iMeta | 探究人体肠道菌群与口服降糖药之间相互作用的特性与共性

人体肠道菌群与口服降糖药的相互作用

iMeta主页：http://www.imeta.science

引  言

2型糖尿病（T2D）是一种以高血糖和胰岛素抵抗为特征，并与肠道微生态失调密切相关的慢性代谢紊乱性疾病。常见口服降糖药（OADs），如二甲双胍、磺脲类药物（SUs）、α-葡萄糖苷酶抑制剂（AGIs）和二肽基肽酶-4（DPP-4）抑制剂，通常被用于T2D患者的血糖控制，但OADs的疗效在个体间表现出强异质性。

多项研究表明，OADs可显著改变人体肠道菌群结构，而肠道菌群也能在一定程度上影响宿主的临床获益。例如，二甲双胍可显著上调阿克曼氏菌（Akkermansia muciniphila）的相对丰度。阿卡波糖（一种AGIs）则能显著提高双歧杆菌（Bifidobacterium）同时减少拟杆菌属（Bacteroides spp.）的相对丰度，显著改变肠道菌群的群落结构。本项目团队近期研究发现12周的小檗碱治疗显著降低了粪便中一种产次级胆汁酸（SBA）细菌—布氏瘤胃球菌（Ruminococcus bromii）—的相对丰度和血液去氧胆酸（DCA）水平，进而影响葡萄糖稳态。此外，有两项独立研究揭示了基线肠道菌群的组成与DPP-4抑制剂的临床疗效相关。

然而，由于不同研究间存在种族、样本量和分析方法等差异，已报道的OADs引起的人体肠道菌群结构变化存在明显不一致。为深入理解不同OADs与肠道菌群之间的相互作用以及基线菌群对药物疗效的潜在影响，本研究采用了统一的生物信息分析流程和统计方法进行了全面的评估。

结果和讨论

6项临床试验中的OADs特征及疗效

本研究包括了6项临床试验，共470名T2D患者，其中5项为已公开研究，另一项为本研究组新开展的临床试验（NCT04426422）。除Zhao等人（2018年）的研究外，其余研究均只纳入未经过治疗的、新诊断的T2D（ND-T2D）患者，并收集了基线和治疗后的血糖指标（表1）。所涉及6项试验的干预时长不一，范围在84-168天之间。除Wu等人（2017）研究的受试者来自西班牙之外，其余均来自中国。总体而言，中国受试者的平均年龄为51.84岁，男性占比为55.3%-61.7%，平均体重指数（BMI）为26.2 Kg/m²，基线糖化血红蛋白（HbA1c）高于7.5%。而西班牙受试者的平均BMI（36.5 Kg/m²）显著高于中国受试者，基线HbA1c水平（6.67%）则更低（表1）。所有OADs治疗均显著降低了T2D患者的HbA1c、空腹血糖（FPG）和餐后2小时血糖（PPG）。

表1. 6项临床试验的口服降糖药及其宏基因组数据集的详细特征

OADs对人体肠道菌群的影响

在本项研究中，我们使用统一的宏基因组分析流程，对1,045个基于鸟枪法测序的宏基因组数据进行了质控和去宿主序列，平均单样本产生9,840万条高质量微生物来源序列。考虑到包括西班牙和中国受试者在内的不同研究间基线肠道菌群组成的显著差异，所有宏基因组数据的相关统计分析均在单个独立的干预组内开展。

首先，本研究评估了五种OADs治疗对ND-T2D患者肠道菌群结构的影响，同时纳入Zhang等人（2020）研究中的安慰剂组作为对照。研究结果显示，阿卡波糖和小檗碱治疗均可显著降低肠道菌群的物种丰富度和香农指数，并显著改变微生物群落组成（图1A–C）。相较之下，二甲双胍、维格列汀、格列吡嗪或安慰剂治疗后并未观察肠道微生物多样性的显著变化（图 1A–C）。进一步地，为评估OADs治疗对个体菌群组成的具体影响，本研究采用基于距离矩阵的分析方法，评估同一患者治疗前后的样本的聚集情况。结果显示，在阿卡波糖和小檗碱治疗组中，超过半数的治疗后样本未能按照个体进行准确聚类，而在其他干预组中，个体聚类的准确性则明显更高（>70%）（图1D），这表明阿卡波糖和小檗碱治疗或可显著改变个体的肠道微生物指纹。

