肠道菌群被誉为“第二基因组”，其与代谢疾病、炎症、免疫的关联已被大量研究证实，但面对数百种微生物的复杂生态，科学家长期缺乏一套量化个体菌群“健康度”的系统性指标。 由ZOE公司主导、发表于 Nature 的一项大规模研究，整合了34,500余名美国与英国参与者的肠道宏基因组、膳食记录与临床健康标志（BMI、血糖、甘油三酯、HbA1c等），利用机器学习对661种非稀有微生物进行关联分析，首次构建了微生物健康排名（ZOE Microbiome Health Ranking 2025） 与膳食排名（Diet Ranking 2025）。核心发现：

• 50种微生物与较好的健康指标呈正相关（评分趋近0），50种与较差健康指标负相关（评分趋近1）；

• 健康体重个体比肥胖个体平均多携带5.2种友好菌；

• 在两项饮食干预试验（ZOE METHOD与BIOME）中，个性化饮食调整与益生元补充均显著增加了友好菌丰度、降低了不利菌丰度，证明菌群结构可通过营养干预发生积极转变。

该研究为个性化营养与疾病预防提供了首个可量化的菌群健康“标尺”。

方法：机器学习“解码”菌群-健康关联

1. 数据来源

• 参与者：来自ZOE PREDICT项目（一项大规模营养-菌群研究）的34,500余人（英美两国）；

• 数据维度：粪便宏基因组测序（识别菌种）、食物频率问卷（膳食质量）、临床代谢标志物（BMI、血脂、血糖、炎症指标）。

2. 分析策略

• 聚焦661种非稀有微生物（在人群中检出率≥1%），通过机器学习模型评估每种菌与健康指标的相关性，并赋予0-1分数（分数越低，与健康指标的正相关性越强）；

• 将菌群按得分排序，分出50种最友好菌与50种最不利菌。

核心发现：友好菌群与健康体重、低疾病风险强相关

1. 健康体重 vs. 肥胖

• 健康体重个体（BMI<25）携带的友好菌数量（平均）比肥胖个体（BMI≥30）多5.2种；

• 肥胖个体携带的不利菌数量显著更高。

2. 疾病状态

• 与健康对照组相比，患有代谢性疾病（如2型糖尿病、心血管疾病）的参与者，其菌群中不利菌的丰度更高，友好菌丰度更低。

3. 膳食干预可重塑菌群

• ZOE METHOD试验：个性化饮食干预（基于参与者基线菌群与代谢数据）后，友好菌（如 Bifidobacterium animalis、Ruminococcus hominis 等）丰度增加，不利菌减少；

• BIOME试验：补充益生元（特定纤维）同样显著提升友好菌丰度。

菌群评分的潜在应用

• 健康监测：将“菌群健康评分”纳入常规体检，作为代谢风险的早期预警指标；

• 个性化饮食指导：根据个体菌谱，推荐可提升友好菌的食物组合（如富含纤维、发酵食品）；

• 临床干预评估：用于评估减肥方案、益生元/益生菌制剂、甚至药物（如二甲双胍）对菌群的影响。

局限性与未来方向

• 关联而非因果：本研究为横断面分析，无法区分“菌群变化导致健康”还是“健康状态改变菌群”。但饮食干预试验中菌群随干预改变，提示因果关系可能双向；

• 多样性覆盖：研究聚焦于欧美人群，其他种族、文化背景下的菌群-健康关联需独立验证；

• 未知物种的功能：许多友好菌（如某些 Lachnospiraceae）尚未分离培养，功能机制有待解析。

对大众的启示

• 菌群可塑性强：与基因不同，菌群可通过饮食主动调整；

• 友好菌的“食谱”：与友好菌相关的食物包括：乳制品、植物性饮食（豆类、全谷物）、富含膳食纤维的蔬果；

• 不利菌的“驱动”：不利菌与加工食品、高饱和脂肪、低纤维饮食相关。

参考信息
Reference: “Gut micro-organisms associated with health, nutrition and dietary interventions” by Francesco Asnicar et al., 2025, Nature.
DOI: 10.1038/s41586-025-09854-7