加州大學洛杉磯分校領導的研究團隊已經(jīng)開發(fā)出一種更快，更準確的方法來確定生活在人類和人類身上的許多細菌的來源。從廣義上講，該工具可以推斷出任何微生物組的起源，這是一個局部和多樣化的微觀生物群落。

與需要數(shù)天或數(shù)周的工具相比，新的計算工具“FEAST”可以在短短幾個小時內(nèi)分析大量遺傳信息。該軟件程序可用于醫(yī)療保健，公共衛(wèi)生，環(huán)境研究和農(nóng)業(yè)。該研究在線發(fā)表在Nature Methods上。

微生物組通常包含數(shù)百至數(shù)千種微生物物種。從人類的消化道到供給水源的湖泊和河流，到處都可以找到微生物。構成這些群落的微生物可以來自其周圍環(huán)境，包括食物。

了解這些生物來自何處以及這些群落如何形成可以讓科學家更詳細地了解影響人類健康的看不見的生態(tài)過程。研究人員開發(fā)了該程序，為醫(yī)生和科學家提供了一種更有效的工具來研究這些現(xiàn)象。

源跟蹤程序給出了來自其他地方的微生物組的百分比。它在概念上與人口普查類似，揭示了其移民人口來自的國家，以及每個群體占總?cè)丝诘陌俜直取?/p>

例如，在廚房柜臺樣品上使用源跟蹤工具可以指示該樣品中有多少來自人類，多少來自食物，特別是哪種類型的食物。

有了這些信息，醫(yī)生將能夠通過簡單地分析他們的微生物組來區(qū)分健康人和患有特定疾病的人。科學家可以使用該工具檢測水資源或食品供應鏈中的污染。

“微生物組已經(jīng)與人體生理學和健康的許多方面聯(lián)系在一起，但我們正處于了解許多物種這種動態(tài)網(wǎng)絡的臨床意義以及它們?nèi)绾蜗嗷プ饔玫脑缙陔A段，”該研究的Eran Halperin說。首席研究員，在Samueli工程學院和David Geffen醫(yī)學院任教加州大學洛杉磯分校。

“微生物組數(shù)據(jù)得到了前所未有的擴展，這使我們對微生物生命的各種功能和分布的了解迅速增加，”Halperin補充說。“盡管如此，如此龐大而復雜的數(shù)據(jù)集卻帶來了統(tǒng)計和計算方面的挑戰(zhàn)。”

研究人員表示，與其他源跟蹤工具相比，F(xiàn)EAST的速度提高了300倍，并且更準確。

此外，目前的工具只能分析較小的數(shù)據(jù)集，或僅針對被認為是有害污染物的特定微生物。研究人員說，這種新工具可以處理更大的數(shù)據(jù)集，并提供更完整的微生物圖片，以及它們來自何處。

研究人員通過將FEAST與以前發(fā)表的數(shù)據(jù)集的分析進行比較，證實了FEAST的可行性。

例如，他們使用該工具來確定廚房柜臺上的微生物類型，并且它提供了比以前分析相同數(shù)據(jù)集的工具更多的細節(jié)。

他們還使用該工具比較了剖宮產(chǎn)分娩的嬰兒的腸道微生物組與陰道分娩的嬰兒的微生物組。

“我的希望是科學家將使用FEAST來診斷細菌相關的健康狀況，”該研究的第一作者，加州大學洛杉磯分校計算機科學研究生Liat Shenhav說。“例如，如果特定癌癥具有微生物特征，F(xiàn)EAST可能可用于早期診斷。”