由超级蠕虫微生物群制成的"超级肠道"能吞噬问题塑料

由超级蠕虫微生物群制成的"超级肠道"能吞噬问题塑料 在这项新研究中，新加坡南洋理工大学（NTU Singapore）的研究人员在此前对这些耐寒黄粉虫的微生物组进行研究的基础上，构建了一个可扩展的生物体特殊肠道环境副本，他们认为该副本能够可持续地处理大量普通塑料。虽然科学家们早就知道蠕虫对塑料的胃口，但与许多生物技术一样，问题在于如何将其应用于现实世界。这种"超级肠道"背后的团队可能已经破解了这一密码。在这个过程中，很少有蠕虫受到伤害。南洋理工大学副教授曹斌说："一只蠕虫一生只能够消耗大约几毫克塑料，因此可以想象，如果我们要依靠它们来处理塑料垃圾，需要多少蠕虫。我们的方法将蠕虫从等式中剔除，从而消除了这种需求。我们的重点是增强蠕虫肠道中有用的微生物，并建立一个能有效分解塑料的人工'蠕虫肠道'。"祝您好胃口：菜单上有高密度聚乙烯、聚丙烯和聚苯乙烯 新加坡南洋理工大学研究小组首先给三组蠕虫喂食了三种不同的普通塑料众所周知难以分解的高密度聚乙烯（HDPE）、聚丙烯（PP）和聚苯乙烯（PS），为期 30 天(幸运的对照组则食用燕麦粥）。随后，科学家们从啃食塑料的蠕虫内脏中提取了微生物组，并将其放入装有合成营养物质和三种塑料的烧瓶中培养，让它们在六周内发育成人工肠道。他们发现，与对照组的蠕虫相比，实验室培养的蠕虫肠道中产生了更多的塑料降解细菌，而且每种细菌在处理特定材料时都表现出更高的效率。研究人员（左起）Sakcham Bairoliya、曹斌和刘一楠博士这项研究的第一作者刘一楠博士说："我们的研究是首次成功尝试从喂食塑料的蠕虫肠道微生物组中培养塑料相关细菌群落。通过将肠道微生物组暴露在特定条件下，我们能够提高人工'蠕虫肠道'中塑料降解细菌的丰度，这表明我们的方法是稳定的，可以大规模复制。"虽然这只是概念验证，但研究人员认为，在更大范围内培育这种人工"超级肠道"并不存在障碍，而且这种人工"超级肠道"还可以专门用于处理特定材料。他们现在正在研究蠕虫坚韧肠道过程背后的分子生物学，希望能更容易地设计出分解塑料的细菌群落，用于商业用途。这项研究发表在《国际环境》杂志上。 ... PC版： 手机版：

: 肠道微生物有助于消化食物，通过影响免疫、代谢和神经系统维持人体健康。人类的部分肠道微生物历史相当悠久，在其它灵长类动物身上

-- : 肠道微生物有助于消化食物，通过影响免疫、代谢和神经系统维持人体健康。人类的部分肠道微生物历史相当悠久，在其它灵长类动物身上都能找到，这意味着它们源自于共同的祖先。随着人类涌入城市生活，。这一情况可能会影响道人类健康。城市生活改变了饮食、抗生素的使用以及卫生条件的改善，都可能是人类肠道微生物消失的原因。研究人员分析对比了灵长类动物以及人类的肠道微生物，发现人类失去了黑猩猩等灵长类动物中发现了 种微生物中的 种，其中部分是在几千年前消失的，部分是在近期消失的，城市居民损失最多。

