大家好，我是来自南方医科大学珠江医院的周宏伟。非常高兴有这个机会，借助热心肠这个平台，来给大家做这样的一个科普讲座。
我今天给大家讲的故事是“一方水土一方人一方菌”。
我们生活在一个非常广袤无垠的宇宙中间，与之同样浩瀚的是我们的微生物的世界。无论是在我们的自然环境，还是在我们的人工环境，都充满着纷繁复杂的微生物。
以至于著名的微生物学家 Julian Davies说，如果有一天我们能够把这个复杂的微生物世界描述清楚的话，那它会让天文学也变得非常的渺小。
这是在20年前说的，但是在大概十多年前开始，人们就开始了雄心勃勃的计划，比如说像地球微生物组这样的计划。
也就是说，人们开始去努力，希望能够完整地去描述我们地球上各种环境，当然也包括我们人体在内的，各种各样环境中间的微生物的分布的情况。
为什么大家都对人体的微生物这样的关注呢？是因为它跟我们的健康以及跟我们的疾病息息相关。
左边这一系列的图，描述的是华盛顿大学 Jeffrey Gordon实验室的工作。他们通过把肥胖的以及瘦的双胞胎志愿者的粪菌移植到无菌小鼠，从而论证了菌群是肥胖的病因。
而右边这一系列图，阐述了我们吃下去的左旋肉碱、卵磷脂等等这些营养物质，在肠道菌群的作用下转变为三甲胺，进而促进了心脑血管疾病，促进动脉斑块的形成，促进了凝血等等一系列不良的事件。
所以通过这一系列的研究，我们可以去相信，肠道菌群跟我们的疾病是有着非常密切的关系。
肠道菌群紊乱就像一个树根，这个树根烂了之后，我们上面会产生形形色色的、各种各样的疾病。
它既包括我们刚才讲到的代谢性的疾病、心脑血管疾病等等，也包括其他的，比如说自身免疫性疾病，还包括像神经系统相关的等等多种疾病。
那么在这样的研究背景下，人们必然是关注什么样的菌是好的，什么样的菌是不好的。
但是当我们去关心这样的问题的时候，我们就面对着一个非常复杂的现状。
比如说，在两个都是发表在Nature《自然》上面的不同研究中间，都说的是Ⅱ型糖尿病的肠道菌群与健康人群具有显著的差异。但是这两个不同的研究队列之间，Ⅱ型糖尿病的特征菌群几乎没有重叠。
而类似于这样的报道并不少见，所以疾病特征菌群的重现性低下，成为我们去识别关建菌的一个矛盾焦点。
甚至人们有时候会得到截然相反的结论。
比如说拟杆菌这样的一个在肠道里面丰度非常高的菌，第一个研究说，它在肥胖人群中间升高；第二个研究说，它与肥胖无关；第三个研究说，它在肥胖人群中间降低。
所以，这样的一个菌到底是跟肥胖正相关还是负相关？当我有这样的菌的时候，我应该怎么去理解它？
还有，这三个研究都是说，厚壁菌门跟拟杆菌门（F/D）比值在肥胖的组别会增加。
并且在那个年代，科学家提出了这样的机制解释——因为F（厚壁菌门）这样的菌会产生短链脂肪酸，而短链脂肪酸增加了我们能量的吸收，从而促进了肥胖。
但是我们看到，随着研究的进展，人们又发现在不同的研究中，并没有发现这个F/B比值的升高；甚至发现短链脂肪酸不但不促进肥胖，反而具有抑制炎症、降低食欲、促进宿主的整体健康、减少毒素摄入这样的一个作用。
所以，到底肥胖相关的菌是什么呀？随着更多的研究开展，我们发现这样的结果是变得更加的混乱。
比如说，又有一些研究发现，在肥胖等疾病中变形菌门升高，肠杆菌科升高等等。所以，我们对菌群的理解变成了一团乱麻。
除了肥胖之外，我们再看肿瘤的免疫检查点治疗。
在2018年，三篇发表在《科学》杂志上面的论文都陈述了一件事儿，就是肿瘤免疫检查点治疗方法对患者是否有效，跟患者的肠道菌群是密切相关的。
但是在Gut《肠道》上面这篇文章说明，第一篇研究发现Akkermansia（阿克曼氏菌）高的人是更好的，第二篇研究发现Bifidobacterium longum（长双歧杆菌）高的人更好，第三篇研究发现Faecalibacterium（柔嫩梭菌）高的人效果更好。
