宏基因组测序能够高通量的分析来自不同环境的复杂菌群的组成和功能结构。利用宏基因组数据，我们可发现人类肠道微生物组结构、功能及变异，以及与宿主生理的关联（例如疾病、免疫功能和对癌症治疗的反应等）。然而，宏基因组数据使用相对丰度来衡量每个微生物物种的丰度，这就意味着，某一种微生物的丰度变化会导致其他物种的相对变化，从而导致偏差，这可能在关联研究中造成假阳性和假阴性。
目前关于微生物绝对定量的方法，包括基于流式细胞仪进行细胞计数、qPCR或者添加spike内参等。今天，我们来看一下近期最新发表于《Cell》的文章宏基因组绝对定量的新方法，该研究开发了一个通过宏基因组数据来预测粪便微生物载量（microbial loads）的机器学习模型，同时获得注释到的不同物种载量。
文章基于2个独立的大规模人群粪便样本数据，初步探究了微生物负荷和肠道菌群之间的关系。基于MLP（微生物负荷预测模型），研究证明了微生物负荷（每克微生物细胞数）是肠道微生物组变异的主要决定因素，并与多种宿主因素相关，包括年龄、饮食和药物使用。研究进一步发现，对于几种疾病来说，微生物负荷的变化，而非疾病本身，更能强烈解释患者肠道微生物组的变化。调整这一影响后，大多数与疾病相关的物种的统计显著性显著降低。我们的分析揭示，粪便微生物负荷是微生物组研究中的一个主要混杂因素，突显了其在理解健康和疾病中微生物组变异的重要性。
凌恩生物医口宏基因组
绝对定量解决方案
凌恩生物参考《Cell》文章，开发了医口人肠道样本宏基因组微生物绝对定量解决方案，基于reads层面物种注释（mOTUs和MetaPhlAn），通过微生物载量预测模型（MLP）获得人肠道粪便样本中微生物总载量（个样本每克的预测微生物细胞数），以及定量微生物组特征（QMP）。有效减少由相对丰度带来的偏差，以获得更真实、准确的结果，从而更准确地揭示疾病与微生物之间的关系，为您的研究保驾护航！