 在物种层面，不同OADs干预组的肠道微生物变化模式展现出特性和共性（图1E）。其中，阿卡波糖和小檗碱治疗显著升高多个厚壁菌门物种的相对丰度（图1E）。而阿卡波糖和维格列汀治疗则显著降低多个拟杆菌门物种的相对丰度，包括Bacteroides xylanisolvens、Bacteroides thetaiotaomicron、Bacteroides cellulosilyticus和Alistipes shahii（图1E）。此外，小檗碱治疗可升高拟杆菌物种和降低双歧杆菌的相对丰度，这部分变化与阿卡波糖干预组变化完全相反（图1E）。小檗碱和二甲双胍治疗后，Escherichia coli的相对丰度都显著增加，而Clostridium bartlettii的相对丰度都显著减少（图1E）。A. muciniphila的相对丰度仅在二甲双胍组治疗后出现显著上升（图1E）。通过进一步评估OADs对物种共现网络的影响发现，阿卡波糖和小檗碱均可显著增强网络中物种间的相互作用，表现为两种药物治疗后物种-物种网络边的数目、边的密度、连通性、聚类系数的增加以及模块度的减少。

在功能层面，阿卡波糖和小檗碱治疗都显著升高了编码7β羟基类固醇脱氢酶（7β-hsdh，参与熊去氧胆酸（UDCA）转化）基因的相对丰度，同时降低了参与次级胆汁酸（SBA）转化基因（7α-脱水酶（baiE）和/或7β-脱水酶（baiI））的相对丰度（图1F）。在Wu等人（2017）研究发现，二甲双胍治疗后baiE也有降低的趋势（P < 0.05，图1F）。此外，我们观察到阿卡波糖或小檗碱治疗均可升高患者血液UDCA同时降低DCA水平，与这两种药物治疗降低大量编码baiE/baiI (或与baiE/baiI正相关) 物种的相对丰度结果一致。此外，仅小檗碱治疗可显著升高胆盐水解酶（bsh）基因的相对丰度。除格列吡嗪外，其他OADs治疗均显著升高参与甘油酯代谢的基因的相对丰度（图1F）。同时，大量变化的微生物特征与宿主葡萄糖水平之间存在显著的动态关联，如阿卡波糖和维格列汀组中，B. xylanisolvens丰度变化均与 HbA1c呈正相关；二甲双胍和小檗碱治疗组中， C. bartlettii丰度变化与HbA1c呈正相关，阿卡波糖和小檗碱治疗个体中7β-hsdh变化则与HbA1c呈负相关。

随后，我们整合了Zhao等人（2018）、Gu等人（2017）和Zhang等人（2022）研究的宏基因组数据，旨在探究单独使用阿卡波糖（Acar）与结合高纤维饮食（Acar+WTP）干预所诱导的肠道菌群变化的共性与差异性。与Zhao等的研究一致， Acar+WTP相较于单独Acar干预，可显著升高多种产丁酸菌（如Anaerobutyricum hallii, Eubacterium rectale和Ruminococcus callidus）的相对丰度，同时降低肠杆菌科（Enterobacteriaceae）物种的相对丰度（图1G）。此外，本研究进一步揭示，在Acar+WTP干预组中，SBA转化基因的相对丰度并没有出现显著降低（图1G）。这可能部分归因于Acar+WTP升高了多个SBA转化物种，如E. rectale, Eubacterium eligens和A. putredinis。而Acar+WTP甚至显著降低了7β-hsdh基因的相对丰度，呈现出与Acar组相反的变化模式（图1G）。进一步地，与单独Acar干预组相比，Acar+WTP组治疗后的样本也显示更低的7β-hsdh相对丰度和更高的baiI和产丁酸盐基因（K01034）相对丰度（图1H）。

