卻極低。我們進一步證明，相關分析的預測價值受到代謝物和分類群特性以及外源性環境變化的強烈影響。最後，我們討論了我們的研究結果對於解釋微生物組-代謝組研究的實際意義。重要性 識別導致微生物組之間代謝差異的關鍵微生物類群是理解和操縱微生物組代謝的重要一步。為了實現這一目標，研究人員通常進行微生物組-代謝組關聯研究，全面測量一組微生物群落樣本中的物種組成和代謝物濃度，然後測試微生物和代謝物之間的相關性。在這裡，我們首先對每個微生物分類單元對代謝變異的貢獻制定嚴格的數學定義，然後在微生物群落代謝的模擬資料集中檢查這些貢獻，從而評估這種通用方法的實用性。我們發現，對模擬微生物組-代謝組數據集進行基於標準相關性的分析可以識別預測價值非常低的真實貢獻，並且其性能在很大程度上取決於代謝物和微生物以及周圍環境的特定特性。綜上所述，我們的研究結果可以指導微生物組-代謝組研究的未來解釋和驗證。