摘要：宿主-微生物群-饮食的相互作用在调节人类健康方面起着关键作用，但其直接的功能性评估仍然面临挑战。我们采用了基于宏基因组的宏蛋白质组学(metagenome-informed metaproteomics, MIM)方法，在小鼠和人类模型中，以非侵入性方式探索了

研究论文

● 期刊：Cell(IF:45.5)

● DOI：

●原文链接:

https://www.cell.com/cell/fulltext/S0092-8674(24)01429-6

● 第一作者：Rafael Valdés-Mas，Avner Leshem & Danping Zheng

● 发表日期：2025-1-20

● 主要单位：

亮点Highlights

●基于宏基因组的宏蛋白质组学(metagenome-informed metaproteomics, MIM)同时评估饮食、宿主和微生物组。

● MIM在多种疾病背景下区分组成性失调与功能性失调。

● MIM将宿主炎症性肠病(inflammatory bowel disease, IBD)信号与共生菌抑制联系起来，并揭示跨界的生物标志物。

● MIM评估与IBD相关的饮食变化、完全肠内营养(exclusive enteral nutrition, EEN)依从性及小肠吸收不良。

摘要Abstract

宿主-微生物群-饮食的相互作用在调节人类健康方面起着关键作用，但其直接的功能性评估仍然面临挑战。我们采用了基于宏基因组的宏蛋白质组学(metagenome-informed metaproteomics, MIM)方法，在小鼠和人类模型中，以非侵入性方式探索了共生菌和病原菌定植、营养调控以及抗生素干扰期间的物种水平的微生物群-宿主相互作用。同时，粪便MIM精确表征了多种临床和饮食环境中的营养暴露情况。在小鼠自身炎症模型和人类炎症性肠病(inflammatory bowel disease, IBD)研究中，MIM鉴定出“组成性菌群失调(compositional dysbiosis)”及随之而来的物种特异性“功能性菌群失调(functional dysbiosis)”，该失调由共生菌对炎症宿主信号的抑制性响应所驱动。菌群移植实验揭示了这些宿主-共生菌相互响应模式的早期动力学特征，而预测分析识别出了候选粪便宿主-微生物群IBD生物标志物蛋白对，其性能优于S100A8/S100A9(钙卫蛋白)。更重要的是，同时进行的粪便营养MIM分析可用于确定IBD相关的饮食模式、饮食治疗依从性以及小肠消化异常。整体而言，平行化的饮食-细菌-宿主MIM分析能够从功能角度揭示跨界互作网络如何塑造胃肠生态，并为与微生物群相关的疾病提供个性化的诊断和治疗见解。

结果Results

MIM 用于同步评估微生物组与宿主的适配与基准测试

为了应对这些挑战，我们采用了一种基于宏基因组信息的宏蛋白质组学(MIM)方法，该方法依赖于每次实验生成的精细化、综合性蛋白质参考目录，能够同时量化肠道内来源于饮食、宿主及其微生物群的大部分蛋白质(图1A和1B；STAR方法)。为了方便直观的呈现结果，本研究中的各类蛋白质采用不同颜色编码：宿主蛋白为蓝色，微生物蛋白为红色，饮食蛋白为黄色，微生物群宏基因组数据为紫色。具体的统计方法和数值列于表S1。MIM检测到的蛋白数量与以往的粪便宏蛋白质组学研究相当。为减少由于蛋白质同源性导致的细菌蛋白误识别，同时在检测非罕见、已表征细菌物种的基础上实现物种水平的分类学分辨率，我们构建了一个分步过滤过程的宏基因组参考数据库，保留以下内容：(1)相对丰富的物种，占宏基因组信号的95%；(2)序列覆盖率超过70%的物种；以及(3)可能由这些细菌物种产生的序列覆盖率超过75%的蛋白质。综合来看，在健康的、摄入标准饲料(normal chow, NC)、无特定病原体(specific pathogen-free, SPF)环境饲养的野生型(wild-type, WT) C57BL/6小鼠(n = 17)的粪便样本中，MIM平均检测到631种宿主蛋白(1,955种独特肽段)、2,656种细菌蛋白(5,153种独特肽段)和23种饮食蛋白(118种独特肽段)(图1C和1D；表S2)。在健康人类粪便样本(n = 76)中，MIM平均检测到363种宿主蛋白(1,778种独特肽段)、3,746种细菌蛋白(10,194种独特肽段)和58种饮食蛋白(226种独特肽段)(图1C和1D)。此外，仅有少量MIM检测到的微生物蛋白源自宏基因组检测到的真菌、病毒和古细菌(图S1A和S1B；表S2)。

图1 | 基于宏基因组信息的宏蛋白质组学(MIM)在微生物组研究中的应用

(A 和 B) MIM 的示意概览，包括 (A) 每次实验生成的宏基因组细菌数据库，并与宿主和饮食数据库结合，以及 (B) LC-MS/MS(液相色谱-串联质谱)测定与分析。MIM 可用于跨界评估疾病机制、生物标志物、饮食暴露组以及小肠功能特征。

(C 和 D) (C) SPF小鼠 (n = 17) 和健康人 (n = 76) 粪便样本中宿主(蓝色)、细菌(红色)和饮食(黄色)蛋白的总数，(D) 其百分比分布。

(E–H) 粪便宏基因组学(MG，紫色)与 MIM(红色)在健康个体 (n = 50, 德国) 中的比较。(E) 基因和蛋白水平的 α 多样性(Shannon 指数)。

(F) Bray-Curtis 差异度分析，比较 MG 与 MIM。 (G) 按细菌物种分类的平均归一化细菌基因和蛋白丰度。(H) 预测(红色，基于相关的蛋白/基因归一化丰度)和未预测(白色)的细菌蛋白比例。

(I–K) 计算机模拟验证(GER-HC)，MIM 蛋白数据库补充 100-500 万个随机、MG 未检测到的细菌蛋白。(I) 细菌蛋白的分类，按物种(红色)或更高分类水平(白色)统计。(J) MG 检测到(红色)或未检测到(白色)的细菌物种比例。(K) 计算处理的运行时间。

(L) 蛋白质分类学分辨率，MIM 与通用蛋白数据库(IGC，“database”)在天然 SPF 小鼠粪便 (n = 11) 样本中的比较。

(M) MIM 与标准基因组组装(双端测序)在蛋白分类学分辨率上的比较。

详细统计数据见表 S1。Cov：覆盖率；gen.：属；H. sapiens：人类；LC-MS/MS：液相色谱-串联质谱；MIM：基于宏基因组的宏蛋白质组学；DB：数据库；M. musculus：小鼠；path：通路；k：界；p：门；c：纲；o：目；f：科；g：属；s：种。

