微生物組是微生物在自然界的存在形式，與人體、空氣、土壤與海洋的健康息息相關。因此，微生物組科學與產(chǎn)業(yè)已經(jīng)成為國際科技合作與競爭的“戰(zhàn)略高地”。然而，大數(shù)據(jù)挖掘工具的匱乏，阻礙著微生物組研究從“數(shù)據(jù)分析”向“數(shù)據(jù)科學”的跨越。2010年，來自43個國家的500多名研究人員聯(lián)合啟動了“地球微生物組計劃”（Earth Microbiome Project; EMP），對全球微生物組的多樣性進行系統(tǒng)性調查，已經(jīng)發(fā)表了第一階段的成果（Thompson, et al., Nature, 2017）。而各國政府歷年來陸續(xù)啟動的“人體微生物組計劃”（Human Microbiome Project; HMP）與“美國國家微生物組計劃”（National Microbiome Initiative; NMI）等，也同樣產(chǎn)出了海量的菌群數(shù)據(jù)。這些以元基因組為代表的微生物組數(shù)據(jù)類型多樣、來源迥異、體量龐大，而且其數(shù)量正在以指數(shù)型增長。但是，大數(shù)據(jù)挖掘工具的匱乏，導致新的數(shù)據(jù)難以與原有的海量數(shù)據(jù)進行快速的比對，針對整個微生物組數(shù)據(jù)空間的全局性認識更是無從談起。
針對這一核心科學瓶頸，蘇曉泉副研究員率領的青島能源所單細胞中心生物信息研究組開發(fā)了微生物組搜索引擎（Microbiome Search Engine; MSE; http://mse.single-cell.cn），實現(xiàn)了大規(guī)?！叭郝鋵θ郝洹笔降奈⑸锝M搜索和數(shù)據(jù)挖掘。MSE實現(xiàn)了基于菌群結構或功能相似性的快速比對。在百萬樣本量級數(shù)據(jù)庫中，計算所有菌群之間的兩兩相似性，從而重建全局性的菌群數(shù)據(jù)空間構像，傳統(tǒng)算法需230天，而MSE只需半天。進而在全局數(shù)據(jù)空間中對目標菌群進行精確定位，傳統(tǒng)算法需100秒，而MSE只需0.29秒。因此，MSE使大規(guī)模、全局性的微生物組比對與搜索首次成為可能。
得益于MSE強大的菌群結構比對搜索能力，研究人員基于微生物組大數(shù)據(jù)，提出了客觀量化菌群之“新穎性”與“關注度”的“微生物組影響指數(shù)（Microbiome Focus Index; MFI）”。通過連續(xù)追蹤2010-2017年間MFI的變化趨勢，研究人員從超過10萬例的微生物組中，發(fā)掘出了2,238例“睡美人”樣本：即那些發(fā)表初期結構新穎獨特但卻乏人問津，但發(fā)表后4年內將受到極大研究關注的菌群。此類樣本主要存在于海洋(51%)、家居室內(20%)、哺乳動物腸道(19%)、母嬰傳播(1%)等環(huán)境中。針對這類樣本的研究往往具有深遠科學影響，然而目前研究關注與投入程度還遠遠不夠。因此，MFI揭示了當前微生物組結構空間的全局特征，并預測了最有科學潛力與投資價值的數(shù)據(jù)和領域。這一大數(shù)據(jù)分析平臺能為微生物組計劃的設計與實施提供參考依據(jù)，同時也有助于針對微生物組領域發(fā)展現(xiàn)狀與趨勢的全局性思考。
該論文發(fā)表于ASM旗艦期刊mBio上。MSE是地球微生物組計劃中首個由中國科研人員主持開發(fā)的大數(shù)據(jù)挖掘工具。它將作為EMP的核心計算平臺之一，服務于國內外微生物組研究群體，同時支撐“中科院微生物組計劃”的實施。單細胞中心蘇曉泉副研究員、徐健研究員以及EMP發(fā)起人、加州大學圣迭戈分校Rob Knight教授為論文的共同通訊作者。該項目得到了中科院微生物組計劃、山東省自然科學基金重大基礎研究項目、國家自然科學基金等的支持。 （文/蘇曉泉 圖/王增彬）
相關成果發(fā)表：
Su X*, Jing G, McDonald D, Wang H, Wang Z, Gonzalez A, Sun Z, Huang S, Navas J, Knight R*, Xu J*. (2018). Identifying and predicting novelty in microbiome studies. mBio doi: 10.1128/mBio.02099-18
圖1. 微生物組搜索引擎MSE在線平臺 (http://mse.single-cell.cn)
