5.3 微生物组：不培养也能认识一个群落

5.3 微生物组：不培养也能认识一个群落

本节摘要：环境与肠道里的绝大多数微生物无法人工培养，测序成了唯一的全景窗口。本节讲 16S 扩增子与宏基因组两条分析路线，并重点拆解丰度数据的成分性陷阱——这是微生物组统计翻车率最高的地方。

培养的墙与测序的窗

传统微生物学靠培养：单菌落纯化、生理生化鉴定。问题在于环境样本里能被培养的物种可能只占一成上下，多数微生物的需求苛刻到实验室模拟不了。测序绕开了这堵墙：直接对环境样本里的混合 DNA 读序，从序列推断"谁在、多少、在做什么"。肠道菌群研究近十年的爆发，技术上就建立在两套测序路线上——16S 扩增子与全宏基因组。

两条路线的分野在于读什么。16S 扩增子只测核糖体小亚基基因的一个高变区：用保守引物扩增、对扩增产物测序，按序列聚类成 ASV/OTU 再对参考库（如 SILVA）注释物种。成本低、数据小、分析标准化程度高，适合大规模队列做"谁在"的组成比较；局限是只有属种级的分辨率、测不到功能基因。全宏基因组测序（shotgun metagenomics）直接打碎全部基因组 DNA 测序：既回答"谁在"（物种分类，分辨率到菌株级）也回答"能做什么"（功能基因与通路丰度，用 KEgg/KO 或 MetaCyc 注释），代价是数据量大、宿主污染要处理、组装与 binning（把读长归回基因组箱）的计算成本高。

一次标准分析的流程骨架

以肠道菌群的两群体比较为例（疾病组与对照组各几十人）。路线 A（16S）：扩增、混样上机、质控去引物、DADA2 类工具按错误模型生成 ASV、对 SILVA 注释、抽平或用组成型方法比较组间差异、多样性分析（α 多样性看样本内丰富度，β 多样性看样本间结构差异）。路线 B（shotgun）：质控去宿主与低质量、按物种标记基因或 k-mer 分类（Kraken2、MetaPhlAn）估计物种丰度、组装与基因预测构建功能谱、组间差异检验。

# 16S 主线（QIIME2 风格的流程骨架）
qiime2 import --type 'SampleData[PairedEndSequencesWithQuality]' \
    --input-path manifest.tsv --output-path demux.qza
qiime2 dada2 denoise-paired --i-demultiplexed-seqs demux.qza \
    --p-trim-left-f 17 --p-trunc-len-f 280 --o-table table.qza
qiime2 feature-classifier classify-sklearn \
    --i-classifier silva-138-99-nb-classifier.qza --i-reads rep-seqs.qza \
    --o-classification taxonomy.qza
# 产出：ASV 计数表 + 物种注释表，进入多样性与差异分析
​

图：丰度矩阵的成分性陷阱

成分性：这个领域的头号统计陷阱

测序给出的丰度永远是相对的——reads 总量被归一到固定盘子里。这带来一个反直觉后果：即使群落里只有一个物种真实增殖、其他全都没变，归一后其他物种的相对占比也会"下降"。把相对丰度直接喂给普通的 t 检验或 DESeq2（它们假设各基因独立），就会批量制造假差异。这不是理论洁癖：肠道菌群研究里大量早期"某菌减少与疾病相关"的结论，复检时站不住脚，成分性是主要嫌疑人之一。

工程上的三层对策。设计层：加已知量的内标（spike-in）或定量 PCR 锚定绝对丰度，让相对变回绝对。方法层：用专门为成分数据设计的方法（ANCOM-BC、aldex2、MaAsLin 系），它们显式建模归一化约束。解释层：报告差异时明确写"相对丰度差异"，避免"绝对减少"的断言。与 2.6 节对照会发现熟悉的影子——DESeq2 的 size factor 归一化解决的也是同一族问题，只是微生物组数据的约束更极端（总盘恒定、零值海量）。

功能与生态的出口在组成之上。功能丰度用 KO/通路层级比较，把"谁变了"升级为"什么能力变了"；共现网络（物种间相关性网络）与 3.6 节的互作网络同构但要小心解释——相关性不是互作，批次与成分性都能造出假边。菌群-宿主关联（如菌群与免疫治疗的响应关联）是当下的热点出口，分析套路仍是全册的骨架：先体检（批次、成分性），再检验（多重校正），最后用机制收尾。

多样性指标：把"群落像不像"量化

微生物组的入门统计是两组多样性指标，读法要分开。α 多样性描述单个样本内部：丰富度（物种数）与均匀度（各物种占比是否均衡）合成常用指数（Shannon、Simpson），回答"这个肠道里住了多少种、住得均不均"。经验规律：饮食单一、抗生素暴露后的样本 α 多样性偏低；但"多样性高就是健康"是过度简化——某些疾病状态（如阴道菌群的大洋洲型）反而以低多样性为特征，指标要与场景结合解读。β 多样性描述样本之间的组成差异：把每对样本的差异算成距离（Bray-Curtis 按丰度算、Jaccard 只看有无），再用排序图（PCoA）摆出来，两组样本在图上分开与否是组成差异的直观检验，配套用置换检验（PERMANOVA）给 p 值。

两条读图纪律：PCoA 图要标注两轴的解释率（常只有百分之十几——排序图只呈现差异的一部分，轴解释率低不代表组间无差异）；PERMANOVA 显著只说明"分布有差异"，差异来自位置（中心偏移）还是离散度（组内散布不同）要另行检验，否则会把"一组更散"误读成"组成不同"。

从组成到功能：宏基因组的深水区

物种组成只是宏基因组的第一层，深水区在功能与菌株级解析。功能层面：组装出物种的完整基因组（MAG，宏基因组组装基因组）后，可以回答"这个未培养物种拥有哪些代谢通路"——近年来一大批门级新物种的代谢能力（比如古菌的产甲烷路径变体）就是这样从环境样本里读出来的。基因层面：把全部样本的读长对齐到非冗余基因集，做基因丰度的组间比较与富集，把"哪些功能模块与疾病相关"变成可检验清单。

菌株级解析是难度上限：同一物种的不同菌株差异可以很大（毒力基因、耐药基因的有无），分辨它们需要高覆盖数据加专门的分相工具（strainphlan 一类）。临床相关的两个硬场景——粪便移植的供体筛选与耐药基因的传播追踪——都卡在菌株分辨这一级。宏基因组分析的能力天花板，正随着长读长（直接读穿重复区与耐药盒）与计算方法（宏基因组的分相组装）的进步快速上移，这个领域的方法学远未定型，紧跟工具演进是常态。

💡 关键直觉：微生物组数据是成分数据，"一部分涨"必然意味着"其他部分跌"。在这个前提下，任何关于"减少"的结论都要先过成分性这一关，否则就是归一化玩出来的幻觉。

群落看完了，下一站把尺度切到最细：同一个组织里的每个细胞，各自在说什么。