我们对微生物MIM组件进行了基准测试，并将其与现有的宏基因组学和宏蛋白质组学分析流程进行了比较，评估方法包括体外实验、计算机模拟(in silico)和体内实验。在体外实验中，我们将MIM与其他宏蛋白质组学方法进行了比较，以评估其在不同复杂环境下细菌培养物的分类学分辨率和功能变化。测试条件包括：通过质粒激活改变功能的单菌株、在有氧和厌氧条件下培养的单菌株、以及在相同培养基中生长的多菌株混合物。在所有条件下，MIM相比其他宏基因组学和宏蛋白质组学方法，表现出了更高的灵敏度和特异性，并显著提高了分类学分辨率。在计算机模拟(数据S1)中，我们构建了一个由40种肠道定殖细菌组成的合成宏基因组群落，并使用其代表性细菌基因组和蛋白质组进行了注释。MIM在去除低覆盖率(

在体内实验(数据S1)中，我们在小鼠的共生菌定殖、致病菌感染和饮食干预模型中对MIM进行了基准测试。在无菌(germ-free, GF)小鼠中，分别单独定殖小鼠源性(mSFB)或大鼠源性(rSFB)的分节丝状细菌(segmented filamentous bacteria, SFB)。MIM检测发现，只有mSFB能引发小鼠的免疫和抗菌应答，而rSFB由于无法附着于小鼠回肠末端，因此未能引发类似反应。MIM识别的宿主特征在转录组水平得到了验证，并通过并行反应监测(parallel reaction monitoring, PRM)靶向检测68种已知/推测为肠道分泌蛋白的方法(STAR Methods)进一步确认。类似地，在感染小鼠产志贺杆菌(Citrobacter rodentium)的模型中，MIM检测到了物种分辨的病原体蛋白以及宿主的分泌防御反应，这些发现通过靶向蛋白质组学得到了验证。此外，在SPF小鼠胃肠道(GIT)样本的MIM分析中，我们比较了正常饲料(NC)和高脂饮食(high-fat diet, HFD)喂养1周后宿主和微生物组的功能变化，揭示了共生系统的饮食适应。例如，MIM(但非宏基因组学)检测到NC组小鼠胃部富集的物种分辨碳水化合物活性酶(CAZymes)，而HFD组小鼠则表现出显著增强的胃部脂肪酸降解功能。

综上所述，MIM能够准确表征功能性微生物组的物种分辨特征，并同时提供全球宿主肠道反应组的评估。MIM的结果可以与其他基因组和蛋白质组学方法互补，在许多情况下表现出优越性。

MIM 评估人类胃肠道(GIT)中的功能性微生物组-宿主相互作用

在健康人群(n = 50，德国；STAR Methods)的粪便样本中，MIM分析与宏基因组鸟枪测序分析相比，表现出了独特的信号差异。正如预期的那样，由于某些细菌基因并非始终表达，宏基因组分析的α多样性(即样本内物种丰富度)高于MIM(图1E)，后者主要检测相对高丰度的基因所编码的蛋白(图S1C)。MIM读取的蛋白和代谢通路信号在不同样本间的变异性低于相应的基因组信号(基因和代谢通路；图1F)，这与已有研究结果一致，即功能性微生物组特征的个体间变异性小于物种层面的群落结构。对于大多数被检测到的细菌，其物种特异性蛋白丰度与相应物种特异性基因丰度之间存在显著差异(图1G)。在个别细菌水平(例如 Lactobacillus rogosae，图S1D)，多个蛋白的丰度在不同样本间显著不同于其对应基因的丰度，这可能反映了基因表达的调控模式，表明许多细菌蛋白无法仅通过基因组数据推断或“预测”。有趣的是，这些无法预测的蛋白更可能是分泌蛋白(图1H)，这意味着与MIM相比，宏基因组学方法在研究细菌分泌蛋白组时可能存在一定的局限性。

MIM准确地将97%的粪便微生物蛋白分配到了物种级分辨率(图1I)。为了进一步展示利用每个实验的宏基因组信息参考数据库的优势，我们将精细处理的实验性人类微生物组蛋白数据库与未被宏基因组学检测到的物种的随机细菌蛋白序列(数量从100万到500万不等；STAR方法)进行了补充。实际上，这种随机添加显著降低了输出的灵敏度和特异性，并且这种影响呈剂量依赖性(图1I)，同时也导致了数百个错误的分配给未被宏基因组学识别的细菌物种的蛋白质(图1J)，并大大延长了计算处理时间，达到了数周之久(图1K)。此外，在复杂的微生物群落中，MIM在细菌蛋白分类分辨率上优于蛋白质组学分析(无论是使用参考蛋白目录还是基于基因组组装的方法)，能够准确解析至物种级别(图1L和1M)。这些结果与先前的宏蛋白组学研究结果一致。

接下来，我们评估了沿人类胃肠道(GIT)特定环境的MIM信号，使用来自一组健康未经治疗的个体(n = 11)和一组接受广谱抗生素治疗(ABX，n = 10，甲硝唑500 mg每日三次，环丙沙星500 mg每日两次)的成年志愿者(STAR方法)。所有参与者都接受了上消化道和下消化道内镜检查(按常规Picolax肠道准备)，并获取了胃、十二指肠、空肠、末端回肠、盲肠、降结肠和粪便的腔道和黏膜样本。MIM基于的肠道微生物组物种组成在未经治疗的健康成人(图2A和S1E)与抗生素治疗的健康成人(图S1E和S1F)中显示出胃肠道各部分显著不同的共生模式。例如，MIM在一位个体中识别出39种由幽门螺旋杆菌产生的胃蛋白(图S2A)，该个体表达了cag致病岛(cag PAI)蛋白，这与慢性活动性胃炎、胃溃疡和胃癌相关，并且表达了一种对氧不敏感的NAD(P)H硝基还原酶，这与对硝基咪唑的抗药性相关。在未经治疗的个体中，检测到的细菌蛋白数量(图2B)和物种数量(图S2B)在胃肠道远端部分逐渐增加，这与先前的宏基因组细菌密度梯度研究一致。MIM基于的特定环境蛋白共生配置在多个特征上明显与通过鸟枪法宏基因组测序识别的配置不同(图S2C–S2H)。例如，通过MIM而非鸟枪法宏基因组测序，53种由唾液链球菌(图S2C和S2D)表达的碳水化合物利用蛋白在胃样本中的丰度显著高于在粪便样本中的丰度。