Cell子刊：你身体上的微生物群就像指纹一样独一无二

Cell子刊：你身体上的微生物群就像指纹一样独一无二 这是科学家对86人的肠道、口腔、鼻子和皮肤微生物群进行详细研究后得出的结论。在六年的时间里，在每个人的微生物群中存活得最好的细菌是那些对个人最特殊的细菌，而不是整个人群共有的细菌。“我们的研究结果强调了这样一种观点，即我们每个人的体内都有个性化的微生物组，这对我们来说是特殊的，你的基因、饮食和免疫系统都在塑造这个生态系统。”斯坦福大学医学院遗传学教授Michael Snyder博士说。这项新研究由Michael Snyder与George Weinstock（2023年去世）合作领导完成，这是美国国立卫生研究院综合人类微生物组项目的一部分，并在线发表在《细胞宿主与微生物》杂志上。该研究还发现了微生物组与健康之间的几种相关性：例如，2型糖尿病患者的微生物组不太稳定，多样性也较差。“我们认为，随着胰岛素抵抗，血液中脂质、蛋白质和其他代谢物的改变会改变微生物群可利用的营养物质，并影响这些细菌的生长，”遗传学博士后学者、该论文的第一作者Xin Zhou博士说。长期跟踪科学家们最近对人类微生物群在健康和疾病中的作用有了新的认识。但是，微生物群的庞大规模一个普通人体内大约有39万亿个微生物，以及它不断变化的事实，使得研究变得困难。研究人员一直在努力确定是否存在一种理想的微生物组组成，以及改变某人的微生物是否可以减轻疾病。这组研究人员追踪人们的微生物组长达六年，希望更好地了解个体体内的微生物是如何随着短期感染或慢性疾病的发作而变化的。他们每季度从86名年龄在29岁到75岁之间的人的粪便、皮肤、口腔和鼻子中收集微生物组样本。当参与者患有呼吸道疾病、接种了疫苗或服用了抗生素时，在五周的时间里，研究人员额外采集了三到七个样本。每个微生物组样本都进行了基因测序，以揭示其所含的细菌。与此同时，研究人员收集了大量关于参与者健康的其他临床数据，以研究各种因素如何与微生物组的变化相关。研究人员总共分析了5432个生物样本，产生了118,124,374个测量值。Snyder说:“在这么长的一段时间里，研究来自不同身体部位的微生物，让我们第一次把整个微生物群看作一个单一的流体系统。”注重稳定性这项新研究证实了之前的研究发现，揭示了在健康人的微生物组中经常发现的少数细菌，以及在感染和其他疾病期间人体微生物组的显著变化。然而，比单个细菌类型更能说明问题的是微生物组的稳定性。在健康时期，一个人的微生物组很少发生剧烈变化。在感染或糖尿病的发展过程中，构成微生物组的细菌波动更大。“我们发现，当你生病时，比如感冒，你的微生物群会发生这种暂时的变化;它变得非常失调，对于糖尿病来说，这种特征在很多方面都是一样的，除了它是长期的而不是暂时的。”Zhou说。当研究人员专注于哪些微生物在多年的过程中最有可能发生变化时，他们惊讶地发现，对个体来说最特殊的细菌是最稳定的。Snyder说:“很多人会怀疑我们之间共有的细菌是最重要的，因此也是最稳定的。我们发现了完全相反的情况个人微生物群是最稳定的。这进一步表明，我们的个人微生物群与其他人的个人微生物群不同，对我们的健康至关重要。这是有道理的，因为它们都有不同的健康基线。”数据带来了另一个惊喜：身体不同部位的微生物组是高度相关的。即使存在不同类型的细菌，当一个身体部位的微生物群发生变化时，其他部位也会发生变化。例如，如果在呼吸道感染开始时鼻腔细菌发生变化，肠道、口腔和皮肤微生物也会迅速开始发生变化。当肠道细菌随着糖尿病发生变化时，皮肤、口腔和鼻子上的细菌也会发生变化。与健康的联系根据整个研究过程中采集的血液样本，研究小组怀疑免疫系统是连接身体不同部位微生物的共同纽带，也是连接微生物群整体健康的纽带。血液中某些免疫蛋白的水平随着微生物群的变化而同步变化。此外，血脂血液中的脂肪也与微生物群稳定性的变化有关，这解释了与糖尿病的一些联系。该小组指出了几个影响微生物群形成的环境因素:例如，微生物随着季节的变化而发生可预测的变化，可能是由于湿度和阳光水平的变化以及新鲜食物的供应。但是这些环境因素，包括饮食，仍然不能解释人与人之间的差异。研究人员说，新的数据否定了存在一个黄金标准的微生物群的想法，即每个人都应该努力达到最佳健康状态。“相反，我们正在朝着这样一个想法前进，即我们拥有一个个人微生物组，它对我们自己的代谢和免疫健康非常重要。我们的新陈代谢和免疫健康也会极大地影响我们的微生物群它们都是联系在一起的。人与人之间的微生物组差异很大，你如何喂养它，它接触到什么，可能会对你的健康产生重大影响，我们还需要从很多方面解决这个问题。”Snyder说。 ... PC版： 手机版：

