在过去的十年中，科学家在理解自然共存于人体中的细菌和病毒群在某些重要功能（例如消化，代谢甚至抵抗疾病）中起着重要作用方面取得了巨大进步。但是，了解它们的工作方式仍然是一个问题。

       德雷克塞尔大学的研究人员希望通过高通量基因测序和自然语言处理计算机算法的巧妙结合来回答这个问题。他们的研究最近发表在《 PLOS ONE》杂志上，报告了一种分析RNA中编码的新方法，该编码可以描述人类微生物群落并揭示其运作方式。

      有关人类微生物环境（或微生物组）的许多研究都集中于鉴定所有不同的微生物物种。微生物群相关疾病的治疗方法的萌芽是在微生物组失衡或变异是诸如消化不良或克罗恩氏病等健康问题的根源下进行的。

      但是要正确纠正这些失衡，对于科学家而言，重要的是要对患病地区以及整个人体中存在的微生物群落有更广泛的了解。

      论文的作者，德雷克塞尔工程学院副教授盖尔·罗森（Gail Rosen）博士说：“我们真的才刚刚开始了解微生物群对健康的影响。” “在许多方面，科学家没有充分了解这些微生物群落的样子，它们的流行程度以及它们的内部结构如何影响其在人体中的直接环境，就跳入了这项工作。”

      罗森（Rosen）领导着大数据Drexel生物发现中心，这是一组研究人员，他们一直在应用算法和机器学习来帮助破译近几年来可用的大量基因测序信息。他们的工作和在全球范围内的类似努力已将微生物学和遗传学研究从湿实验室移到了数据中心-创造了一种用于研究生物相互作用和进化的计算方法，称为宏基因组学。

       在这种类型的研究中，可以解释对遗传物质样本（DNA或RNA）的扫描以揭示可能存在的生物。 Rosen小组提出的方法通过分析遗传密码以发现重复发生的模式又向前迈进了一步，这表明某些生物群（在这种情况下是微生物）被一起发现的频率很高，这并不是巧合。
 

      罗森说：“我们称这种方法为'主题基因组学'，因为我们正在寻找微生物群落中重复出现的主题，这些主题是共同存在的微生物群的指标。” “人体中存在着成千上万种微生物，因此，如果考虑可能存在的所有分组排列，您可以想像，确定哪些微生物彼此生活在一起是一项艰巨的任务。我们的方法将模式识别算法用于该任务，从而节省了大量时间，并消除了一些猜测。”

       目前研究微生物群（例如肠道细菌）的方法是从身体某个区域取样，然后查看存在的遗传物质。这组作者说，这个过程本质上缺乏重要的背景。

     “如果不首先了解微生物群落的范围以及它们在体内发生的频率以及发生的频率，要真正了解微生物群落在做什么是不可能的，” Drexel's College的博士和医学博士Steve Woloszynek说医学和论文的合著者。 “换句话说，如果尚不了解天然微生物的'自然状态'，就很难开发出促进天然微生物共存的疗法。”

       使用主题基因组学获得完整的微生物群落图，可以使研究人员观察健康人群和疾病人群随时间的变化。观察两者之间的差异可为社区的功能提供线索，并阐明使之成为现实的微生物物种的结构。

       罗森说：“大多数宏基因组学方法只是告诉您哪些微生物丰富-因此可能很重要-但它们并没有真正告诉您每种物种如何支持其他社区成员。” “通过我们的方法，您可以了解社区的结构，例如，可能以大肠杆菌和脆弱的B. fragilis为最丰富的微生物，并且数量相当相等，这可能表明它们相互交叉，另一个社区可能以脆弱的芽孢杆菌为最丰富的微生物，而其他许多微生物的数量却相等，但数量较低，这可能表明他们正在以脆弱的芽孢杆菌为食，而没有任何合作。”

       分析人类微生物群的最终目标之一是利用某些微生物群落的存在作为识别克罗恩病或特定类型癌症等疾病的指标。为了测试他们的新方法，Drexel研究人员将其与通过测量某些基因序列的相对丰度来诊断克罗恩氏和口腔癌的类似主题建模程序相提并论。

       经证实，主题基因组学方法能够准确地预测疾病，但是它比其他主题建模方法（分钟数与天数）要快得多，并且它还可以弄清指标群体中每种微生物如何对严重性造成影响这种疾病。有了这样的粒度，研究人员将能够在开发针对性治疗方法时将其归入特定的基因组。

        该小组已公开提供其主题基因组学分析工具，以期加快治愈和治疗这些疾病的进程。

       “现在还为时过早，但是我们对微生物组的功能了解得更多，甚至只是知道各组可能一起起作用，然后我们就可以研究这些组的代谢途径并进行干预或控制，从而铺平道路。药物开发和疗法研究的途径。”罗森说。

       这项研究得到了美国国家科学基金会的支持。

       除了电气和计算机工程系的Rosen和Woloszynek以及Zhaozhenqiao博士之外， Drexel医学院医学院医学博士Joshua Mell； Drexel艺术与科学学院的Gideon Simpson博士和Michael O'Connor博士参加了这项研究。