首页
热心肠日报
文献库
产业库
榜单
关于日报
《肠·道》演讲
往期精彩
《肠·道》2024
《肠·道》2023
《肠·道》2022
《肠·道》2021
《肠·道》2020
《肠·道》2019
《肠·道》2018
《肠·道》2017
关于《肠·道》
肠道大会
热心肠大会
热心肠智库
智库专家
专家动态
智库新闻
关于智库
奖学金
年度人物奖
更多
HOPE
会议信息
科学与艺术
学术专刊
R·AI
周刊
热心肠先生
研究院动态
关于我们
搜索
登录
关闭
手机邮箱登录
扫码登录
微信扫描二维码快捷登录
验证成功,将在
3
秒钟后跳转
已超时,请
重试
关闭
二维码登录
手机登录
邮箱登录
+86
+1
+852
+886
+81
+65
+61
+44
获取验证码
登录 / 注册
关闭
二维码登录
手机登录
邮箱登录
获取验证码
登录 / 注册
Jian Xu
文章数:15篇
全宏基因组测序
黄适+徐健+王师:2bRAD-M实现对低生物量或降解菌群进行种水平测序
中科院青岛能源所黄适和徐健与中国海洋大学王师作为共同通讯作者,近期在Genome Biology发表研究。为了克服传统宏基因组测序方法的瓶颈,作者开发了一种新的宏基因组学方法 (2bRAD-M),该方法可以经济高效地为具有挑战性的低生物量、高宿主污染和降解的菌群样本生成准确、种水平的物种分类图谱。对模拟数据集、模拟菌群和实际菌群样本的测试表明2bRAD-M 通过仅对约 1% 的基因组进行测序,准确地为仅包含 1 pg 总 DNA、99% 宿主 DNA 污染或由高度降解的片段组成的仅 50 bp 长度的样本生成种水平的物种分类图谱 . 此外,它可以准确地为真实的粪便、皮肤、环境表面和福尔马林固定石蜡包埋 (FFPE)样本重建细菌、古细菌和真菌的全面、物种水平的图谱,2bRAD-M 极大地扩展了我们在具有挑战性的环境中进行菌群研究的机会。
全宏基因组测序
菌群样本
物种水平
微生物图谱
高宿主污染
菌群转化
徐健、苏晓泉等:用大数据引擎绘制全球菌群转化网络
在自然界的各种生态系统中,微生物以群落(即“菌群”)的形式广泛存在并相互作用,从而深刻地塑造着地球生物圈的功能。然而,菌群多样性的形成和演变过程一直悬而未决。该研究提出了一种基于大数据搜索的理论模型,从多个尺度探索不同生态系统之间微生物组的内在关联与演化规律。基于该理论模型,研究人员运用前期开发的菌群搜索引擎 (MSE; http://mse.ac.cn)和超过17万例样本,计算和绘制了首个全球性的“菌群相互转化网络”,从而刻画出不同生态系统中菌群最可能的演化途径,对于重构历史上曾经存在过的菌群,或设计全新的菌群,具有重要的指导意义。
菌群转化
无标度
网络
数据挖掘
β多样性
口腔菌群
徐健+黄适:菌群和多组学分析揭示何为“牙龈亚健康”
中科院青岛能源所徐健、黄适与研究团队,近期在mBio发表研究,通过对志愿者牙龈健康恶化过程中的牙菌斑菌群、牙菌斑代谢组和唾液细胞因子进行综合分析,首次提出“牙龈亚健康”这一概念,并揭示了牙菌斑菌群在其中的驱动作用和机制,强调了日常口腔清洁以及牙龈亚健康阶段干预的重要性。
口腔菌群
牙菌斑菌群
牙龈炎
牙周炎
扩增子
苏晓泉+徐健:在整个菌群水平上对全球菌群进行物种分类和功能搜索的平台
基于搜索的策略对于大规模挖掘微生物组数据集非常有用,例如鸟瞰菌群数据空间和通过菌群大数据进行疾病诊断。青岛大学苏晓泉和中科院青岛能源所徐健研究团队,近期在mSystems发表文章,介绍了微生物组搜索引擎2 (Microbiome Search Engine 2, MSE 2),这是一个微生物组数据库平台,基于菌群与数据库中菌群的分类或功能相似性,在全球宏基因组数据中搜索和查询菌群。关键的改进包括数据库扩展,数据兼容性,搜索引擎内核和用户界面。通过功能相似性搜索菌群空间的新功能极大地扩展了菌群大数据基于搜索的挖掘范围。
扩增子
宏基因组
菌群
在线服务
搜索引擎
微生物组
苏晓泉、徐健等:基于微生物组大数据的疾病检测方法
微生物组具有服务疾病诊治与生态监控的巨大潜力,但是其影响因素错综复杂。如何通过菌群检测实现快速精准的疾病诊断呢?中国科学院青岛生物能源与过程研究所单细胞中心的苏晓泉和徐健等人与Rob Knight团队合作,开发了基于菌群大数据搜索的疾病检测方法,为此共性问题提供了原创的解决方案。该工作于近期发表于美国微生物学会会刊mSystems杂志。在文中,作者提出了一种基于搜索的疾病检测和分类策略,它是通过他们与众不同的新奇性和健康受试者的样本数据库来检测患病样本,然后将其与患者样本数据库进行比较。即使存在不同的年龄组人群,多个测序平台或重大污染,这种方法也可以鉴定与疾病相关的微生物组状态。
微生物组
搜索
疾病检测与分类
Microbiome
search
宏基因组分析工具
青岛能源所苏晓泉:一种对鸟枪宏基因组进行全面分类和系统发育比较的新方法
