Sean Gibbons
<markdown>
好的，我们来详细复述“Finding Genius Podcast”与Shawn Gibbons博士关于粪便宏基因组中食物源DNA的讨论细节：
播客开场与主持人请求
- 主持人Richard Jacobs首先感谢听众，并说明他自费运营Finding Genius播客已5年，制作了超过3000集节目。
- YouTube频道观看量已超百万，目标是达到1万订阅者，这样可以开通捐赠按钮，为播客运营和Finding Genius基金会筹集资金。
- 基金会有一个大型项目，研究焦虑、抑郁和创伤后应激障碍（PTSD），并致力于开发帮助人们克服这些问题的产品，因为他看到这些问题在过去两年病毒大流行后急剧增加。
- 请求：希望听众订阅播客，点赞，并通过描述中的“Buy Me A Coffee”链接（约5美元）支持频道。
播客介绍语 “忘掉常见问题、常识或谷歌。从真正的天才那里获取建议如何？任何行业中95%的人都足以胜任并获得执照，5%的人超越了这一点，他们非常擅长自己的工作，但只有0.1%是真正的天才。Richard Jacobs以寻找这些天才为毕生使命，他在各个领域追寻并采访天才——睡眠科学、癌症、干细胞、生酮饮食等等。天才来了，这里是Richard Jacobs的Finding Genius播客。”
嘉宾介绍与研究背景
- 嘉宾：Shawn Gibbons博士，系统生物学研究所（Institute for Systems Biology）副教授。
- 讨论主题：粪便宏基因组（fecal metagenome）中的食物源DNA（food derived DNA）。通俗地讲，就是我们吃的食物（肉类、蔬菜等）中的DNA去了哪里，是否影响我们，以及是否与我们的DNA相互作用。
- Shawn Gibbons的背景：
- 自称为微生物生态学家（microbial ecologist）。
- 博士期间研究环境微生物学（海洋、河流、土壤）。
- 博士后期间开始研究人类微生物组（human microbiome），即生活在人类肠道中的所有细菌、古菌、真菌和病毒。
- 目前在西雅图系统生物学研究所担任教职，其实验室研究微生物组及其如何影响我们的健康、对饮食和药物的反应等。
研究食物源DNA的动机
- 核心问题：饮食被认为是肠道微生物组组成的最强驱动因素，但从大规模人群队列中获取高质量的饮食信息（同时拥有微生物组数据）非常困难。
- 传统饮食数据收集方法的缺陷：
- 问卷调查或自我报告。
- 临床医生指导的访谈。
- 这些方法昂贵、繁琐，耗时耗力，且容易产生偏见（例如，人们更倾向于报告吃了沙拉，而不愿报告吃了饼干或糖果）。
- 客观饮食测量方法的探索：
- 拍摄膳食照片或使用视频追踪食物摄入（通常利用机器学习来推断照片中的食物）。效果尚可，但不完美，并不一定优于问卷。
- 代谢标记物（metabolic markers）：测量血液或尿液中的小分子，以获取饮食摄入信息。
- 空白领域：直到最近，才出现数据驱动的（DNA或代谢组学）高分辨率饮食信息获取方法。
主持人Richard Jacobs的饮食日记体验
- Richard分享了他做饮食日记的经历，承认确实会不愿记录不健康的食物。
- 他发现自己的饮食有时很固定，有时变化很大。有些天吃五六次，有些天只吃一两次。
- 记录初期工作量大，但如果经常吃同样的食物（例如在Joe's Cafe吃固定的午餐），后续记录会变得更快更容易。
Shawn Gibbons的图像追踪饮食体验
- Shawn也尝试过通过图像追踪饮食（一个欧洲合作者开发的APP），每天拍摄所吃食物的照片。
- 由于他的饮食比较多样化（heterogeneous diet），每次吃东西（哪怕是一把花生）都要拍照，这变得很烦人和困难，他只坚持了大约2周。