所以，在不同的研究中间，他们完全得到了相互不重叠的结果。
所以，面对这样复杂的关联不一致，我们会困惑，到底什么是正常菌群？什么是异常紊乱的菌群？
我们常常都听说“你的肠道菌群紊乱了”，那到底什么叫紊乱？如果我们对正常都不理解，那紊乱又从何而来？那么到底什么是益生菌，什么是有害菌？
如果我们不清楚的话，诊断或者风险评估怎么去开展？我们又怎么去做靶向干预？
甚至这些结果如果不一致的话，是不是我们可以怀疑前面做的有些机制？到底它们可靠不可靠？是不是在人们的肠道里面发生？
我们也会觉得困惑。
我们去理解产生这个现象的原因的话，是因为有如下一系列原因。
第一，其实人体微生物组是高度复杂的研究对象。它的基因数量是我们人体基因数量的两个数量级之高。
第二，我们个体之间微生物基因组的组成差异是非常大的。右下角这幅图中蓝色的部分是拟杆菌，我们可以看到，在最左边的人所拥有的拟杆菌门可以达到90%，而在最右边的人所拥有的拟杆菌门可能只有5%不到。
所以，即便在门这样非常粗糙的水平，我们也可以看到个体之间极其显著的差异。
那么再加之同一个体还有不同时间的基因表达的差异，不同时间的组成的变迁，以及菌与菌之间在菌株水平的一些功能重复冗余，以及一些功能的差异，让这个问题变得极其的复杂。
所以，对于这样极其复杂的研究对象，我们的研究总是从去积累更大的数据，也就是通过更大规模的人群研究来开始。在最近的几年之间，在欧美都开展了一些大规模的人群研究。
我们在2015年，与广东省公共卫生研究院马文军研究员，共同合作开展了广东省的肠道菌群计划。
在这个项目中间，我们是严格设置了随机分层的，也就是我们尽量保证它的随机性去抽样。
那么在抽样之后呢，我们为了获得可靠的调查问卷的信息，所有的志愿者都采取集中的方式，去面对面采集TA的问卷，并实时汇集到云端数据。
并且所有采集的血、便标本，在处理后都采取适宜的冷链的保存，然后汇总到中心实验室。
那么我们得到什么研究结果呢？我们接触了1万余人，最终纳入分析有7000人。
我们可以看到，在这张地图中间，不同的颜色表示不同地区的GDP。在广东省，我们看到不同的城市之间的GDP差异大概有10倍之多。而这个也是跟人们的调查问卷是相对保持一致的，所以它也证实了我们问卷的可靠性。
在这样的一个地区中间，我们看到了什么呢？它涵盖了中、高、低收入地区。
并且我们看右下角这一幅图，它的不同的个体之间的肠道菌群差异极其之大。最左边的人，TA的厚壁菌门几乎没有；最右边的人，TA几乎都是厚壁菌门。
我们又一次证明了个体之间的这种极大的差异。
我们进一步观察这种差异到底跟什么样的宿主的因素有关。
我们首先看到的是年龄、血压、血尿酸、粪便评分以及BMI这些指标，的确都是跟我们的菌群关联的最重要的一些指标。
这也是是人们一再在研究的指标，跟肥胖、跟血压等等这些有关，甚至跟衰老有关。
而这些值在西方的人群中间也是相似的，我们看到血尿酸、布里斯托评分、年龄等等，也都排在了跟菌群关联度最高的这些指标之间。
但是在我们的这个研究中间，有一个指标，也就是最上面的这个指标的关联度，远远超出了其他的指标。
这个指标是什么呢？就是我们的地区！
因为在我们的这个研究中间，纳入了不同的人的地理分布，它是通过一种随机地理分层抽样的方式抽样的。
可以看到这个地理因素，它比我们其他的像年龄、血压、性别等等因素要高出去一个数量级。
也就是它对菌群的影响，远远远远超过我们认知的疾病、认知的年龄、认知的粪便评分等等这些过去明确的显著性因素。
我们进一步去排除各种算法对它的影响，并没有观察到算法对它的影响。
再进一步，我们如果用菌群来建立模型，来判断一个人是不是广州人，是不是佛山人，是不是深圳人。平均准确性达到多少呢？达到93%！
所以这样的一个作用，我们不知道它有没有刑侦作用，但是我们可以看到的是非常显著的地理差异。
进一步，这种地理差异跟我们疾病诊断标志物有没有什么关系呢？
