这项新研究展示了肠道代谢的计算机模型能够预测哪些益生菌能在个体肠道中成功定植，以及不同益生元如何影响促进健康的短链脂肪酸的产生。这些发现由美国系统生物学研究所的肖恩·吉本斯(Sean Gibbons)及其同事发表在《PLOS Biology》期刊上。
益生菌和益生元补充剂在不同个体间的效果差异很大，使得难以预测谁将从这些干预措施中受益。这种差异源于引入的益生菌、每个人现有的肠道微生物组以及其饮食之间的复杂相互作用。
在新研究中，研究人员首先在一个代谢模型上测试了来自两项先前研究的数据，在这些研究中，被诊断为2型糖尿病的参与者接受了安慰剂或旨在改善血糖控制的益生菌/益生元混合物，而健康参与者则分别接受了安慰剂或旨在治疗复发性艰难梭菌(Clostridioides difficile)感染的益生菌治疗。
该模型以75-80%的准确率预测了在两个队列中哪些益生菌物种能在每个人的肠道中成功定植。它还揭示了一种细菌菌株的定植成功率与人们血糖水平之间的关联，为糖尿病治疗效果提供了一种机制解释。
随后，研究团队在一个由1,786名总体健康个体组成的第三组中测试了该模型的预测能力，这些个体正在将饮食从低纤维转变为高纤维。该模型能够预测增加膳食纤维对肠道内分子和心脏代谢标志物的反应。
作者表示："总之，这些发现证明了[代谢模型]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。"
"最终，在临床环境中利用[代谢模型]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。"
第一作者尼克·奎因-博曼(Nick Quinn-Bohmann)表示："在这里，我们弥合了益生菌设计与实际应用之间的差距，利用深入的机制洞察为每个人确定正确的干预措施。"
肖恩·吉本斯补充道："这项工作进一步证明了微生物群落尺度代谢模型(MCMMs)作为设计和优化个性化益生菌和益生元干预措施的工具的潜力。"
【全文结束】
