A complete map of the top 100 molecules from the gut microbiome

摘要： -- 人们对细菌微生物群的兴趣重新燃起，并在细菌的主要作用方面产生了许多耐人寻味的发现。 共生菌参与了人类免疫生物学和疾病的研究。然而，这些发现中的大多数都是相互关联的；;几乎没有。 在分子生物学机制的最高水平上，人们对微生物-宿主之间的相互作用一无所知。这些典型的研究方法有助于解决 解决这一问题的主要是一次性的努力，即试图找到一个对这种表型负有责任的个体分子。 值得关注。在这里，我们将提出如何通过系统地研究最具体的一种模式来颠覆这一模式。 全球微生物区系对人类营养生物学的贡献：从肠道中提取最多的100个分子，按丰度排序。 社区。由于这些分子在不同个体之间的浓度差异很大，所以他们不能在宿主体内积累能量。 流通、药物和药物的浓度与一种典型的小分子药物的浓度相当或超过其浓度水平。 我们将在这里提出的主要工作是确定前100名中的每一名可能产生的主要细菌种类，并进行鉴定。 负责任的研究人员的新基因将是朝着创造一种能够完全或具体说明这一分子的能力迈出的第一步。 这是一个我们将进行试点的新过程，是一个新的过程，我们将进行试点。 在中国，这是目前的第一个项目。 -- 这是一个由数十种高浓度电子分子组成的整体，我们每天都会接触到这些分子，这不太可能是一件容易的事情。 人类免疫生物学疾病和疾病的主要驱动力。因此，想象一个每个人都生活在其中的未来世界并不是没有道理的。 它会不会拥有一个重新编程的生物(合成)生物内脏社区，其生物分子生物产量已经过全面优化。 疾病、治疗和预防。 -- 天然生物产品的发现领域和微生物组的研究领域都由基因组学主导。 方法。我们在这里提出的解决方案完全是与这一趋势背道而驰的：我们将从一开始就是一种新的经验。 这种方法本质上是一种老式的伯杰式的微生物，为他们配备了最先进的分析技术。 化学。在使用我们可以从经验性和新陈代谢特征分析中获得的丰富信息之后，我们将不再使用遗传学。 而生物化学则需要找出负责合成前100名的主要基因，并使用这些信息。 设计了一种简单的计算算法，它可以直接从元基因组序列和数据中预测代谢产物的产量。 4)我们将使用简单的合成代谢社区来检验我们的预测。我们的数据中心将创建一个丰富的全球新陈代谢地图。 排名前100位的公司、公司和公司将继续建设可移植的、可生产定制产品的合成纤维社区。 鸡尾酒会产生想要的分子(而且不会产生不想要的分子)。

Abstract    Renewed  interest  in  the  microbiome  has  yielded  numerous  intriguing  findings  about  the  role  of  bacterial  symbionts in human biology and disease. However, most of these findings are correlative and associative;; little  is  known  about  microbiota-­host  interactions  at  the  level  of  molecular  mechanism.  Typical  approaches  to  address this problem are one-­off efforts that attempt to find an individual molecule responsible for a phenotype  of  interest.  Here,  we  propose  to  upend  this  paradigm  by  systematically  studying  one  of  the  most  concrete  contributions  of  the  microbiota  to  human  biology:  the  ‘top  100’  molecules,  by  abundance,  from  the  gut  community.  These  molecules  vary  widely  in  concentration  among  individuals,  can  accumulate  in  host  circulation, and are present at levels that match or exceed the concentration of a typical small molecule drug.  The work we propose here – to determine the bacterial species that produce each of the top 100, and identify  the  genes  responsible  –  will  be  the  first  step  toward  creating  a  capability  to  completely  specify  the  molecular  output of the gut community (which molecules are produced, and which others are not), a process we will pilot  in the current project.    This ensemble of dozens of high-­concentration molecules – to which we are exposed daily – is likely to be a  major driver of human biology and disease. It is not unreasonable to imagine a future in which every human  will  harbor  a  ‘reprogrammed’  (synthetic)  gut  community  whose  molecular  output  has  been  optimized  for  disease treatment and prevention.    The  fields  of  natural  product  discovery  and  microbiome  research  are  dominated  by  genomics-­driven  approaches. The solution we propose here runs entirely counter to this trend: we will start with 1) an empirical  approach that is, in essence, old-­fashioned Bergey’s-­style microbiology outfitted with state-­of-­the-­art analytical  chemistry. Using the rich information we derive from empirical metabolic profiling, we will then 2) use genetics  and  biochemistry  to  identify  the  genes  responsible  for  synthesizing  the  top  100,  3)  use  this  information  to  devise a computational algorithm that can predict metabolic output directly from metagenomic sequence data,  and 4) test our predictions using simple synthetic communities. Our data will create a rich metabolic map of the  top  100,  and  will  enable  the  construction  of  transplant-­ready  synthetic  communities  that  produce  custom  cocktails of desired molecules (and do not produce undesired molecules).