图1. 8个干预组中5种口服降糖药引起的肠道菌群变化概览

（A-B）森林图显示治疗前后α多样性的变化，包括丰富度（A）和 Shannon (香农) 指数（B）。使用Wilcoxon 符号秩检验，圆形表示无显著变化（P > 0.05），菱形表示显著变化（P < 0.05）。（C）PERMANOVA 显示治疗前后样本中肠道物种组成的组内差异程度，通过解释变异程度（r2）进行量化。使用四种不同距离方法：Hellinger（红色）；Spearman（斯皮尔曼秩相关系数，绿色）；Jensen-Shannon离散度（JSD，黑色）和Bray-Curtis距离（蓝色）。（D）热图显示基于图C的四种微生物群落距离的个体分配准确度。（E）热图显示8 个干预组中治疗前后相对丰度显著变化的物种，仅展示至少在一个干预组中丰度显著变化的物种，依次排列为：拟杆菌门、厚壁菌门、变形菌门、放线菌门和疣微菌门。颜色表示Wilcoxon符号秩检验的效应量的大小：橙色为丰度增加的物种，蓝色为丰度减少的物种，白色为丰度无显著变化（NS）的物种。*：Benjamini-Hochberg（BH）校正P< 0.05。（F）点图显示参与次级胆汁酸转化、丁酸、咪唑丙酸（ImP）和甘油酯代谢的肠道微生物基因相对丰度的变化。肠道微生物基因包括 7β-hsdh、baiI、baiE、bsh、K01034（AtoD）、K00634（ptb）、K00929（buk）、K01745（hutH）、K17363（urdA）、K05878（DhaK）、K05979（DhaL）、K05881（DhaM）、K00005（gldA）、K00864（glpK）和K03621（plsX）。（G）点图显示单独阿卡波糖 (Acar) 与合并高纤维饮食（Acar+WTP）引起的微生物基因相对丰度的变化。Wilcoxon 符号秩检验，蓝色三角形表示基因/物种相对丰度降低，橙色三角形表示基因/物种相对丰度增加。显著性水平：BH校正 P < 0.05。（H）条形图显示参与 SBA 和丁酸盐代谢的肠道微生物基因相对丰度的差异 (效应量)。Wilcoxon 秩和检验，比较Acar和Acar+WTP治疗后样本, 浅绿色表示Acar组富集，深灰色表示Acar+WTP组富集。虚线表示效应量绝对值0.3。*：BH校正 P < 0.05，#: P < 0.05。

本研究使用统一的分析流程，展示了不同口服降糖药引起的微生物变化的共性和特性。尽管在28-168天的治疗期间，阿卡波糖引起了T2D患者高度一致的肠道微生物组变化，但Sun等人的研究发现，短期二甲双胍干预（3天）可导致拟杆菌（Bacteroides）和bsh基因丰度的显著下降，而在二甲双胍治疗2-4个月后则未观察到此变化。当前的证据显示，二甲双胍的主要作用靶点之一是肠道，包括影响肠道内线粒体呼吸、乳酸产生和胆汁酸池等。鉴于二甲双胍在临床中的广泛使用和重要性，未来需要设计采样更加密集的临床研究，以深入研究二甲双胍作用下微生物的动态变化，以及宿主与肠道菌群之间的相互作用。

此外，我们的研究还揭示了Acar+WTP 可逆转单用阿卡波糖增加的7β -hsdh基因相对丰度，同时减弱baiI基因的减少，在调节中国T2D患者肠道微生物功能方面可能具有双重作用。在Acar+WTP干预组，短期纤维发酵的益处可能超过了对SBA代谢产生的潜在负面影响，从而改善了联合干预组的疗效。然而，值得注意的是，最新的小鼠研究表明，含有菊粉纤维（WTP饮食也包含菊粉）的饮食会以肠道菌群依赖的方式引发胆汁酸-FXR依赖性的肠炎甚至是肝细胞癌（HCC）。该研究还指出长期暴露于丁酸盐过量的微环境中可能促进肝细胞生长和肝纤维化。考虑到阿卡波糖作为一种高效的α-葡萄糖苷酶抑制剂，通过促进未消化纤维进入结肠来提高微生物对纤维的利用率，从而可能产生丁酸盐过量的环境。所以，AGIs与膳食纤维联合使用对T2D患者代谢健康的长期影响仍值得进一步研究与评估。

基线肠道菌群特征与OADs的治疗响应相关

在本研究中，我们采用弹性网络回归模型来探究基线肠道菌群特征预测OADs治疗响应的能力。研究发现，基线微生物组特征能够解释五种OADs治疗后HbA1c响应的12% -39%的方差，FPG响应的 12% - 35%的方差，胰岛素抵抗水平 (HOMA-IR) 响应的6% - 30%的方差（图2A）。值得注意的是，在维格列汀治疗组中，基线拟杆菌（Bacteroides spp.）的高丰度与HbA1c的低响应（LR）有关（图1E），而在小檗碱治疗组，其与高响应（HR）相关（图2B）。此外，在不同的OAD治疗组，特定的基线微生物特与降糖疗效的相关性一致（图2B），例如二甲双胍和阿卡波糖组中，更高丰度的bsh基因与血糖改善有关（图2C），在二甲双胍和维格列汀组中，更高丰度的甘油酯代谢基因（gldA、DhaK、DhaL）与HbA1c改善相关（图2D）。分析还显示，在二甲双胍和维格列汀组中，Adlercreutzia equolifaciens、Eggerthella lenta、A. hallii、Eubacter ramulus 和Ruminococcus sp_5_1_39BFAA等物种的基线高丰度与降糖效果的降低有关。

