6.3 微生物与环境代谢组学

6.3 微生物与环境代谢组学

微生物代谢组学的核心问题是互作：菌群与宿主、菌群与菌群、生物与非生物环境。代谢物是这些对话的化学语言——短链脂肪酸、吲哚衍生物、吩嗪类、硫代谢物，都是跨物种信号分子。

宿主-菌群互作：把谁放在哪个格子里

研究互作的标准做法是交叉设计：无菌动物定植不同菌株、体外共培养体系、菌株突变体的代谢表型对比。比如色氨酸路线：宿主食入色氨酸 → 部分被菌群转化为吲哚及其衍生物 → 吲哚经肝脏硫酸化 → 调节芳烃受体与屏障功能。要证明"某个代谢物是菌群产的"，至少要三格对比：

定植普通小鼠（有菌）  vs  无菌小鼠          → 差异来自菌群
无菌鼠 + 目标菌株回补  vs  无菌鼠 + 突变株   → 差异锁定到该菌的某条通路
体外培养上清         vs  空白培养基        → 排除培养基本底
​

环境代谢组学版的三格对照同样严谨：污染场地 vs 参考点、暴露梯度样带、实验室微宇宙（microcosm）加标回收。核心思想一致：代谢物差异必须能归因，而不是停留在"两地不同"。

环境应用三例

水体富营养化：湖泊不同水层的溶解性有机碳与藻类毒素（微囊藻素的靶向 LC-MS/MS 监测）绘制"水华化学画像"，预警比细胞计数提前数天。

土壤健康：土壤提取物代谢谱与酶活性指标结合，评估有机农业与常规耕作下的微生物功能差异——代谢组学在这里提供"功能正在发生"的证据，与 16S 测序的"谁在场"互补。

生物修复：降解菌群处理污染土壤前后 的代谢足迹（中间降解产物出现又消失）是判断降解通路真的在运转的证据链。

环境微生物样品的特有麻烦

⚠️ 常见坑：体外实验忘了采"空白培养基对照"。培养基里的酵母提取物本身就带大量代谢物，不扣本底，所谓"菌株代谢物"一半是培养基成分。

本节要点回顾

• 互作研究靠交叉对照：有菌/无菌/回补/突变 四格把差异归因到具体通路
• 环境版三格对照：点位、梯度、微宇宙，归因逻辑同源
• 环境样品三大麻烦：基质效应、动态范围、时空异质性，各有对策
• 培养基本底必须扣，体外实验的第一课
• 代谢组学与 16S 互补："谁在场"与"在干什么"

第 7 章看这条技术路线正在往哪里走。

从共培养到环境：代谢组学的"化学对话"视角

微生物代谢组学的核心发现之一是代谢交叉喂养（cross-feeding）：大肠杆菌释放的丙氨酸被肠道拟杆菌摄取、拟杆菌产生的琥珀酸反过来供养别的类群——胞外代谢组（exometabolome）因此成为菌群互作的直接语言。环境方向上，海洋代谢组学用非靶向 LC-MS 对海水溶解有机物（DOM）做分子式级统计，发现数万种分子式中跨越洋盆仍稳定的" refractory 骨架"，为碳循环模型提供了分子级约束。

胞外代谢组的差集分析：谁吃掉了什么

# 共培养上清 vs 单培养上清的峰面积（截选 5 个峰，示意）
peaks = ["丙氨酸", "琥珀酸", "葡萄糖", "吲哚", "甲酸盐"]
mono_ecoli = [1.00, 0.20, 0.85, 0.10, 0.40]     # 大肠杆菌单培养
mono_bact  = [0.05, 0.90, 0.05, 0.60, 0.30]     # 拟杆菌单培养
co_culture = [0.15, 0.35, 0.80, 0.55, 0.50]     # 共培养
for i, name in enumerate(peaks):
    consumed = co_culture[i] < min(mono_ecoli[i], mono_bact[i]) * 0.6
    released = co_culture[i] > max(mono_ecoli[i], mono_bact[i]) * 1.2
    tag = "被消耗" if consumed else ("新生成" if released else "—")
    print(f"{name}: 共培养 {co_culture[i]:.2f} vs 单培养 "
          f"{mono_ecoli[i]:.2f}/{mono_bact[i]:.2f} → {tag}")
# 丙氨酸、琥珀酸在共培养中显著低于两单培养 → 交叉喂养的直接证据
​

环境与微生物方向的共同方法论是"把代谢物当代际语言读"：浓度差集指认谁生产谁消费，时空梯度指认过程速率，分子式空间统计指认来源与归宿。与临床方向相比，这里的挑战不是混杂控制而是注释空白——海水 DOM 里 90% 以上分子式无结构注释，统计只能在"分子式空间"进行，这也是 FT-ICR 与数据科学融合最深的领域。

环境样本的质控还有特殊一关：盐与腐殖质的基质效应。海水样品脱盐（固相萃取）与土壤提取物的净化步骤若不统一，跨研究比较失去意义；同位素内标在环境基质中的回收率波动也更大，允收窗通常放宽到 50–150%。方法学透明在环境方向尤其重要——基质效应的校正方法写清楚，数据才能进入全球比对数据库。

这个方向还有一个正在成型的应用窗口：发酵食品与工业生物制造。酿造与乳品发酵的过程控制直接依赖代谢物轨迹（乙醇、有机酸、风味酯的时间曲线），在线或旁线质谱把"老师傅的鼻子"数字化为过程分析技术；合成生物学的菌株筛选也用胞外代谢组通量做高产表型的早筛。工业场景的资金与数据体量给这个分支注入了工程化的节奏，与学术研究形成方法回流——本章工具箱里的差集分析与轨迹建模，多数都在工业场景里先被打磨成熟。

环境样本的定量基线也值得记录：海水溶解有机物中约 70% 的提取重量集中在 200–600 Da 区间，而现有标准品库能定量的不足其中的 5%，这意味着环境代谢组学的注释放率天然偏低，报告中应明确标注"未注释特征的占比"而非只罗列鉴定清单。跨境比对时，把内标回收率、提取效率与仪器漂移三项指标同步发布，是数据集可复用的最低门槛。