我们可以看到，在这4种疾病中间，无论是肥胖，或者是Ⅱ型糖尿病，或者是代谢综合征，或者是脂肪肝，它们在不同的地区，跟健康人比较，的确都存在很多差异的标志物。
但是，这些标志物在不同的地区之间也存在显著的差异。
我们进一步来把它凝练浓缩成示意图，颜色越浅表示它的差异越小，颜色越深表示差异越大。
我们可以看到，在疾病与患者之间的这种差异大多数都是小的，只有1-2倍。而这些Marker（标志物）在不同的地区之间的差距，常常是2-5倍，甚至是大于5倍。
也就是说，这些疾病与健康人之间差异的菌，远远小于我们不同地区之间的差异。这可能是造成我们在不同地区得到的结果不一致的一个重要的原因。
进一步，因为我们不能光看一个一个的 Marker，我们要看整体的 Marker，我们通过建模的方式，来看一个城市建立的模型能否推广到其他城市。
以深圳的Ⅱ型糖尿病建模为例，我们可以看到，在本地的时候，它的AUC（曲线下面积）达到了84%。
但当我们去推断其他地区的时候，它的准确性显著下降，甚至接近50%，只是达到随机猜测的这样的一个水平。
我们进一步去看，在14个不同的城市之间，以及不同的疾病，都遵循了类似的规律。
也就是在本地做的时候，它是有一定的准确性的，但是当外推其它城市的时候，它的准确性会非常的低。
这也就提示我们，对于代谢性疾病，我们的菌群模型，我们的疾病诊断模型是很难做外推的。
所以再基于此，我们提出了菌群诊断的地区依赖性的假说。也就是说，我们几乎所有的疾病的菌群的模型，都是存在地域依赖性的，只不过这种地域依赖性程度不同。
那么，我们应该将地域影响的程度进行分类，分别探索不同范围的诊断模型，或者是寻找共性风险菌。
什么意思呢？
只有少部分疾病，我们才可以做一些跨地区的、更广范围的诊断模型，比如说像结直肠癌，比如说像一些跟肠道相关的菌群变异非常显著的疾病。
而对于像代谢性的疾病，或者是一些相关的跟菌群变异度相关性比较小的疾病，虽然我们在本地做的时候，是能够做得出它的差异来的，但是当我们想寻找跨地区的共性风险菌的时候，做共性诊断模型的难度比较大。
对于这一类的疾病，我们更多的是找一些共性的风险菌，去对它进行风险的评估，或者对它进行干预，或者是对它进行机制的研究。
那么进一步，我们来看代谢综合征。
因为依据我们的假说，代谢综合征是符合不能跨地区的特征，但是在我们的人群中间，我们可以看到代谢综合征是跟肠道菌群关联最密切的一个疾病。
首先，我们来看它的特征菌谱。我们可以看到，在门水平我们就可以观察到一个非常整齐的代谢菌谱。
最左边是拟杆菌门，可以看到几乎所有的拟杆菌下的菌，都是跟我们的代谢性疾病负相关的。
而最右边的变形菌，我们可以看到什么呢？几乎所有的变形菌门的菌，跟我们的代谢性疾病都是正相关的。
而中间的厚壁菌门的菌，我们可以看到是一半是正相关，一半是负相关。而进一步去观察，几乎所有的负相关的厚壁菌，都具有一个共同的功能就是产丁酸。也就是产丁酸的厚壁菌，几乎都是跟我们的代谢性疾病是负相关的。
而厚壁菌门下这样的一个分类的特征，可能也可以解释，我们过往的研究中间，为什么F/B比值在不同的研究中是不一致的。
因为Firmicutes（厚壁菌门）下面的菌分成了两类，一类是产丁酸的，有利于宿主的这样的一些菌；而一类是不产丁酸的，其他的一些厚壁菌的菌。
当然，这些研究还需要进一步的机理研究去证实它。
如果我们在单菌的水平去观察，我们可以看到什么呢？负相关最强的菌就是叫做Akkermansia，也就是阿克曼氏菌。
而关于这个菌，我们知道已经有大量的研究在提示，它是一种非常重要的新的益生菌的类型。
所以，我想这不是巧合，而是通过大人群研究，通过跨区域的共性的研究，我们能够揭示出来。
甚至像这样的菌，可能是能够在中国人群、欧洲人群以及美国人群都可以观察到，这是一类非常非常值得关注的重要的新型的益生菌。
