2型糖尿病已在全球范围内达到流行水平，几项研究证实了糖尿病患者肠道微生物菌群失调与葡萄糖稳态异常之间的联系。虽然假设异常的代谢组学特征通常伴随着微生物生态失调，但这种联系在很大程度上仍然未知。在这项研究中，我们研究了饮食如何改变患有和非患有 2 型糖尿病的人的肠道细菌组、真菌组和代谢组.1 差异丰度测试确定，与健康对照组的低纤维饮食相比，高纤维饮食中的代谢物丙酸酯、U8 和 2-羟基丁酸酯显着降低，3-羟基苯乙酸酯更高。接下来，使用多组学因子分析（MOFA2），我们试图揭示驱动所有样品（对照组和DM II）上每个不同组（细菌、真菌和代谢物）的变异来源。进行方差分解，确定10个潜在因素，然后检验每个潜在因素与年龄、BMI、饮食和性别的显著相关性。潜在因子1的相关性最显著。值得注意的是，该模型显示，真菌组解释了DM II组的大部分方差（12.5%），而细菌解释了对照组的大部分方差（64.2%对DM II组的10.4%）。潜伏因子1与膳食摄入量显著相关（q < 0.01）。对细菌和真菌属对Factor1影响的进一步分析表明，9个细菌属（Phocaeicola、Ligilactobacillus、Mesosutterella、Acidaminococcus、Dorea A、CAG-317、Caecibacter、Prevotella和Gemmiger）和一个真菌属（糠马拉色菌）具有较高的因子权重（绝对权重>0.6）。或者，对每个属的每个疾病组拟合线性回归模型，以可视化因子值与特征丰度之间的关系，显示木糖的权重为正，丙酸盐、U8 和 2-羟基丁酸酯的权重为负。这些数据提供了关于微生物衍生的变化的新信息，这些变化会影响人类不同饮食和疾病状况的代谢表型。
膳食纤维的摄入对于维持整体健康至关重要。一些研究小组将高纤维饮食与降低许多健康状况的风险联系起来1,2.许多健康优势，如更好的血糖控制、心血管健康、体重管理和消化功能，都与食用高纤维饮食有关3.膳食纤维对健康结果的影响是由肠道微生物组以显着的方式介导的，肠道微生物组含有普雷沃氏菌等细菌。普雷沃氏菌以其将膳食纤维转化为有益的短链脂肪酸的能力而闻名，它产生的短链脂肪酸已被证明有利于维持肠道稳态4,5.然而，需要更多的研究来正确理解纤维消耗、肠道微生物组和特定细菌分类群（如普雷沃氏菌）在健康和糖尿病治疗方面的复杂联系。2型糖尿病（DM II）是全球日益严重的健康问题，涉及世界近6.3%的人口，每年造成超过100万人死亡6.中东和北非地区的糖尿病增长率位居全球第二，预计到2035年，糖尿病病例将增加96.2%7.此外，生活方式、肥胖、营养和环境等因素，肠道菌群失调已被公认为与糖尿病相关的重要原因。然而，DM II与肠道微生物群组成之间的确切联系尚不清楚。目前，大多数研究已经收集了肠道细菌组在 DM II 的发病和进展中的作用的证据，尽管关于特定分类组与该疾病的关联报告各不相同8.有趣的是，最近的一项研究报告称，在其他地理区域，不同的微生物与相同的代谢结果有关9.虽然重点放在肠道细菌在 DM II 中的作用，但肠道真菌组（真菌种类）和代谢组在 DM II 中的作用却很少被探索和理解。
在研究 2 型糖尿病 （DM II） 疾病过程中肠道微生物群变化的潜在分子机制时，研究表明，肠道炎症、肠道通透性受损、葡萄糖和脂质代谢受损、胰岛素不敏感、脂肪酸氧化增加以及与膳食成分的相互作用是主要的潜在调节因素8、10、11.
我们对肠道微生物群和DM II之间复杂关系的理解主要是由于宏基因组学、代谢组学、蛋白质组学和转录组学等组学研究的技术进步。尽管细菌种类存在差异，但存在一种功能一致性，有助于在代谢组学分析的背景下剖析基因、蛋白质和分子在细胞代谢中的作用和作用。代谢组学对于追踪细菌响应宿主而产生的化合物特别有价值，特别是真菌物种，因为它们与微生物组和整个宿主相互作用的证据越来越多。现在，我们可以整合和应用多组学方法，探索DM II中微生物群群失调与异常代谢特征之间的联系，以提高我们对疾病过程的理解，识别生物标志物和有效疗法，以及精准医学的应用12.本研究的具体目的是探索饮食对 2 型糖尿病患者和非 2 型糖尿病患者肠道细菌组、真菌组和代谢组组成的影响，特别关注了解微生物菌群失调与葡萄糖稳态异常之间的联系。我们使用粪便样本和食物问卷评估了来自阿拉伯联合酋长国（UAE）的个体的16S rRNA和ITS2序列数据以及代谢谱，无论是否患有DM II，以确定膳食纤维的摄入量。
自然微生物综述( IF：31.851)于2018年在线发表了微生物组领域的研究方法综述，不仅系统总结了过去，更为未来3-5年内本领域研究方法的选择，提供了清晰的技术路线，让大家做出更好的研究，微生物组学研究主要涉及两方面技术：测序技术和数据分析技术，随着基因测序技术的进步和测序成本不断下降，大样本量的微生物组学研究激增。传统的统计方法已经不再适用于极度高维、稀疏的微生物组数据分析，而适用于复杂数据分析的机器学习逐渐成为微生物组学数据分析的首选方法。机器学习已被证明是分析微生物群落数据并对特定结果进行预测（包括人类和环境健康）的有效方法，基于微生物群落数据的机器学习已被成功用于预测人类健康中的疾病状态、环境质量和环境中污染的存在，并可以作为法医学中的微量证据。机器学习算法已经在肠道微生物、微生物组数组表型、环境微生物、微生物生态学、皮肤微生物、土壤微生物、植物微生物、人体微生物等领域应用广泛，通过查阅文献发现近几年机器学习在微生物组研究发刊分值都很高，特别是在Nature Communications、Advanced Materials（IF=30.849）、Water Research Nature Microbiology、Environment International 、Nature Methods、Cell Regeneration、JAIMS等期刊多次发表！
代谢组学是对某一生物或细胞在一特定生理时期内所有代谢产物同时进行定性定量分析的学科，被广泛用于揭示小分子与生理病理效应间的关系。目前，代谢组学已经被应用于药物开发的各个阶段（如药物靶标识别、先导化合物发现、药物代谢分析、药物响应和耐药研究等）。基于代谢组学的高性价比特性，它被药学领域的研究者给予了厚望，有望加速新药开发的进程。然而，代谢组领域还面临着严重的信号处理与数据分析问题，对其在新药研发中的应用构成了巨大挑战。为了有效消除由环境、仪器和生物因素所引入的不良信号波动，就需要开发针对代谢组信号系统优化的新方法，为不同组学研究量身定制最优的数据分析策略。
由于该项研究资料和学习平台较少，信息技术不公开，培训学习迫在眉睫，特此诚挚邀请您参加“机器学习微生物组学+机器学习代谢组学+机器学习转录组学与表观组学+深度学习基因组学”专题线上培训班，参会学员已达3000余名，学懂学会学透彻学以致用，做出有价值的科学研究， 能够快速运用到自己的科研项目和课题上，助力学员发表Nature、Science、Cell等正刊及子刊！（在生信分析的新技术加持下，用更少的经费，发更高质量的文章）
文章来源于：人体微生物组与健康