目前用于计算微生物鸟枪宏基因组之间距离时使用的方法,常会忽略物种之间的进化关系,进而推算出错误的微生物组β多样性模式。中科院青岛能源所的苏晓泉团队开发了一个新工具——动态Meta-Storms,通过整合分析宏基因组组装与系统进化树,提高了运算速度和分类准确性。软件使用GPL许可发布,可以在GitHub(https://github.com/qibebt-bioinfo/dynamic-meta-storms)获取。
宏基因组分析工具
生物信息学算法
鸟枪法宏基因组学
Noha H Youssef
Casey H Meili
特应性皮炎
中科院徐健团队:基于皮肤菌群的特应性皮炎诊断及疗效评估
来自中国科学院青岛生物能源与过程研究所的徐健团队在mSystems上发表的一项最新研究,鉴定出了特应性皮炎患儿的皮肤菌群组成特征,并发现皮肤菌群影响了对特应性皮炎的治疗效果。
特应性皮炎
atopic dermatitis
personalized skin care
skin microbiome
spatial variation
单细胞测序
徐健:临床菌群单细胞耐药快检仪的研制与应用
中科院青岛生物能源与过程研究所徐健研究员发表题为《临床菌群单细胞耐药快检仪的研制与应用》的报告,介绍了基于拉曼和单细胞技术实现临床菌群细菌耐药性的快速检测方法。
单细胞测序
抗生素耐药性
拉曼光谱
Lu Yang
Shi Qiu
生物信息学工具
青岛能源所徐健+苏晓泉等:微生物组的“三大指数”
菌群研究持续火热,目前的一大挑战是,如何将新的菌群样本在已有的数据中进行定位和比对。中科院青岛生物能源所单细胞中心徐健主任和苏晓泉研究员日前联袂Rob Knight在mBio上发表文章,开发了微生物组搜索引擎(http://mse.single-cell.cn),使大规模、全局性的微生物组比对与搜索成为可能;该搜索引擎基于类似于传统 BLAST 的执行逻辑,对用户十分友好( 用户只需提供菌群的 OTU 表);搜索结果给出微生物组的“新奇指数”、“关注指数”和“影响力指数”,可评估菌群组成的新颖性,预测特定菌群研究领域的潜力和趋势。
生物信息学工具
Bioinformatics
community similarity
data mining
database search
干酪乳杆菌
益生菌可减轻奶牛中肠道菌群引发的乳腺炎
内蒙古农业大学张和平、华中农业大学魏泓和中科院青岛生物能源与过程研究所徐健等合作主导的研究,近期在Microbiome发表。该研究通过奶牛到小鼠的跨物种粪菌移植,证实失调的肠道菌群可能是引发乳腺炎的原因之一,恢复肠道菌群功能的益生菌(如本研究中使用的干酪乳杆菌Zhang)是潜在的治疗策略。
干酪乳杆菌
动物实验
乳腺炎
乳腺炎
张和平+魏泓+徐健:肠道菌群可能引发乳腺炎
内蒙古农业大学张和平、华中农业大学魏泓和中科院青岛生物能源与过程研究所徐健等合作主导的研究,近期在Microbiome发表。该研究通过奶牛到小鼠的跨物种粪菌移植,证实失调的肠道菌群可能是引发乳腺炎的原因之一,恢复肠道菌群功能的益生菌(如本研究中使用的干酪乳杆菌Zhang)是潜在的治疗策略。
乳腺炎
Fecal microbiota transplantation
Germ-free mice
Intestinal Microbiota
Mastitis
方法学
Engineering:未来十年,菌群分析方法将有三大革命
Rob Knight和中科院青岛能源所的徐建教授主刀的综述,介绍菌群分析方法的三大潜在革命,很值得一读。
方法学
单细胞分析
中国微生物组计划
大数据
Microbiome
菌斑性牙龈炎
徐健团队:牙菌斑菌群,或可帮助理解牙龈炎发生和治疗
徐健老师和团队的最新研究。
菌斑性牙龈炎
牙菌斑中的微生物群
Pawan Kumar
Jay K Kolls
Gout
张和平团队:肠道菌群为预测痛风提供可靠参考
现行痛风临床诊断标准灵敏度低且滞后。①痛风患者与健康人肠道菌群构成差异显著,且缺乏F.prausnitzii并富含B.caccae和B.xylanisolvens。②编码黄嘌呤脱氢酶基因在痛风患者肠道内显著富集,而尿囊素酶却大幅减少。③痛风微生物指数模型诊断准确率高达88.9%。
Gout
Intestinal Microbiota
Shotgun Metagenomic
MIG
幼儿龋齿
Cell子刊:利用口腔微生物来预测龋齿
① 对50个4岁学龄前儿童菌斑和唾液中的微生物进行了2年的跟踪;② 微生物的变化早于ECC临床症状的发生,在发病期间,菌斑和唾液微生物的变化与ECC严重程度(dmfs)比与进展更相关;③ 通过区分随年龄和随疾病发展变化相关的微生物类群,并利用发病和进展之间不同的微生物动态变化,开发了一个模型,该模型可根据龋齿微生物指标,以 70% 的准确率从健康样本中诊断 ECC,并以 81% 的准确率预测临床认为健康的样儿童的未来ECC发病情况。
幼儿龋齿
口腔微生物
龋齿
预防