图2 | 健康与抗生素干扰下的人类宿主-微生物组MIM景观

粪便和腔道样本，未经治疗(n = 11)和抗生素(ABX)治疗(n = 10)健康个体。

(A) 百分比，细菌蛋白(所有个体合并)。

(B) 总数量，细菌蛋白。

(C) 总数量，抗生素抗性蛋白(antibiotic-resistant proteins, ARPs)。

(D) 总数量，宿主蛋白。

(E 和 F) 主成分分析，(E) 未治疗个体和 (F) ABX治疗个体的人类蛋白组。详细统计数据见表S1。

Cec，盲肠；Col，结肠；Duo，十二指肠；Stom，胃；Ile，回肠；Jej，空肠；ns，无显著性；PC，主成分。

与健康个体相比，广谱抗生素治疗表现出显著不同的特定生态位蛋白谱(图2A、S1E 和 S1F)。其中一个特征是兼性厌氧菌的增加，尤其是大肠杆菌和肠球菌在胃肠道(GIT)中产生的蛋白比例较高，同时伴随蛋白质(图2B)和物种(图S2B)梯度的丧失。在未经治疗的个体中，检测到与抗生素抗性相关的细菌蛋白，主要分布在下部胃肠道(图2C 和 S3A)。而接受抗生素治疗的个体则表现出显著的个体化抗性谱变化(图S3B)。特别值得注意的是，大多数基于MIM的抗生素抗性蛋白(antibiotic-resistant proteins, ARP)在粪便中无法检测到，这表明通过分析粪便可能无法可靠地判断抗生素抗性谱的存在(图S3B 和 2C)。

人类胃肠道(GIT)宿主蛋白的分布可分为三个主要簇群：(1)胃；(2)十二指肠和空肠；(3)回肠、大肠和粪便(图2D、2E 和 S3C–S3H)。在这些簇群中，识别出了多个独特的特定生态位宿主蛋白(图S3C–S3G)。有趣的是，抗生素治疗对这三个宿主蛋白簇群的配置并没有显著影响(图2D、2F 和 S3C)。然而，抗生素治疗确实对某些宿主蛋白产生了明显的影响，尤其是在不同的胃肠道区域。例如，26S蛋白酶体的非ATP酶调节亚单位2和3(PSMD2和PSMD3)在抗生素治疗个体的下部胃肠道中显著减少(图S3H)。泛素-蛋白酶体系统的功能障碍与炎症性肠病(IBD)、结直肠癌和胃肠道感染相关。

饮食暴露组的蛋白质组定量分析

接下来，我们假设一些未被识别的蛋白质组信号可能来自植物和动物的饮食蛋白，故而为每个MIM分析整合饮食暴露组的定量评估提供了机会。为此，我们使用标准化的饮食问卷编制了常见可食植物和动物的种类清单，总计310个物种，涵盖了蔬菜、水果、豆类、谷物、种子、肉类、海鲜和乳制品(数据S1；表S3)。这些物种所属的属(213个属)中的蛋白质序列从UniProt数据库下载。我们将所有饮食蛋白序列进行了聚类处理。重要的是，只有每个食物种类的唯一蛋白质标记被纳入饮食数据库，作为饮食蛋白搜索和定量分析的参考(数据S1；STAR方法)。为了避免检测偏倚，所有三个部分(饮食、细菌和宿主)的MIM数据库搜索同时进行，且只有那些至少有一个肽段唯一地分配到预期食物种类的蛋白质被使用，这些肽段通过重新比对到NCBI非冗余蛋白质序列数据库进行了验证。

在小鼠基准实验中(数据S1)，MIM准确识别了四种常见小鼠饮食中所有饮食成分的种类丰度：NC包含大豆(Glycine)、玉米(Zea)和小麦(Triticum)中的蛋白质；HFD(Research Diets D12492i)，包含大豆(Glycine)和酪蛋白；高蛋白和低蛋白饮食(Teklad 90016 和 91352，分别)几乎完全由酪蛋白组成。在从NC喂养的未处理SPF小鼠获得的粪便中，MIM检测到了来自小麦、大豆或玉米的40种不同饮食蛋白，其中至少有1个独特的肽段(总共41种饮食蛋白)(图1I；表S2)。MIM仅在仅喂酪蛋白饮食的小鼠中检测到α-酪蛋白(图3A和3B)，在消耗基于氨基酸的元素饮食的小鼠中完全丧失了饮食信号(图3A和3B)，仅在接受含有豌豆(Pisum)和大米(Oryza)这两个种类的蛋白质补充剂的小鼠中检测到这两种成分(图3C)，并准确区分了小鼠食用无麸质和含麸质饮食(图3D；数据S1)。值得注意的是，使用最近引入的估算饮食暴露的宏基因组流程(基于宏基因组的饮食摄入估算(metagenomic-based estimation of dietary intake, MEDI))显示出低特异性，仅检测到小麦序列，并错误地识别了非小鼠饲料中包含的食物成分，如鳕鱼(Trisopterus)和草本茶(Hibiscus，数据S1)。

图3 | MIM准确识别小鼠和人类的饮食暴露

(A 和 B) 喂食SPF 小鼠基于酪蛋白的饮食(圆圈)或仅含氨基酸的饮食(AA，矩形，2 周，n = 8)。(A) α-酪蛋白(S1/S2 同种型合并)和 (B) 总饮食强度。

(C) 相对饮食强度，豌豆和米饭，正常饲料(normal chow, NC)喂养的小鼠给予蛋白质饮品(PS，n = 14)或对照(CTRL，n = 6)。

(D) 不同丰度的蛋白质饮食，SPF 小鼠先喂食无麸质饮食(gluten-free diet, GFD)，然后喂食含麸质饮食(n = 5，GD)或 GFD(n = 4，3 周)。

(E) 腔内样本，SPF 小鼠喂食 NC(n = 5)或高脂饮食(HFD，n = 5)。采用全胰蛋白酶(左)或胰蛋白酶-胃蛋白酶(右)分析检测到的胃肽类物质百分比(表 S3)。

(F 和 G) 健康人类志愿者(n = 6)食用两种植物性食物对：香蕉(黄色)和苹果(红色)；黄瓜(绿色)和花生(棕色)。(F) 实验设计。(G) 补充食物类平均粪便饮食 MIM 信号强度。