中大研究利用肠道微生物诊断自闭症灵敏度逾九成

中大研究利用肠道微生物诊断自闭症灵敏度逾九成 香港中文大学医学院研究团队利用肠道微生物，开发精准工具诊断自闭症。研究团队利用非入侵性的测试工具，测试儿童粪便中的肠道微生物，灵敏度高达94%。检测后交给团队化验，一星期内就会有结果。 团队表示，在2021至2023年间，共招募约1600名1至13岁、分别患有自闭症及没有自闭症的儿童，透过收集研究对象的粪便样本，发现自闭症儿童的肠道微生态的发展较迟缓。 团队研发针对自闭症儿童的微生态配方，配方为粉状，可开水饮用。向30名自闭症儿童提供12星期的治疗。初步研究显示，感官敏感及焦虑症状分别舒缓15%及20%，没有不良反应，部分有腹痛的儿童亦得到舒缓。 中大医学院肠道微生物群研究中心主任陈家亮指出，肠道微生物的化学物质会影响大脑运作，肠道微生态失衡与自闭症有关，希望透过调节肠道微生态，有助父母管理孩子的日常情绪问题。 2024-07-11 12:44:00

研究发现受感染的微生物会携带产生甲烷的新基因

研究发现受感染的微生物会携带产生甲烷的新基因 研究发现，微生物一旦受到感染，就会携带产生甲烷的新基因。最近的一项研究揭示，感染微生物的病毒在甲烷（一种强效温室气体）的环境循环中发挥着关键作用，从而加剧了气候变化。通过分析从各种湖泊到牛胃内部等15种不同栖息地采集的近1000组元基因组DNA数据，研究人员发现，微生物病毒携带有控制甲烷过程的特殊遗传元素，即辅助代谢基因（AMGs）。根据生物栖息地的不同，这些基因的数量也会不同，这表明病毒对环境的潜在影响也因其栖息地而异。这项研究的第一作者、俄亥俄州立大学伯德极地与气候研究中心副研究员钟志平说，这一发现为更好地理解甲烷如何在不同生态系统中相互作用和移动提供了重要依据。"了解微生物如何推动甲烷过程非常重要，"钟说，他也是一名微生物学家，研究微生物如何在不同环境中进化。"微生物对甲烷代谢过程的贡献已经研究了几十年，但对病毒领域的研究在很大程度上仍然不足，我们希望了解更多"。这项研究发表在《自然通讯》杂志上。病毒在温室气体排放中的作用病毒帮助促进了地球上所有的生态、生物地球化学和进化过程，但科学家们直到最近才开始探索它们与气候变化的关系。例如，甲烷是仅次于二氧化碳的第二大温室气体排放源，但主要是由被称为古细菌的单细胞生物产生的。这项研究的共同作者、俄亥俄州立大学微生物组科学中心微生物学教授马修-沙利文（Matthew Sullivan）说："病毒是地球上最丰富的生物实体。在这里，我们在一长串病毒编码的代谢基因中增加了甲烷循环基因，从而扩大了我们对其影响的了解。我们的团队试图回答病毒在感染过程中实际操纵了多少'微生物代谢'"。尽管微生物在加速大气变暖方面发挥的重要作用现已得到广泛认可，但人们对感染这些微生物的病毒所编码的甲烷代谢相关基因如何影响它们的甲烷产生却知之甚少，钟南山说。为了解开这个谜团，钟志平和他的同事们花了近十年的时间从独特的微生物库中收集和分析微生物和病毒 DNA 样本。研究小组选择的最重要的研究地点之一是克罗地亚自然保护区内的弗拉纳湖。在富含甲烷的湖泊沉积物中，研究人员发现了大量影响甲烷产生和氧化的微生物基因。此外，他们还发现了多种病毒群落，并发现了 13 种有助于调节宿主新陈代谢的 AMG。尽管如此，没有任何证据表明这些病毒本身直接编码甲烷代谢基因，这表明病毒对甲烷循环的潜在影响因其栖息地而异，钟说。牲畜和环境影响总之，研究显示，甲烷代谢AMG更有可能在宿主相关环境（如牛胃内部）中发现，而在环境栖息地（如湖泊沉积物）中发现的这些基因则较少。由于奶牛和其他牲畜也造成了全球约 40% 的甲烷排放，他们的研究表明，病毒、生物和整个环境之间的复杂关系可能比科学家们曾经想象的更加错综复杂。钟说："这些发现表明，病毒对全球的影响被低估了，值得引起更多关注。"虽然目前还不清楚人类活动是否影响了这些病毒的进化，但研究小组希望从这项工作中获得的新见解能让人们进一步认识到传染源对地球上所有生命的影响力。尽管如此，要继续深入了解这些病毒的内在机制，还需要进一步的实验来进一步了解它们对地球甲烷循环的贡献，钟南山说，尤其是当科学家们在研究如何减少微生物驱动的甲烷排放时。他说："这项工作是掌握气候变化的病毒影响的第一步。我们还有很多东西要学。"编译自:ScitechDaily ... PC版： 手机版：