Lawrence David的口腔微生物组研究（轶事）
- Richard提到一位研究者（后来确认为Shawn的同事Lawrence David）连续一年每天采样其口腔微生物组。
- 发现其口腔微生物组非常稳定，只有在他出国旅行和一次重病时发生变化。
- Shawn补充说，Lawrence David在该研究期间也追踪了饮食，发现其每日营养摄入也相当稳定。
食物DNA检测的起源与方法
- 起源于野生动物研究：想知道灰熊或座头鲸吃什么，不能直接问它们。科学家转向**元条形码（metabarcoding）**技术。
- 扩增来自膳食物种的特定标记基因，特别是线粒体（mitochondrial）和叶绿体（chloroplast）标记基因。这些细胞器含有DNA，可用于识别样本中的动植物种类。
- Lawrence David的贡献：率先将这些方法用于人类饮食追踪。其实验室开发了从粪便中提取DNA、设计引物、扩增线粒体和叶绿体基因特定片段的方法，以提取人类膳食信息。
- Shawn实验室的创新（鸟枪法宏基因组测序 shotgun metagenomic sequencing）：
- 一个悬而未决的想法：能否直接对粪便中的所有DNA进行随机测序（鸟枪法），而不是扩增特定基因，然后从中筛选出膳食DNA（如同大海捞针）？
- 其实验室一位才华横溢的计算生物学家Christian Diener（现已在奥地利格拉茨医科大学拥有自己的实验室）解决了这个问题，耗时约5年。
- 他们开发了一种方法，可应用于鸟枪法宏基因组测序数据（即未进行PCR扩增，直接对粪便DNA随机片段进行测序）。
- 优势：可以利用公共数据库中已存在的大量（数十万）已测序的粪便宏基因组数据，从而获得大量样本来提取饮食信息，并与微生物组数据配对。
- 研究目标：了解特定食物（如洋葱、番茄）如何影响特定细菌种类的富集或减少。
粪便DNA的组成比例
- 细菌DNA：占99%或更多。
- 宿主（人类）DNA：占1%或更少。
- 食物源DNA：占粪便宏基因组中所有序列的0.1%到0.001%。这是一个非常微小的比例。
DNA片段长度与检测
- 目前主流的短读长测序技术（如Illumina）通常测序长度在100-300个碱基对（bp）左右。Shawn谈论的数据主要是基于约150 bp的序列长度。
- 也有长读长测序方法（如PacBio），可以获得长达1万bp的读长，但目前主要使用的是短片段。
- 膳食DNA到达粪便时可能已经高度片段化。
食物DNA的命运：是否被利用？
- 主要观点：食物DNA主要被降解、切碎，并作为营养物质（单个核苷酸）被细菌用来构建其自身的核酸。
- 不太可能发生转录：不太认为膳食DNA会被转录并影响细胞。摄入的动植物生物质基本上是死的（尽管其中一些细胞可能仍有活性），DNA来自正在腐烂的生物质。
- 被保护的DNA：检测到的大部分DNA可能仍被包裹在完整的细胞（动植物细胞）内，这些细胞碰巧在整个消化道中存活下来。
- 水平基因转移的可能性极低：细菌确实可以吸收完整的DNA片段并将其整合到自身基因组中（通过同源重组），但这要求DNA片段与细菌基因组中已存在的区域高度相似。动植物的真核DNA与细菌DNA差异巨大，因此不太可能发生植物或动物DNA向细菌的水平基因转移。如果发生，应该能在微生物基因组中看到这些事件，但实际上没有。
- 结论：细菌主要是把食物DNA当作食物，将其分解成微小的单体并吸收。人类细胞也不太可能利用完整的食物DNA。
如何从测序数据中推断饮食
- 方法：
- 将鸟枪法测序序列比对到一个包含已知存在于人类饮食中的动植物和真菌（约450个物种）的已测序基因组的大型数据库。