(H) 粪便花生 MIM 信号，四个健康个体在三个不同的 4 天富集期内食用不同量的花生(8、20 和 40 克)。

(I) 粪便麸质蛋白丰度，乳糜泻患者，在实施 GFD 前(n = 9，黄色)和实施期间(n = 5，白色)。星号：不符合 GFD 的乳糜泻患者。

(J) 饮食 MIM 信号六个人群(STAR 方法)百分比。

(K–N) 健康个体蛋白质组学信号百分比(n = 54，以色列，n = 100，德国)，小麦(Triticum)，(L) 猪(Sus)，(M) 六种不同丰度的猪(Sus)蛋白质，和 (N) 鸡(Gallus)。详细统计数据—表 S1。FC，倍数变化；MIM，基于宏基因组信息的宏蛋白组学；Cin，辛辛那提；MGH，麻省总医院；GER，德国；ISR，以色列；ped，儿科。

除了饮食暴露组，饮食 MIM 还能够表征消化功能中的特定生态位变化。这一能力在喂食正常饲料(NC)或高脂饮食(HFD)的 SPF 小鼠腔内胃样本中得到了体现(数据 S1；STAR 方法)。我们利用了胃蛋白质消化主要由胃蛋白酶介导，而下游肠道蛋白质分解及随后的体外MIM 蛋白质处理(STAR 方法)则由胰蛋白酶介导这一事实。有趣的是，在 HFD 喂养小鼠的 MIM 处理胃样本中，我们发现呈现完全胰蛋白酶消化特征的肽段比例显著降低(图 3E，左面板)，而呈现胃蛋白酶-胰蛋白酶消化特征的肽段比例则较高(图 3E，右面板)。这表明，HFD 饮食中的蛋白质在胃中被消化的程度较高，并且在此后迅速被吸收。蛋白质覆盖度(即由检测到的肽段所表示的蛋白质序列百分比)在胃部最高，随后在小肠逐渐减少，且在 NC 和 HFD 喂养小鼠中呈现出不同的模式(图 S4A)。

为了评估基于 MIM 的饮食量化在人体环境中的应用，我们首先招募了六名健康志愿者(STAR 方法)，参与了一项干预性饮食试验，控制其食用两对植物性食物：香蕉和苹果(分别至少 300 克和 400 克)，或黄瓜和花生(分别至少 350 克和 100 克)。这些食物仅在不同的 4 天富集期内摄入，此外志愿者的常规饮食仍然维持不变(图 3F)。通过粪便 MIM 分析，我们能够准确反映饮食暴露情况，在每种食物摄入后不久，使用该食物的多种特异性蛋白质进行检测(图 3G，S4B 和 S4C)。相比之下，将相同样本的粪便宏基因组 DNA 序列比对到饮食分类数据库(图 S3D 和 S3E)或使用基于测序的 MEDI 流程，显示其饮食成分检测能力较低，且不具特异性。此外，逐步增加花生摄入量的试验(8 克、20 克和 40 克花生，n = 4 健康参与者；STAR 方法)表明，通过检测 15 种不同的花生蛋白(图 3H)，粪便饮食 MIM 能够敏感且剂量依赖地检测花生暴露。除了测试食物外，参与者在记录期间所摄入的其他食物也能在粪便中被检测到，反映了他们所经历的不同的营养暴露(图 S4F)。为了进一步评估基于 MIM 的营养评估敏感性，我们分析了来自 Shalon 等人已发布的临床研究中的健康人群(n = 15)，该研究报告了在 3 天随访期间食用的所有食物。事实上，基于 MIM 的粪便饮食评估在超过 85% 的情况下成功识别了报告中提到的食物的蛋白质证据(图 S4G)，并且没有出现对任何特定食物项的敏感性下降。同样，MIM 也准确捕捉到了诊断为乳糜泻的儿童在开始无麸质饮食后发生的饮食变化，并且正确识别出一名尽管医生建议但未遵循无麸质饮食的儿童(图 3I)。

利用 MIM 对多个健康人群(共计 547 人)进行全球饮食暴露组分析，揭示了营养成分的显著差异，这可能反映了参与者之间在地理和文化饮食习惯上的多样性(图 3J)。值得注意的是，基于 MIM 的营养评估能够准确捕捉人群间的饮食暴露差异，这些差异主要源于不同文化背景下的饮食习惯。例如，针对来自以色列(n = 54)和德国(n = 100)人群的饮食暴露进行 MIM 比较，发现两国居民的粪便中对含小麦食物的暴露水平相似(图 3K)。然而，与以色列人几乎没有相关信号不同，德国人的粪便中却出现了显著增加的猪肉相关 MIM 信号(图 3L)。这一差异可能是因为犹太人和穆斯林(以色列的绝大多数人)由于宗教原因通常严格避免食用猪肉制品。值得强调的是，这一显著差异源自14种不同猪肉相关蛋白的粪便丰度增加，这些蛋白具有独特的肽段(图 3M 显示了六种最丰富的猪肉相关蛋白；表 S2)，这突显了 MIM 在量化饮食暴露模式中的强大能力。有趣的是，与德国人相比，以色列人对鸡肉源性蛋白的暴露较高，从而“弥补”了猪肉相关蛋白暴露的缺失(图 3N)。然而，使用基于测序的 MEDI 流程分析相同的德国和以色列数据集时，未能捕捉到这些营养暴露差异(图 S4H–S4J)。

小鼠肠道自体炎症过程中宿主-共生菌-饮食交叉调控的功能阐明

接下来，我们利用 MIM 来解析在诱导小鼠急性葡聚糖硫酸钠(dextran sulfate sodium, DSS)炎症性肠病(IBD)结肠炎模型过程中发生的复杂整体生物相互作用(图 S5A 和 S5B)。在 DSS 补充开始后仅 3 天，并且在整个疾病过程中，无论是通过宏基因组还是 MIM 评估，粪便微生物组都与基线相比发生了显著变化(图 S5C–S5L 和 S6A)。值得注意的是，MIM 识别出这种急性炎症环境中的两种不同的失调模式：一种是“组成性失调”，表现为共生菌丰度的变化，特征为物种特异性蛋白的单向表达变化。这些变化可以通过宏基因组检测到(粉色)或仅通过 MIM 检测到(红色)(图 4A)。例如，Dorea sp. 5-2 和 Lachnospiraceae 10-1 的 92 种和 73 种物种特异性细菌蛋白分别显著增多，但这些物种的分类丰度在宏基因组中并未发生变化(图 4A 和 S5E)。此外，还观察到一种“功能性失调”，它表现为某些物种中一组蛋白质的变化，大多数“管家蛋白”和相关的宏基因组信号保持不变(深红色)。这种与小鼠肠道自体炎症相关的功能性失调，特别表现为多种细菌蛋白的减少，主要来自 毛螺菌属(Lachnospiraceae) 物种。例如，由 Eubacterium plexicaudatum 产生的 62 种细菌蛋白在第 3 天显著减少，而其他 120 种蛋白质的水平保持稳定，这与该物种的分类丰度未发生变化一致(图 4A 和 S6B)。

