研究表明，计算机模型能够预测哪些益生菌最适合在人体消化道定植，从而为特定个体创建定制组合。
发表在《PLOS Biology》上的研究结果揭示了代谢建模如何指导个性化的微生物组干预，以创建定制益生菌。研究人员在两项先前临床试验结果上测试了该策略，发现他们的模型在预测哪些益生菌物种保留在每个人肠道中的准确性至少达到75%。该模型还能预测不同益生菌对健康短链脂肪酸产生的影响。
"在这里，我们通过深入的机理洞察，弥合了益生菌设计与实际应用之间的差距，为每个人确定了合适的干预措施，"美国西雅图系统生物学研究所的研究人员Nick Quinn-Bohmann博士说。他的研究所同事Sean Gibbons博士补充道："这项工作进一步证明了微生物群落规模代谢模型(MCMMs)作为设计和优化个性化益生菌和益生元干预工具的潜力。"
影响益生菌菌株在消化道中生长和存活能力的因素有多种，包括拥有合适的代谢生态位、与其他肠道微生物群的相互作用以及人的免疫系统。基因组规模的代谢模型在估算微生物生长和代谢方面非常强大，最近这种方法已扩展到多种微生物群落，以产生微生物群落规模代谢模型(MCMMs)。
Quinn-Bohmann及其团队研究了MCMMs是否能回顾性预测益生菌物种在两项安慰剂对照干预试验中参与者的定植情况。第一项试验旨在改善血糖控制，在2型糖尿病患者中测试了五菌株益生菌与低剂量菊粉(一种已知支持益生菌生长的益生元纤维)的组合。第二项试验包括八菌株益生菌组合，旨在治疗复发性艰难梭菌感染。
MCMMs与益生菌被接受程度的测量结果基本一致，准确率为75%至80%。该模型还捕捉到了治疗驱动的预测短链脂肪酸产量变化。该模型还在1786名作为健康饮食和生活方式干预一部分从低纤维饮食转向高纤维饮食的人中进行了进一步测试。这表明该模型也能预测增加膳食纤维如何影响肠道分子和心脏代谢健康指标。
研究人员总结道："综上所述，这些发现证明了MCMMs作为评估个体和群体水平益生元、益生菌和饮食干预的预测框架的实用性。"他们补充道："最终，在临床环境中利用MCMMs可以实现精准微生物组治疗，优化益生菌、益生元和饮食摄入，更有效地治疗各种急性和慢性疾病。"
【全文结束】
