过敏菌商城要找到与肥胖相关的细菌，可以采用两个策略：一个是横断面研究，就是比较肥胖病人的肠道菌群与健康人的差别，另一个是纵向跟踪式的研究，就是监测同一个个体在从健康到肥胖或者从肥胖到健康的过程中菌群结构的变化，看哪些种类总是在肥胖的个体里多一些或者在健康的肠道里多一些。做这种相关分析，需要两个技术非常过关，第一，必须能把肠道样品中的几千种细菌的丰度测定出来；第二，必须用多变量统计方法去处理数据，把与肥胖相关的菌群结构模式找出来。
自打科赫分离出炭疽杆菌的纯培养物，证明了传染病是细菌引起的以后，分离细菌，得到其纯培养物成了研究细菌的标配技术。自微生物学创立后的很多年里，分离不出一种细菌，就没有办法研究它。不过，科学家发现，用显微镜直接从环境样品里能观察到的细菌数量与通过分离培养得到的细菌数量之间有很大差别，这意味着，自然界里的细菌有很多用现有的技术没办法分离出来，也就不能加以研究和利用。
人的肠道菌群也一样，有很多种类是用现有的技术分离不出来的，因此，没有办法用经典的微生物学技术进行测定。另外，通过在培养基上的生长数量来测定一个样品里某一种细菌的数量，准确性也是很差的。差到什么程度呢？差别大于一个数量级，也就是差别超过10倍，才能有把握地说两个样品里这种细菌的数量有差别。很显然，依靠分离培养的方法研究肠道菌群的变化与肥胖的关系是一个非常困难的任务。
解决这个问题的曙光，出现在上个世纪80年代初。卡尔沃兹教授用一个叫做核糖体小亚基RNA的基因的序列来研究地球上细胞生物的进化关系，发现，细胞生物可以分成细菌、古菌和真核三大“域”。细菌和古菌是我们常说的微生物的主要类型。而真核生物包括了植物、动物和人类。这个基因之所以能够用来对所有的细胞生物进行分类，是因为它符合所谓“进化指针”的条件：1）所有的细胞里都有这个基因；2）这个基因在所有细胞里的功能都是一样的，是合成蛋白质必需的；3）由于是细胞活下去离不了的基因，因此，很多位置不能发生序列的突变，有了突变，细菌不能合成蛋白质，就死掉了，不会留下后代。能够留下后代的细胞，只在这个基因的不太重要的区域会积累突变，这些区域叫高变区。高变区的序列变化是与细胞生物进化的速度相当的。这些区域的序列差别越大，表明两种生物的亲缘关系越远；4）这个基因在所有细胞生物里的序列都有大约80％左右是一样的，通过对多个生物的这个基因序列的比对分析，可以定量地测出它们的序列差别，然后据此划出一个“进化树”，也就是可以做出这些生物的遗传家谱了。
细菌和古菌这些微生物的亲缘关系，可以用16SrRNA基因的序列进行测定和展示。经过对大量的数据的分析，大多数细菌学家同意用这个基因的大约1500个碱基的序列的相似性对细菌进行分类。如果这个基因的序列在两株细菌之间相似性大于97％，就可以认为它们是同一个种的细菌。目前，所有人类分离鉴定的细菌在正式定名之前，都需要测定16SrRNA基因的序列并与其他定种的依据一同发表。于是，国际上出现了专门收集细菌16SrRNA基因序列的数据库，最早也最有名的当属RDP，后来又出现了SILVA和Greengenes等数据库。如果你得到了一种未知细菌的16SrRNA基因序列，用它和数据库里的已知细菌的序列做比较，就可以大致知道其分类地位，这叫作“最近邻居分类法”，也就是，用与你的序列最相近的已知序列来对你的序列代表的细菌进行分类，或者对其分类地位做合理的猜测。如果你的细菌的16SrRNA基因序列与数据库里某种已知细菌的序列的相似性超过97％了，就可以初步定成与这个已知细菌属于同一个种，如果差得比较多，就看能不能定到更高的分类单元，属、科、目、纲或者门。
2005年人类微生物组巴黎圆桌会议宣布要做人体共生菌群测序时，我们实验室的主要工具是DGGE指纹图技术和克隆文库测序技术。
DGGE技术前面说过分辨率和通量都比较低，想做大量样品的比较是很难的。不过，我们实验室从博士生高平平、张学礼开始，用这个技术分析废水处理反应器的菌群结构，取得了很好的结果，张学礼甚至解决了一个从1993年DGGE技术用于微生物群落结构分析以来一致没能很好解决的单链DNA污染问题，并发表了一篇改进方法的SCI论文。我们实验室很快就成了国际上用DGGE技术分析菌群结构比较好的实验室之一。我们论文中的DGGE图谱干净、优美，审稿人一看就喜欢。不过，后来发现，国际上发表的DGGE图谱都开始有统计分析的结果。我们这一块成了短板。另外，用克隆文库通过测定16SrRNA基因多样性的方法测定菌群的结构也从少量样品的多样性测定，要开始向多个样品间的比较过渡。这类问题的特点是变量数远远大于样本数，需要用特殊的多元统计的方法进行模式识别，我们组里没有人懂得这个技术。