图4 | 小鼠患肠道炎症过程中宿主-微生物组饮食 MIM 变化

SPF 小鼠(n = 11)诱导葡聚糖硫酸钠(dextran sulfate sodium, DSS)结肠炎(STAR 方法；图 S5A)。

(A) 与基线(第 0 天)相比的细菌物种，MIM 与 MG。粉色：与 MG 一致的组成性 MIM 失调；红色：与 MG 不一致的组成性 MIM 失调；深红色：功能性失调(STAR 方法)。 (B) 非靶向宿主蛋白组学主成分分析。 (C) 与细菌物种丰度相关的宿主抗菌肽(AMPs，靶向蛋白组学)。 (D) 与疾病严重性相关的宿主(蓝色)和细菌(红色)蛋白质。“+”表示正相关；“−”表示负相关。 (E) 不同丰度的细菌蛋白，天然小鼠(I，粉色)或 DSS 处理小鼠(II，红色)无菌(GF)小鼠定植的天然微生物组，按物种分组。 (F) 不同丰度的宿主蛋白，天然 GF 小鼠定植的微生物组来自天然(III，浅蓝色)或 DSS 处理(IV，蓝色)SPF 小鼠。 (G) 饮食蛋白质强度的百分比，在指定时间点检测到。 (H 和 I) 总饮食蛋白质强度与 S100A8(H)和 S100A9(I)水平的相关性。详细统计数据—表 S1。FC，倍数变化；norm，归一化；PC，主成分；MIM，基因组信息代谢蛋白组学。

随着疾病进程的推进(图 4B)，MIM 定量分析了宿主分泌蛋白、炎症反应和抗菌肽(AMP)的变化。尽管粪便中的微生物特征在临床前阶段(第3天；图 S6C)对疾病发生具有较高的预测能力，宿主分泌蛋白的表达仍在逐渐变化，且这些变化即使在晚期恢复阶段仍然存在(图 S6D–S6F)。这些宿主蛋白包括116种已知AMP和25种新的“AMP候选物”，它们符合四项预定义标准中的至少两项(STAR方法)：(1) 预测为分泌型；(2) 结构上与已知AMP相似或具有细菌配体结合域；(3) 具备抗菌或免疫调节活性；(4) 具有与已知AMP相似的丰度模式。通过靶向AMP的蛋白质组学方法(PRM，“靶向方法”，148个胰蛋白酶肽段对应68种已知或推测的AMP，65 表 S3)对这些发现进行了验证，结果与MIM信号高度一致(图 S6G)。探索这些AMP候选物在调节微生物群落结构和宿主炎症反应中的功能效应，将是未来研究的重要方向。值得注意的是，MIM数据中AMP的动态变化与特定细菌物种的MIM丰度密切相关(图 4C 和 S7A)。例如，特定AMP(如Apcs、Pon1、Mbl、Ctsb、Vtn和Dmbt1)的MIM水平能够预测共生细菌物种的减少以及结肠炎相关物种的繁殖(图 4C)，这表明不同且固有的“AMP程序”可能在疾病特异性失调配置的形成中起到了作用。结合纵向微生物组与宿主蛋白的分析，能够为该IBD模型提供宿主和微生物的严重性生物标志物(图 4D)。

为了理清肠道炎症中宿主与微生物群的交叉反应变化，我们进行了从天然和炎症SPF小鼠向天然和炎症GF小鼠的粪便移植实验。首先，我们测试了无菌宿主炎症对天然微生物群的影响(图S7B)。供体GF小鼠在暴露于3天的无菌化DSS处理后，发展出了无菌炎症的MIM肠道反应(图S7C–S7E)。随后，将天然微生物群移植到这一无菌性炎症的肠道环境中，发现仅2天后便出现了与移植到非炎症GF小鼠肠道的微生物群相比(图S7F和S7G)十分显著的共生蛋白质组变化。值得注意的是，像Parabacteroides goldsteinii和Parabacteroides bacterium YL27等微生物产生的多个蛋白质，在这一炎症宿主环境中表现出明显的表达下降(图S8A和S8B)。当将天然微生物群移植到暴露于更长时间(5天)DSS的GF接受小鼠中时，2天后也诱导出了类似的宿主反应和相应的微生物蛋白质变化(图S8C–S8G)。当将天然共生微生物群暴露于先前无菌的炎症宿主(4天)时(图S8H–S8J)，也观察到类似的微生物失活现象(图4E和S8K)，这一变化与DSS处理的SPF小鼠中观察到的细菌功能失活特征一致(图S5F)。为了揭示“炎症微生物群”对天然宿主肠道的早期影响，我们通过3天口服DSS处理SPF供体小鼠，诱发急性结肠炎(图S8L，S9A和S9B；STAR方法)。如前所述，在这些炎症供体小鼠中，P. goldsteinii、P. bacterium YL27和E. plexicaudatum等微生物的蛋白质丰度显著降低(图S9B和S9C)。将DSS处理或天然SPF供体小鼠的粪便移植到天然、同窝匹配的GF小鼠中(图S8L)，在微生物群定殖后2天内，宿主MIM谱发生了显著变化(图4F，S9D和S9E)，包括抗菌、代谢和炎症宿主标志物的明显上调(图4F)。同样地，从暴露于更长时间(5天)DSS的小鼠供体中转移的粪便，也引发了类似的微生物和宿主肠道反应的代谢和炎症转变(图S9F–S9K)。

我们同时评估了急性DSS结肠炎期间MIM膳食信号的动态变化。令人惊讶的是，在肠道炎症过程中，尽管DSS结肠炎期间膳食摄入量没有增加(数据未显示)，膳食MIM蛋白在粪便中的相对丰度仍随时间增加(图4G)。我们推测，这一信号可能源自“亚临床”程度的小肠消化、吸收和/或肠道运动功能障碍，尽管蛋白质摄入量没有增加，却导致膳食蛋白在粪便中的积累。实际上，尽管DSS主要引发结肠的明显炎症和组织损伤，其对肠上皮细胞(intestinal epithelial cells, IECs)的非特异性影响可能会引起小肠形态和功能的亚临床变化。这一点得到了支持，膳食MIM信号的增加与S100A8和S100A9肽的水平呈正相关，而后者是炎症生物标志物钙卫蛋白的组成部分(图4H和4I)，这表明肠道炎症与肠道驱动粪便膳食蛋白积累的因素可能是相互关联的。有趣的是，粪便中的膳食MIM呈现出明显的营养特异性动态变化，这些变化随着炎症过程的进展而发生，包括小麦(Triticum)蛋白丰度的增加、大豆(Glycine)蛋白丰度的减少，以及玉米相关蛋白的稳定丰度(图S9L)。由于这些营养成分在小鼠固体饲料中的相对丰度在整个实验过程中保持不变，这些粪便MIM变化可能代表了肠道炎症过程中小肠消化功能的营养特异性变化，值得未来进一步研究。值得注意的是，基于宏基因组的营养评估未能捕捉到这些模式，反而检测到了由小鼠饲料中不包含的食物成分引起的虚假信号(图S10A)。综上所述，非侵入性的粪便MIM定量分析膳食模式，可能能够动态反映小肠功能，正如下文在人体IBD环境中的描述。