- 该数据库还包含人类基因组以及NCBI RefSeq中所有细菌、古菌、病毒和质粒的参考基因组。
- 目标是标注并排除所有非膳食相关的序列。
- 任何能够持续可靠地被标注为属于食物源基因组的读长（read）都被计数为来自该动植物或真菌物种。
- 某个物种的读长数量可以作为该食物在饮食中相对丰度的指标（尽管不完美）。
- 偏见：动物细胞比植物细胞更容易降解，因此植物DNA更容易存活，导致植物被过度检测。
- 验证：
- 将他们的方法应用于对照喂养研究的数据。
- 一项研究中，两组人饮食完全相同，除了一组午餐时多吃一个大的哈斯牛油果（avocado）。他们的方法分析后，唯一显著差异的食物就是牛油果。
- 他们还可以将被检测到的食物基因组映射到一个量化了不同食物生物质代谢成分的数据库（例如，牛肉中各种氨基酸的含量）。
- 通过这种方式，可以从检测到的不同生物体构建一个营养摄入概况，并将其与来自“金标准”问卷数据的已知营养摄入进行比较。
- 结果显示，他们的方法预测的总能量摄入、总蛋白质、总碳水化合物摄入与问卷数据有很好的定量一致性。
- 结论：该方法可以对大约两三天前的饮食进行半定量（不完美但相当好）的估计。
粪便的组成
- 细菌生物质：约占25%至45%。可以是死的或活的细菌。
- 其他：脱落的宿主（人类）上皮细胞（死的或活的）、饮食残留物（食物）、来自胆汁等的少量其他物质。
- 粪便是已知宇宙中细菌密度最高的基质，每克约有10^12个细菌。
身体其他部位的微生物
- 人体约有40万亿个细菌细胞（人类细胞约30万亿个）。细菌质量上远小于人类细胞，微生物总重可能只有几磅。
- 绝大多数（99%或99.9%）细菌在结肠。
- 皮肤、口腔、上消化道也有相当数量的微生物。
- 尿液中微生物不多（除非有尿路感染）。
- 汗液本身几乎没有微生物，但与皮肤混合后会有。
- 可以将身体想象成一个甜甜圈，从口腔到肠道到体表皮肤是一个连续的表面，被微生物覆盖。一旦穿透上皮（皮肤或肠壁），内部是免疫保护的，没有微生物。
排便对细菌数量的影响
- 排便时会排出大量的细菌生物质，这是一个非常显著的比例。
- 微生物生物量会随着排便而显著波动。
- Shawn开玩笑说，每次排便后，你可能变得“更人类，更少微生物”。
肠道细菌的生长
- 胃或小肠中微生物很少（每毫升几百到一千个）。
- 而下结肠中每克有10^11到10^12个微生物。
- 从上结肠到下结肠，细菌在大量生长。
便秘的影响
- 结肠是专门进化来培养微生物的结构，有微生物是好的。
- 但便秘也会导致问题。去年的一篇论文显示，可以在血液中看到便秘的影响。
- 肠道微生物优先降解膳食纤维，产生短链脂肪酸等有机酸，这些对结肠上皮有益。
- 如果粪便停留时间过长，纤维耗尽，微生物会转向其他食物来源，如蛋白质（来自饮食或降解我们自身的粘液层）。
- 蛋白质发酵会产生对甲酚（p-cresol）或吲哚酚（indoxyl）等分子，这些是已知的肾脏、肝脏甚至大脑的毒素。长期在血液中积累这些毒素可能引发慢性疾病。
- 结论：肠道微生物就像烫手山芋，需要它们存在一段时间，但时间过长则会出问题。
排便后肠道环境的动态变化
- 尽管排便后大量细菌被排出，但肠道是一个非常动态的地方。
- 任何时候消化道中可能都有几团物质在移动，上游可能还有“明天的粪便”正在形成。
- 并非所有物质都会完全排出，仍有残留的生物质附着在上皮和粘液层。
灌肠（Enemas）和结肠清洗（Colonics）的影响
- 这些操作对微生物组有很大影响。例如，结肠镜检查前的肠道准备（服用大量Miralax，即聚乙二醇）会彻底清空肠道。
- 当人们扰乱其肠道共生菌群的生物量时，会为机会性病原体（如艰难梭菌 C. diff）的定植提供机会窗口。
