从肠道到全球影响：微生物组医学的下一波浪潮——与Cmbio的Manoj Dadlani对话
2025年8月27日
DeciBio问答专栏
制药与生物技术
作者：Graham Friedman（分析师）、Eliza French（高级分析师）、Antony Awad（高级分析师）
人体微生物组——存在于我们体内和体表的数万亿细菌、古菌、真菌和病毒——如同一个分布式器官，塑造着代谢、免疫甚至我们对疗法的反应。随着测序技术的普及和分析手段的精进，鸟枪法宏基因组学和多组学数据正推动领域从相关性研究转向可操作的洞见，人工智能正被广泛用于模式发现与决策支持。以下对话探讨该领域的最新成果与未来趋势。
Manoj Dadlani现任Cmbio执行主席兼首席商务官。Cmbio由Clinical Microbiomics、CosmosID、MS-Omics和DNASense整合而成，是全球领先的微生物组服务平台。此前他曾任CosmosID首席执行官。Manoj的职业生涯横跨管理咨询与企业孵化，拥有康奈尔大学生物工程学士与硕士学位。
Manoj，感谢参与对话。自2019年我们上次交流以来，行业发生了诸多变化。过去五年间，您观察到哪些关键进展？
总体可归为三大领域。
制药领域：艰难梭菌（C. difficile）药物取得突破——Seres Therapeutics与Rebiotix（现Ferring制药）的产品先后获FDA批准，成为首批通过审批的微生物组疗法。MaaT Pharma针对移植物抗宿主病的肠道靶向疗法也公布III期积极数据，这对我而言尤其重要，因其突破了艰难梭菌适应症，标志着系统性应用的开端。Vedanta的艰难梭菌药物亦进入III期，炎症性肠病（IBD）等领域的早期项目也在推进。
消费者市场：益生菌与检测服务的临床试验显著增加。消费者对科学验证产品的认可度提升，但尚处早期。自uBiome事件后，消费级检测正转向鸟枪法宏基因组学，我们正与多家企业合作提升数据质量。尽管可操作性与临床验证仍待完善，但技术升级趋势明显，期待监管环境同步优化以推动临床应用。
学术研究：肿瘤学与药物反应预测的研究尤为亮眼。通过微生物组预测药物疗效已具备实用潜力，且具备通过FDA验证的可行性。随着临床试验规模扩大与数据深度提升，人工智能正加速关联发现，助力诊断与治疗创新。该领域每月都有突破，令人振奋。
五年前您曾提及，机器学习将助力解析微生物组特征。过去五年您的观点有何演变？生物信息学与AI如何影响领域发展？
过去三年，我们着重构建数据基础设施。数据质量是模型基石，测序成本下降推动鸟枪法测序普及，相较16S rRNA测序更具优势。这一转型为AI/ML与深度学习奠定基础。
生物信息学工具亦取得长足进步。数据库的命名与质量持续优化，主流工具已迭代至第三至第五代，准确性显著提升。工具标准化促进了数据可比性。
AI领域变化尤为剧烈。"数字孪生"技术正在兴起——通过体外模拟干预或疾病状态优化结果。例如，芝加哥大学基于数千名婴儿的每周微生物组数据开发的Q-net模型，可预测两岁儿童神经疾病风险。AI正从模式识别转向决策支持，成为辅助人类决策的"第二大脑"。
未来几年您最期待哪些生物信息学工具？哪些挑战待突破？
个性化是核心。预测菌群失调或疾病风险仅是起点，关键在于如何干预。我尤为期待将洞察转化为定制化干预方案，优先通过营养计划而非药物预防疾病。这对人类福祉意义重大。
药物反应优化亦值得关注——如何预调身体状态以增强疗效、减少副作用。随着工具成熟，这将重塑治疗格局。
您曾表示"制药行业需要成功案例"，过去既有FDA批准口服粪菌产品等突破，也有4D Pharma破产等挫折。这些挑战如何影响您的预期？您对微生物组医学前景是否仍乐观？
短期阵痛确实存在——作为服务提供商，客户融资困难或倒闭直接影响业务。但长远看，过去十年我们已推动两个新模态药物通过FDA审批，且现有管线正挑战更复杂的疾病。尽管需更多项目成功落地，但十年进展足以支撑乐观。
从行业快速演变中您汲取了哪些教训？
部分失败项目源于产品设计缺乏深度洞见，或团队过于急进。需警惕浅层数据误判：早期16S数据结论在高分辨率下可能失效。投资高质量深度数据至关重要。
管理层面，需精益运营以达成里程碑。药物研发周期长、风险高，成功依赖顶尖团队与顾问、最佳数据支撑，以及克制过度解读数据的冲动。
为何微生物组在诊疗领域具有独特优势？未来五年哪些应用最具潜力？
微生物组是系统性关键组成部分，其可塑性远超基因组——人体约半数细胞属微生物，其非侵入性采样特性为诊疗提供便捷路径。
疾病关联：肠道-脑轴研究显示调节肠道菌群可改善自闭症、帕金森症状；IBD/IBS等消化道疾病因靶点直接具备开发优势。
皮肤微生态：湿疹、特应性皮炎通过肠道（肠-皮轴）或皮肤菌群干预已见改善。《自然·通讯》近期研究揭示南美亚诺玛米人群皮肤菌群多样性远超工业化群体，提示工业化进程导致微生态多样性丧失，这对药物与化妆品开发具有启示。
药物反应预测：作为伴随诊断工具，未来粪便检测可能成为年度体检常规项目。传染病领域亦有突破——部分企业开发血液/脑脊液宏基因组检测，可发现PCR漏检感染。
哪些使能技术推动该领域发展？最大挑战与普及所需条件是什么？
临床数据积累是关键。医学变革缓慢，需强大数据通过监管审批，而数据生成依赖资金——这是典型的"先有鸡还是先有蛋"的困局。尽管FDA已建立审批框架，但需更多临床与经济效益证据推动医保覆盖。
商业化加速下，竞争格局有何特征？
三大护城河：
- 知识产权：诊断领域涵盖检测面板与方法；药物领域涉及菌株组合及其可保护性。
- 数据资产：数据规模与生成能力。高精度微生物组数据若整合电子健康记录（EHR）级临床信息，将赋能产品开发与体外模型构建。
- 规模效率：运营卓越性与AI优先战略，高效执行试验与达成里程碑的能力。
您正在关注哪些趋势或突破？
单微生物组数据局限性正被突破，我们需整合多模态数据——基因组、代谢组、EHR、影像等。这种跨数据类型联结将释放AI潜力，深化系统理解，催生更优药物与诊断方案。
感谢Manoj的深度分享。本文观点属受访者个人观点，不代表DeciBio咨询立场。注意：DeciBio及其关联方可能持有文中讨论资产，本文不构成投资建议，仅供参考。
【全文结束】