MIM揭示了人类IBD中宿主-微生物群功能程序的改变

基于这些动物模型的发现，我们利用MIM探索了人类IBD中的宿主-微生物群相互作用(图S10B和S10C)。我们首先评估了以色列一组参与者的粪便MIM谱，这些参与者包括一组新发病的儿童克罗恩病患者(ISR-pCD，n = 26)和与其年龄及性别匹配的健康对照组(ISR-HC，n = 28；图S10B)。ISR-pCD患者的粪便细菌MIM谱与ISR-HC组显著不同(图5A和5B)，其中包括多个细菌代谢途径的失调，这些途径在ISR-pCD患者中被发现发生了变化，例如普通拟杆菌(Bacteroides vulgatus)中的糖基降解和鞘氨醇脂代谢(图5B和5C)。有趣的是，几种细菌蛋白与临床参数显著相关，包括C反应蛋白(C-reactive protein, CRP)、钙卫蛋白和儿童克罗恩病活动指数(PCDAI，图S10D和S10E)。此外，粪便中ISR-pCD宿主的MIM特征与ISR-HC组明显不同(图5D和5E)，并且与免疫系统，特别是中性粒细胞功能和细菌防御相关(图5F)。

图5 | 人类IBD中的宿主-微生物群膳食肠道MIM谱

(A–F 和 L)粪便，以色列队列，儿童克罗恩病(ISR-pCD，n = 26)和健康对照组(ISR-HC，n = 28，图S10B)。

(A)主成分分析(PCA)，细菌蛋白质组，ISR-pCD(红色)和ISR-HC(白色)。

(B)前八个富集的物种分辨KEGG同源基因(KO)术语，ISR-pCD。

(C)富集的蛋白质，普通拟杆菌。

(D)主成分分析(PCA)，宿主蛋白质组，ISR-pCD(蓝色)和ISR-HC(白色)。

(E)差异丰度宿主蛋白。

(F)富集的基因本体论(GO)(分子功能)术语，差异丰度宿主蛋白。

(G–K)粪便，德国队列，溃疡性结肠炎(GER-UC，n = 50)和健康对照组(GER-HC，n = 50，图S10C)。

(G)主成分分析(PCA)，细菌蛋白质组，GER-UC(红色)和GER-HC(白色)。

(H)富集的物种分辨KO术语，差异丰度蛋白质。

(I)主成分分析(PCA)，宿主蛋白质组，GER-UC(蓝色)和GER-HC(白色)。

(J)差异丰度宿主蛋白。

(K)富集的基因本体论(分子功能)术语，差异丰度宿主蛋白。

(L)诊断分类准确性，接收者操作特征曲线下面积(AUROC，随机森林分类)，ISR-pCD和GER-UC队列，蛋白质与基因。详细统计—表S1。FC，倍数变化；met，代谢；PC，主成分；MIM，基因组信息驱动的元蛋白组学。

与年龄和性别匹配的健康对照组(GER-HC，n = 50；图S10C)相比，德国成人溃疡性结肠炎患者(GER-UC，n = 50)展示了显著的微生物MIM全局变化(图5G)，其中包括在Segatella copri中显著富集的物种特异性代谢途径，如烟酸和烟酰胺代谢(图5H，S10F和S10G)，这一变化在溃疡性结肠炎中已有报道。与健康对照组相比，GER-UC患者的宿主MIM谱也发生了广泛的扰动(图5I)，其中多种与免疫和抗菌反应相关的蛋白质表现出丰度差异(图5J和5K)。尤其通过分析AMPs与细菌属之间的丰度相关性，发现多个菌属(如Alistipes、Akkermansia和Coprococcus)与肠上皮细胞(IEC)产生的DMBT1显著相关，这一结果在ISR-pCD队列中也有部分复现(图S10H和S10I)。在ISR-pCD和成人GER-UC队列中，基于蛋白质丰度的随机森林诊断预测表现显著优于基于基因丰度的宏基因组学方法(图5L)，能够更好地区分患病组和健康对照组。此外，MIM在预测人类微生物组项目(Human Microbiome Project Massachusetts General Hospital cohort, HMP-MGH)马萨诸塞州总医院队列中的IBD时，也优于之前的de novo基因组组装方法(该方法基于现有分类数据进行分析)，后者不使用参考基因组(图S11A和S11B)。实际上，MIM分析揭示，IBD患者与健康对照组相比，差异丰度的细菌蛋白数量显著增加(图S11C)，同时在几乎所有识别的细菌代谢途径中，参与的物种数量也有所增加(图S11D和6A)。同样，在另一组IBD患者(n = 184)和健康对照组(n = 21)中，相较于传统的基于通用参考数据库的方法(图S11E–S11G)，MIM识别出了更多差异丰度蛋白。

图6 | MIM识别IBD中的微生物失调亚型

(A) 计算机模拟比较，细菌物种的相对贡献，分泌系统途径KO03070，MIM(左)与基因组组装(右)。人类微生物组项目(HMP)马萨诸塞州总医院队列(HMP-MGH，溃疡性结肠炎[UC]，n = 12，克罗恩病[CD]，n = 34，健康对照[HC]，n = 52)。

(B) 细菌物种，MIM与MG，GER-UC(UC，n = 50，HC，n = 50)。

(C) 细菌物种，MIM与MG，以色列队列，儿科克罗恩病(ISR-pCD，n = 26，ISR-HC，n = 28)。

(D) 在健康个体(白色)与炎症性肠病(IBD，红色)中富集的细菌蛋白数量，按队列分类。

(E和F) 来自GER-UC队列(UC，n = 3，HC，n = 3)的粪便微生物群转移到无菌小鼠中(STAR方法)。白色：GER-HC微生物群(I)；彩色：GER-UC微生物群(II)。形状：供体。主成分分析，MIM(E)细菌和(F)宿主蛋白质组。详细统计—表S1。PC，主成分；MIM，基因组信息指导的元蛋白组学。