而我们如果来看跟它正相关的，也就是一些促进代谢性疾病的最主要的菌是什么呢？肠杆菌科的菌、罗尔斯通菌以及活泼瘤胃球菌等等。
而这些菌也有一些相关的报道，陈述它们在肥胖或者是其他疾病，包括一些肿瘤中间的作用。
所以我们可以看到，通过我们的这种人群研究——一些跨地区的人群研究，我们可以得到一些重要的关键菌，从而可以对它进行相应的进一步的研究。
现在我们从诊断的角度来看，针对这么多复杂的菌的情况，我们凝炼出了一个代谢综合征的菌群紊乱指数。
我们用这个指数来计算每一个人，可以看到在不同的城市中间，在这个雷达图上，患者这是红色的线，非患者就是蓝色的线，所有的患者的菌群的紊乱的指数，都是大于非患者的，说明这个菌群紊乱指数是靠谱的。
那么我们好奇的是，随着经济收入的增长，我们的肠道菌群是越来越紊乱？越来越退化？还是我们的肠道菌群没有这样的一个趋势？
我们都知道，随着经济收入的增长，我们的代谢综合征的发病率在增加。但是从左边这幅图上我们看到的是，随着经济收入的增长，我们的区域性人群的肠道菌群，不但没有恶化，反而有逐渐改善的趋势。
那么在我们的人群上，我们看右上角这幅图，的确是经济收入越高，代谢综合征发病率越高；右下角这幅图，我们看到的是，不管是在哪一个收入水平，代谢综合征患者的菌群确实是比非患者的菌群更差一些。
那么到底问题出在哪里？
我们再来看左边这幅图，我们在分析我们这群人的的生活方式，随着经济的增长到底发生了什么变化。
最上面我们可以看到的是，谷物的摄入显著下降，吸烟也显著下降；而下面我们看到增长的是什么呢？蔬菜水果的摄入在增长，健康知识在增长。
所以，这个非常符合我们现在的人群的分布特征。
而在中间的肉类，它的摄入是没有统计差异的。所以在我们中国，不管是有钱没钱，吃的肉都差不多，但是我们的谷物的摄入在下降，水果蔬菜摄入上升。
但是在这个里面，有一个指标叫做Sedentary Time，也就是我们的静坐时间，它是随着经济的增长、收入的增长在显著增加的。
右边这幅图上面，横轴画的是菌群紊乱的程度，纵轴画的是静坐时间的增长。我们可以看到，无论是菌群越来越紊乱，还是静坐时间越来越长，代谢综合征患病率都是越来越高的。
但是，最下面的斜方框是低收入人群组，中间的是中收入组，上面的是高收入组。我们可以看到，随着经济收入增长，人群的分布是从低静坐时间逐渐迁移向了高静坐时间。
也就是说，肠道菌群和我们的生活方式，在共同的贡献于我们的代谢性疾病的发生，以及我们代谢性疾病的发展。
所以，即便是在注重肠道菌群调整的时候，我们也一定要关注增加运动，调整你的生活方式。
最后，我想总结一下我今天给大家讲的内容。
第一个，我们观察了非常显著的区域化的趋势，我们把它叫做一方水土养一方人，也养了一方菌。这个结果为我们去理解疾病特征菌谱的矛盾，以及提取关键菌提供了一些线索。
那么现在如果有人为您提供菌群检测服务、菌群评估服务。你可能要去问他，你是不是有我们本地化的数据；也要看你是给我做结直肠癌的筛查，还是想做一些局域化的，比如说是代谢性疾病、Ⅱ型糖尿病的这样的风险评估。
那么，对于不同的评估，我们可能需要看不同的区域化的数据的基础。那么这种区域化，它的基础是环境因素、膳食因素和社会因素的共同影响。但是到底是什么样的影响，人们还需要去进行大量的研究。
最后，我们可以观察到人与人之间非常显著的差异。我们这种个体之间的非常显著的差异，实际上意味着我们每一个人都是一个宝藏。
其中有非常特殊的菌群样本，我们可能有自己独特的生活方式、饮食方式。所以这些数据的挖掘，将为我们的肠道菌群研究和干预提供新的线索。
所以，我们菌群领域还需要大量新的数据的积累，也需要大家共同的贡献。
最后，非常感谢我们的研究生团队以及我们合作者——Jeroen Raes、Rob Knight、徐健、马文军教授以及我们的何彦博士。
非常感谢大家，也感谢热心肠先生，谢谢！