麻省理工学院的AI突破：对抗MRSA的新型抗生素先锋

麻省理工学院的AI突破：对抗MRSA的新型抗生素先锋 利用一种被称为深度学习的人工智能，麻省理工学院的研究人员发现了一类化合物，这种化合物可以杀死一种耐药细菌，这种细菌每年导致美国一万多人死亡。在最近发表于《自然》（Nature）的一项研究中，研究人员发现这些化合物可以杀死在实验室培养皿中生长的耐甲氧西林金黄色葡萄球菌（MRSA），以及在两种 MRSA 感染小鼠模型中生长的耐甲氧西林金黄色葡萄球菌。这些化合物对人体细胞的毒性也很低，因此特别适合作为候选药物。这项新研究的一个关键创新点是，研究人员还弄清了深度学习模型在预测抗生素效力时使用了哪些信息。这些知识可以帮助研究人员设计出更多的药物，它们可能比模型识别出的药物效果更好。"我们的洞察力在于，我们可以看到模型学习到了什么，从而预测出某些分子会成为很好的抗生素。"麻省理工学院医学工程与科学研究所（IMES）和生物工程系的特米尔医学工程与科学教授詹姆斯-柯林斯（James Collins）说："我们的工作提供了一个框架，从化学结构的角度来看，它既省时、省资源，又具有机理上的洞察力。"这项研究是麻省理工学院"抗生素-人工智能项目"（Antibiotics-AI Project）的一部分，该项目由柯林斯领导。该项目是麻省理工学院抗生素-人工智能项目的一部分。该项目由柯林斯领导，其任务是在七年内发现针对七种致命细菌的新型抗生素。用人工智能应对 MRSA在美国，每年有超过 8 万人感染 MRSA，它通常会引起皮肤感染或肺炎。严重病例可导致败血症，这是一种可能致命的血液感染。在过去几年里，柯林斯和他在麻省理工学院阿卜杜勒-拉蒂夫-贾米尔健康机器学习诊所（Jameel Clinic）的同事们开始利用深度学习尝试寻找新的抗生素。他们的工作已经产生了针对鲍曼不动杆菌（一种常见于医院的细菌）和许多其他耐药细菌的潜在药物。这些化合物是利用深度学习模型确定的，该模型可以学习识别与抗菌活性相关的化学结构。然后，这些模型会筛选数百万种其他化合物，预测哪些化合物可能具有较强的抗菌活性。事实证明，这类搜索富有成效，但这种方法的一个局限是，模型是"黑盒子"，也就是说，无法知道模型是根据什么特征进行预测的。如果科学家们知道模型是如何做出预测的，他们就能更容易地找出或设计出更多的抗生素。黄说："我们在这项研究中要做的就是打开黑盒子。这些模型由大量模拟神经连接的计算组成，没有人真正知道这底下发生了什么"。提高人工智能的预测准确性首先，研究人员使用大幅扩展的数据集训练了一个深度学习模型。他们通过测试约 3.9 万种化合物对 MRSA 的抗生素活性生成了这些训练数据，然后将这些数据以及化合物的化学结构信息输入模型。