与小鼠研究相似，MIM识别出了几种与人类疾病相关的菌群失调模式。第一个是组成性菌群失调模式，特点是物种如S. copri、L. rogosae和Akkermansia muciniphila(图6B和S11H)，这些物种的大部分蛋白丰度变化与其基因丰度(通过宏基因组学得到)变化相一致。第二个模式是另一种组成性菌群失调，涉及物种如Faecalibacterium prausnitzii、Fusicatenibacter saccharivorans和Alistipes putredinis(图6B和S11I)。这些物种的丰度变化通过MIM被检测到，但在宏基因组学中没有发现。第三种模式是功能性菌群失调。例如，Bifidobacterium adolescentis和Bacteroides caccae在枪法宏基因组学和大部分MIM相关的基础蛋白谱分析中没有显示丰度变化(图6B)，但它们的特定蛋白表达却发生了改变(图S11J)，比如B. adolescentis中AGE家族表异构酶/异构化酶和酮酸还原异构酶的变化。更重要的是，在GER-UC成人组(图6B)和ISR-pCD组(图6C)，这些改变的细菌蛋白功能大多相较于健康对照组显著下调(图6D)。

为了更深入地探讨功能性改变的微生物群对人类溃疡性结肠炎(UC)宿主肠道蛋白分泌反应的影响，我们进行了粪便菌群转移实验，将健康对照或GER-UC患者的粪便微生物群转移到无菌GF小鼠中(STAR方法；图S11K)。通过宏基因组学(图S11L)或MIM(图6E)评估，GF小鼠接收UC微生物群后的粪便微生物群聚类与接收非炎症微生物群的GF小鼠粪便微生物群明显不同。小鼠接收UC微生物群后的组成性菌群失调中，MIM模式与宏基因组一致或不一致。例如，A. muciniphila的大部分蛋白丰度降低，这与其宏基因组分类丰度变化相一致(图S11M)。相对地，F. prausnitzii的全局蛋白减少但其宏基因组分类丰度保持不变(图S11M和S11N)。除了组成性菌群失调，一些接收UC微生物群的GF小鼠还出现了功能性菌群失调。例如，Bacteroides xylanisolvens表现出了特定蛋白表达的改变，但在全球分类丰度上没有差异(图S11M和S12A)，包括几种由炎症引起的细菌蛋白的过表达，如Rag/Sus家族营养摄取外膜蛋白(图S12B)。有趣的是，GF小鼠接收UC相关微生物群时，F. prausnitzii、A. muciniphila和Blautia wexlerae相关的功能性菌群失调(图S12C)与GER-UC供体的菌群失调(图6B)非常相似。

与此同时，接受GER-UC患者微生物群转移的小鼠宿主蛋白组的聚类趋势与接受GER-HC微生物群的小鼠有所不同(图6F和S12D)。有趣的是，在接收UC微生物群的GF小鼠中，差异丰度的宿主蛋白(105种宿主蛋白)和微生物群蛋白(729种细菌蛋白)主要与代谢通路相关，而非免疫功能通路(图S12E–S12G)。临床观察中，接受GER-UC相关微生物群的天然GF小鼠未表现出结肠炎(图S12H)或全身性炎症的证据(图S12I)。这表明，在缺乏潜在宿主IBD易感性因素的情况下，UC相关微生物群不太可能在天然且遗传完整的宿主中引发急性明显的自体免疫反应。

粪便饮食蛋白质组评估揭示人类IBD中的与炎症相关的蛋白质吸收不良

接下来，我们旨在非侵入性地评估营养相关的MIM在人类IBD中的潜在作用。在新诊断的ISR-pCD患者(n = 7)中，当其开始接受一线抗炎专用肠内营养(exclusive enteral nutrition, EEN)饮食干预时，粪便营养MIM评估显示，粪便中的饮食蛋白信号在EEN启动后出现了预期的减少(图7A和7B)，且这一变化呈现出显著的个体间差异。有趣的是，这些儿科CD患者粪便中饮食蛋白的数量与粪便炎症标志物(如S100A9)的水平之间存在显著的正相关(图7C)，这表明EEN的依从性和肠道炎症的减少，可以通过不同的MIM组分同时并直接地进行量化。

图7 | 基于MIM的非侵入性炎症性肠病生物标志物

(A–C) 粪便MIM，新发儿科克罗恩病(pCD, n = 7)，在开始专门肠内营养(EEN)前(常规饮食，黄色)和开始EEN后(白色)。 (A) MIM饮食蛋白的数量；(B) 总MIM饮食信号；(C) 饮食MIM信号与钙卫蛋白(由S100A9亚单位代表)的相关性。

(D 和 E) 粪便MIM，Human Microbiome Project (HMP) 辛辛那提医疗中心队列(HMP-Cin，溃疡性结肠炎[UC]，n = 29，克罗恩病[CD]，n = 48，健康对照[HC]，n = 45)和麻省总医院队列(HMP-MGH，UC，n = 12，CD，n = 34，HC，n = 52)。 (D) HMP-Cin队列中总MIM饮食蛋白丰度，黄色：CD，白色：HC。 (E) HMP-Cin队列中按蒙特利尔系统分类的CD患者受影响的胃肠道位置的总饮食蛋白丰度。

(F–K) 粪便MIM，HMP-MGH和HMP-Cin队列。 (F–G) 前50个区分蛋白，CD(图S13G)，UC(图S13H)，随机组合成一到两个蛋白组，并在HMP-MGH、HMP-Cin、GER-UC(UC，n = 50，GER-HC，n = 50)或以色列队列儿科克罗恩病(ISR-pCD，n = 26，ISR-HC，n = 28)队列中测试。 (F) CD诊断的随机森林分类器；(G) UC诊断的随机森林分类器。接收者操作特征曲线下面积(AUROC)。 (H) 使用宿主和细菌蛋白区分UC和CD的随机森林分类器，HMP-MGH和HMP-Cin队列，在HMP Cedars-Sinai医疗中心队列(HMP-Ced，CD，n = 60，UC，n = 54)中测试。AUROC。 (I 和 J) 随机组合的前50个区分蛋白用于CD或UC诊断，在Mills等人的队列中测试用于(I) CD或(J) UC严重性预测。 (K) 与K00133(天冬氨酸半醛脱氢酶)相关的细菌物种。详细统计—表S1。MIM，基于宏基因组信息的宏蛋白质组学。