- 共生微生物像免疫系统的一个分支，可以防止病原体定植。因此，不应随意进行肠道准备或结肠清洗，因为这可能使自己暴露于潜在风险。
禁食（Fasting）的影响
- 即使禁食，微生物也并非完全没有底物可消耗。某些微生物（如Akkermansia）可以降解我们的粘液层，并产生可被生态系统中其他微生物交叉哺育（cross-fed）的化合物，从而维持部分细菌生物量和活性。
- 但禁食会导致更多微生物专门降解粘液层，可能使粘液层变薄。如果粘液层过薄，可能导致炎症等问题（如炎症性肠病IBD）。
- 禁食会显著改变身体状态，部分原因可能是缺失了大量细菌产生的代谢信号。
- 婴儿研究的相似性：对婴儿的研究（假设生命最初几周或几个月不吃固体食物）也显示，在纯母乳喂养的婴儿粪便中检测到的食物序列很少。断奶后开始吃固体食物时，粪便中检测到的食物读长数量稳步上升。
当前的研究问题与未来方向
- 目标：将已验证的方法应用于非常大的队列（数十万样本），获取饮食摄入信息和微生物组成信息，以首次真正描绘出特定食物（香蕉、某种蘑菇、某种肉类）如何影响微生物群组成。
- 合作：与意大利研究员Nicola Segata合作，他拥有数十万宏基因组数据。
- 长期目标：如果能很好地理解哪些膳食因素会增加或减少哪些特定细菌种类，就可以开始通过饮食来工程化（engineer）微生物组，这是该领域的一大目标。
- 工程化的具体例子：
- 丁酸盐（Butyrate）的产生：丁酸盐是一种有益健康的短链脂肪酸，具有抗炎作用，保护免受全身性炎症（可能延缓衰老），也是一种内分泌活性分子（刺激产生GLP-1、PYY等激素，降低食欲，改善葡萄糖稳态，预防糖尿病等）。
- 问题：给每个人吃香蕉，产生的丁酸盐量不同。
- 目标：预测谁应该吃什么来最大化丁酸盐产量。这需要结合代谢模型和饮食分析。有些人可能缺乏产生丁酸盐的代谢能力，部分原因是他们的饮食没有为产丁酸盐细菌的定植和繁殖提供合适的生态位。
- 通过饮食分析，或许可以找出例如韭菜、大蒜和橙子的组合，以提高产丁酸盐菌群的定植概率。
- 防止病原体定植：实验室一项研究表明，可以预测个体被机会性病原体定植的风险。约50%的人口有风险，另外50%的本土微生物群能够保护他们。
- 目标：如何将未受保护的人转化为受保护的人？这可能需要了解哪些微生物需要被添加到系统中以提供保护屏障，并可能需要改变饮食为这些特定菌群的定植创造生态位。
- 最终愿景：通过理性地工程化微生物群组成，实现特定的健康结果。
商业化前景
- 已有公司在该领域开展工作，如以色列的DayTwo公司。他们通过机器学习算法，根据微生物组和临床数据预测个性化的血糖反应，设计精准饮食，效果优于地中海饮食。
- Shawn的团队则专注于机制建模（mechanistic modeling），利用肠道微生物代谢的机制模型来预测和理性工程化微生物组的输出。
- My Digital Gut项目：通过慈善捐款资助，正在开发一个仪表盘，人们可以模拟其微生物组对数万种不同饮食、益生元和益生菌干预的反应（例如，提高丁酸盐产量）。将作为临床试验的决策支持系统。
- 路径：通过临床试验证明微生物组指导的精准营养干预优于标准护理方案（例如，针对糖尿病前期或高血压），获得临床证据后，就有可能创办初创公司或将技术产品化。
如何关注Shawn Gibbons博士及其实验室
- 实验室网站：gibbonslab.isbscience.org (g-i-b-b-o-n-s-l-a-b dot i-s-b-s-c-i-e-n-c-e dot o-r-g)
播客结尾 主持人感谢Shawn Gibbons博士的分享。 再次宣传播客订阅和评论。 声明播客仅供参考，不构成任何建议，听众行为责任自负，需要建议时应咨询专业人士。