就在这时，一个很重要的人物登场了。她就是青年学者张梦晖。张梦晖2005年从比利时布鲁塞尔自由大学博士毕业，专业是化学计量学，专门是处理各种分析仪器产生的大量数据的模式识别问题。她的导师是这个领域的开拓者之一。张梦晖在上海找工作时，先找了我的老搭档贾伟教授。不过，药学院以编制紧张，一个组只能有一个助手为由，回绝了贾伟的进人申请。贾伟给我打电话，问是不是可以让张梦晖进生命学院。一听这个求职者的背景，我大有如获至宝的感觉。立马去请示罗九甫书记，是否可以把张梦晖进到我的组里，尽管我的组里青年教师已经比较多了，罗书记了解到张梦晖对我们工作的重要性后，非常支持，表示可以给编制。这样，我就把张梦晖约到我在徐家汇的办公室见面，谈了10分钟，就告诉她可以办入职手续了。对于这么顺利进交大，张梦晖当时挺感到意外，不过，现在她该明白为什么了。
张梦晖来了以后，把多元统计方法用到DGGE图谱和克隆文库数据的模式识别上，给我们带来了很多新的进展。
当时，国际上已经开始出现454焦磷酸测序这样的高通量测序的工作，可以一次获得多个样品的DNA序列多样性测定结果。如何对多个样本的微生物多样性进行比较，找出有意义的差别，就成为一个很重要的技术瓶颈。张梦晖带着博士生张美玲，用PLS-DA和RDA这样的统计方法，对轮状病毒感染导致腹泻的儿童肠道菌群样品和健康对照的类杆菌属的克隆文库数据进行了对比分析，发现了与疾病相关的关键种类。这个工作发表到欧洲微生物学会联合会的微生物生态学杂志。虽然处理的数据不大，但却是有代表性的数据集，为日后我们处理规模比较大的454测序数据奠定了统计方法的基础。张梦晖自己觉着，这些统计学方法都是很经典的，对她来说没有什么难度。但实际上，把这些方法用到微生物生态学领域的DNA测序数据的处理，还是需要做些重要的改进和适应工作的。她带来的方法直到现在还是这个领域最好的方法之一。
虽然，我对戈登实验室F/B比值与肥胖相关的结论心存疑虑，但是，要说服自己和实验室的学生、老师，去寻找与肥胖相关的具体细菌种类，需要对肠道菌群与人体健康的关系先做一些深入的分析。要想办法看到肠道菌群里面的一些细菌种类对人的健康的影响比别的种类要更大。也就是说，要研究肠道菌群与人的健康的关系，就一定要具体分析不同种类的表现，而不能不分青红皂白，把很不一样的细菌合在一起，观察它们的行为。
454焦磷酸测序技术的出现，为解决这个问题带来了曙光。
454测序技术是新一代测序技术的代表之一。这个技术一次可以测定几十万条序列，每个碱基的测定成本大幅度降低，一台机器的测序能力抵得上100台老一代的桑戈测序仪。不过，要把这个方法用到菌群样品的测序，需要解决如何一次测定几百个样品还能把每条序列是从哪个样本来的分辨清楚的问题。
2006年8月，我到维也纳参加国际微生物生态学大会，在大会上被选为学会的常务理事。会议结束后，我去瑞典访问了詹森教授，她也是微生物生态学领域很活跃地做菌群的专家。在那里我了解到，当时已经有人把每个样品在做PCR扩增时，引物前面加一段特殊的标记序列叫barcode，有点像商品上的条形识别码。这样，就可以把几百个样品混在一起做一次454测序，然后把几十万条序列按照识别码的不同进行分配，最后，就可以一次拿到几百个样品的序列，每个样品可以测定上千条，足以用序列的多样性组成来反映样品里的微生物的种类组成。据他们讲，这个思路是他们最先提出来的，但还没有来得及发表，就被别人抢先了，很是郁闷。
得到这个消息，我长出了一口气，我们寻找肥胖细菌需要的技术终于具备了！接下来的任务，就是尽快通过做一个项目，把这个技术方法在我们实验室建立起来。
这个任务，就落在了新入学的博士生张晨虹身上。
——————————————-
如果喜欢这篇文章，请点击右上角分享给更多朋友；
如果喜欢本微信号，请搜微信号microbio_zhao或点击标题下方“菌群老赵”予以关注，或直接扫下面的二维码也行：