粪便MIM营养评估还可以量化一些小肠功能的特征，正如上述在小鼠中的展示(图4G–4I)。为了验证这一能力，我们对两个处理方式相似的HMP IBD队列进行了饮食粪便MIM分析。一个是辛辛那提医疗中心队列(HMP-Cin，UC，n = 29，CD，n = 48，HC，n = 45)，该队列包括有上消化道(GIT)受累的CD患者；另一个是HMP-MGH队列，后者仅包括根据内镜分类有下肠道受累的CD患者(图S13A–S13C)。事实上，在HMP-Cin队列中，IBD患者的粪便饮食蛋白总强度显著增强，与健康对照组相比(图7D和S13D)，而HMP-MGH队列中没有出现这一变化，这可能表明上消化道小肠吸收不良，导致粪便中饮食蛋白的积累。与此一致，在HMP-Cin队列中，具有上消化道受累的CD患者相比仅有回盲部受累的患者，前者的MIM基础的粪便饮食蛋白总丰度明显较高(图7E)。利用MIM非侵入性地临床代理这种小肠功能模式的潜力，值得在未来进行临床验证。

MIM能够识别出候选的炎症性肠病(IBD)生物标志物，其表现优于钙卫蛋白

最后，我们利用MIM筛选了粪便中的细菌和宿主蛋白质，这些蛋白质可以作为潜在的IBD生物标志物，并与临床使用的生物标志物钙卫蛋白(由S100A8和S100A9组成)相结合，以增强并补充其效果。我们首先使用了HMP-MGH和HMP-Cin HMP队列，在这些队列中，MIM分别识别了1,028和770个与疾病相关的宿主蛋白，以及13,491和10,631个与疾病相关的细菌蛋白(见图S13E)。在这两个队列中，采用交叉验证的随机森林分类器训练模型，在诊断是否患有溃疡性结肠炎(UC)或克罗恩病(CD)以及是否健康时，准确性非常高(曲线下面积[AUC]超过0.9)(见图S13F，进行5次重复交叉验证的随机森林模型)。有趣的是，IBD预测的宿主蛋白在CD和UC之间有显著重叠，而IBD预测的细菌微生物群蛋白则大多数特异性地与CD或UC相关(见图S13G和S13H)。在接下来的迭代步骤中，我们将MIM在上述分析中识别出的前50个潜在的IBD区分特征(见图S13G和S13H)整合成多个单一或双蛋白组合。然后，我们将这些组合应用于三个验证队列的数据：GER-UC队列(GER-UC，n = 50；GER-HC，n = 50)、ISR-pCD队列(ISR-pCD，n = 26；ISR-HC，n = 28)和HMP Cedars-Sinai Medical Center队列(HMP-Ced，CD，n = 60；UC，n = 54)。在每个队列的独立分析中，通过反复5次交叉验证的随机森林建模，评估了这些单一或双重区分蛋白的随机组合在UC/CD诊断中的联合预测表现，并与钙卫蛋白进行了比较。在CD(见图7F)和UC(见图7G)中，我们发现几对由细菌和宿主共同来源的蛋白组合在准确诊断疾病方面优于钙卫蛋白。

为了进一步优化我们的生物标志物筛选，考虑到微生物群蛋白的功能冗余性，我们基于KEGG同源基因(KO)合并了所有细菌蛋白的丰度，并进行了类似的独立生物标志物分析(见STAR方法)。多个生物标志物组合在诊断CD(见图S14A)或UC(见图S14B)时均优于钙卫蛋白。其中一个组合，包括LTF和细菌功能实体K01006(ppdK)，一种中心糖酵解酶，在UC和CD的诊断中都表现优于钙卫蛋白(见图S14A和S14B)。更重要的是，基于MIM的宿主和KO生物标志物分析也发现了多个组合，能够更好地区分成人CD和UC(见图7H和S14C)。最具区分度的蛋白对是哈普托戈宾(haptoglobin, HP)和1型甘油醛-3-磷酸脱氢酶(RS04585，来自Dysgonomonas mossii)，其平均AUC为0.78。事实上，基于粪便ELISA的哈普托戈宾定量分析显示，UC中的哈普托戈宾显著高于CD。

为了测试MIM在预测疾病严重性(而非单纯判断疾病是否存在)方面的能力，我们使用了Mills等人之前发布的IBD队列数据(UC n = 63，CD n = 119)，该数据包含基于结肠镜检查的严重性评分(UC和CD内镜严重度指数；UCEIS和CDEIS)。通过支持向量回归分析，多个MIM检测到的蛋白质对能够适度预测CD(见图7I和S14D)和UC(见图7J和S14E)的疾病严重性水平，且其预测准确性优于钙卫蛋白。一些使用的微生物组KO生物标志物，如K00133(天冬氨酸半醛脱氢酶)，在不同队列中由不同物种提供(见图7K和S14F)，这表明微生物群的功能可能是区分健康和疾病状态的一个更可靠的“共同标准”，优于微生物组成。通过ELISA验证的两种候选生物标志物来自五名ISR-pCD患者的纵向样本，这些患者在临床上对肠道营养支持治疗(EEN)有反应(pCD活动指数[PCDAI]和钙卫蛋白数据见图S14G和S14H)。正如MIM所预测的，随着临床改善，髓过氧化物酶(MPO；见图S14I)和髓母细胞蛋白(PRTN3；见图S14J)的水平显著下降。进一步验证MIM的IBD标志物，并结合开发和优化适用于粪便样本的ELISA检测方法，值得在未来开展临床试验。

作者简介

以色列雷霍沃特魏茨曼科学研究所系统免疫学系Rafael Valdés-Mas，Avner Leshem 和Danping Zheng为本文的第一作者，以色列魏茨曼科学研究所免疫学系教授Eran Elinav为本文的通讯作者。

Karthik Anantharaman （通讯作者）

Eran Elinav 是以色列魏茨曼科学研究所免疫学系教授，专注于微生物组与健康的关系。他的研究主要探索肠道微生物如何影响代谢、免疫系统以及与肥胖、糖尿病等疾病的关系。Elinav 的团队在个体化医学方面也取得了重要进展，研究了不同个体对饮食、药物等因素的反应差异，提出了微生物组作为预测健康状况的潜力。他的工作不仅加深了我们对微生物与免疫系统相互作用的理解，还为微生物组疗法提供了理论基础。Elinav是微生物组领域的重要学者之一，发表了多篇具有深远影响的研究论文，推动了临床研究与微生物组学之间的结合。

翻译：荀佳妮，中国农科院基因组所，生物信息学硕士在读

审核：朱志豪，广东医科大学，基因组所联合博士后

终审：刘永鑫，中国农科院基因组所，研究员/博导

排版：杨海飞，青岛农业大学，基因组所联培硕士在读

来源：微生物组