Wong说："基本上可以将任何分子表示为化学结构，还可以告诉模型该化学结构是否具有抗菌性。这个模型是在许多这样的例子中训练出来的。如果你给它任何新的分子、新的原子和化学键排列，它就能告诉你该化合物被预测为抗菌的概率。"为了弄清该模型是如何做出预测的，研究人员采用了一种被称为蒙特卡洛树搜索的算法，这种算法已被用来帮助使其他深度学习模型（如AlphaGo）更易于解释。这种搜索算法不仅能让模型对每种分子的抗菌活性做出估计，还能预测该分子的哪些亚结构可能会产生这种活性。人工智能驱动的药物发现过程为了进一步缩小候选药物的范围，研究人员又训练了三个深度学习模型，以预测化合物是否对三种不同类型的人体细胞有毒。通过将这些信息与抗菌活性预测相结合，研究人员发现了既能杀死微生物，又能对人体产生最小不良影响的化合物。利用这组模型，研究人员筛选了大约 1200 万种化合物，所有这些化合物都可以在市场上买到。根据分子中的化学子结构，模型从这些化合物中识别出了五种不同类别的化合物，这些化合物预计对 MRSA 具有活性。有希望的成果和未来方向研究人员购买了大约 280 种化合物，并对它们进行了针对在实验室培养皿中生长的 MRSA 的测试，从而确定了同一类中的两种似乎非常有希望成为候选抗生素的化合物。在两种小鼠模型（一种是 MRSA 皮肤感染模型，另一种是 MRSA 全身感染模型）的测试中，每种化合物都能将 MRSA 的数量减少 10 倍。实验发现，这些化合物似乎通过破坏细菌在细胞膜上维持电化学梯度的能力来杀死细菌。许多关键的细胞功能都需要这种梯度，包括产生 ATP（细胞用来储存能量的分子）的能力。柯林斯实验室在 2020 年发现的一种候选抗生素Halicin似乎也是通过类似的机制发挥作用的，但它对革兰氏阴性细菌（细胞壁较薄的细菌）具有特异性。MRSA 是一种革兰氏阳性细菌，细胞壁较厚。Wong说："我们有相当有力的证据表明，这种新的结构类药物通过选择性地消散细菌中的质子动力，对革兰氏阳性病原体具有活性。这些分子选择性地攻击细菌细胞膜，而不会对人类细胞膜造成实质性损害。我们大幅增强的深度学习方法使我们能够预测这一类新结构的抗生素，并发现它对人类细胞没有毒性。"研究人员与Phare Bio 分享了他们的研究成果，Phare Bio 是柯林斯等人创办的非营利组织，也是抗生素人工智能项目的一部分。该非营利组织目前计划对这些化合物的化学特性和潜在临床用途进行更详细的分析。与此同时，柯林斯的实验室正在根据新研究的结果设计更多的候选药物，并利用这些模型寻找能杀死其他类型细菌的化合物。Wong说："我们已经在利用基于化学子结构的类似方法来重新设计化合物，当然，我们也可以随时采用这种方法来发现针对不同病原体的新型抗生素。"编译自:ScitechDaily ... PC版： 手机版：