图2. 基线肠道菌群与不同OADs的治疗响应之间的联系

（A）左侧热图显示与各组治疗响应显著相关的微生物特征数量。显著相关性的定义是绝对相关系数> 0.3且P < 0.05（偏Spearman相关）。右侧热图显示由Elastic-net回归模型估计的R²，即基线微生物特征对OADs的血糖响应方差的解释比例。（B）森林图显示维格列汀和小檗碱治疗的低响应组和高响应组（以HbA1c变化百分比的中位数定义）之间拟杆菌属物种的相对丰度的比较。采用logistic回归模型估计优势比（OR）和95% CI。（C）散点图显示了在二甲双胍和阿卡波糖组中bsh的基线相对丰度与治疗响应的关系。（D）散点图显示二甲双胍和维格列汀组参与甘油酯代谢的基因（K00005、K05878和K05879）的基线相对丰度与HbA1c响应之间的关系。

这些结果表明基线肠道菌群对不同 OADs治疗响应具有较大的预测潜力。最近一项研究发现拟杆菌属是微生物来源二肽基肽酶4（mDPP4）的主要生产者，而且mDPP4被验证可有效降解人胰高血糖素样肽1（GLP1）。与之相符，本研究的维格列汀治疗组中，HbA1c低响应者的拟杆菌属物种在基线也有更高的丰度，同时，维格列汀还能显著降低多种拟杆菌物种的相对丰度。这些发现表明肠道菌群与OADs治疗之间存在双向的交互作用，在调控药物疗效中或发挥重要的作用。

尽管通过分析来自同一患者干预前后的组学数据可有效降低个体间异质性和环境暴露的混淆效应，但本研究仍存在一定的局限性。首先，除了Wu等人（2017）的二甲双胍研究外，其余样本均来自中国的T2D患者，这可能限制本研究的结果在更广泛人群中的普适性。其次，本研究的两项阿卡波糖研究中，与治疗响应相关的基线微生物特征的一致性较低，这表明小样本量和地理差异等因素可能对特征选择产生影响。因此，未来研究应包括更大且更多样的队列，以全面评估肠道菌群、降糖药物和人体代谢健康之间的相互关系。

结  论

本研究通过对1,045个宏基因组样本的深入分析，揭示OADs与T2D患者的肠道菌群间广泛存在的双向影响。本研究不仅揭示了由不同OADs引起肠道微生物物种和功能变化的共性和特性，还发现阿卡波糖、高纤维饮食和肠道菌群之间存在复杂互动，以及患者基线肠道菌群与药物临床疗效之间的密切关系。

方  法

纳入研究和公共数据收集

使用PubMed进行检索有关口服降糖药（OADs）对未治疗的新近诊断2型糖尿病（TN-T2D）患者肠道菌群影响的宏基因组相关临床研究。检索关键词组合为"(((((shotgun sequencing) AND (human)) AND (metagenomics)) OR (gut microbiota)) AND (type 2 diabetes)) AND (treatment) AND (clinicaltrial [Filter]) AND (in the last 5 years [Filter])"，截止至2022年9月18日。共纳入符合检索标准的5项相关研究。

除了通过PubMed检索到的研究外，本项目还纳入了一项针对中国深圳TN-T2D患者新开展的二甲双胍研究（GUTT2DM）。该研究是一项开放标签、单臂的临床试验（ClinicalTrials.gov编号：NCT04426422），旨在评估二甲双胍对中国TN-T2D患者肠道微生物的影响。该试验于2017年3月至2018年6月在深圳市人民医院进行，共有52名新诊断的T2D患者接受了为期3个月的二甲双胍治疗。所有入组患者在进行体检和生物材料采集前均已签署知情同意书，其中47名参与者完成了治疗和随访。详细的纳入和排除标准见附件。GUTT2DM研究的粪便样本在治疗前和治疗后由患者在医院自行收集，并立即存储在–80°C冰箱，然后提取粪便DNA，并使用BGISEQ-500完成宏基因组测序（单端；100bp）。

综合上述6项研究，我们共获得了1,045份原始FASTQ文件，分别来自：（1）Gu等人的188个宏基因组样本（阿卡波糖和格列吡嗪治疗）；（2）Wu等人的65个样本（二甲双胍治疗）；（3）Zhao等人的172个样本（GUT2D研究，单独阿卡波糖治疗或联合高纤维饮食干预）；（4）Zhang等人（2021）的362个样本（小檗碱治疗和安慰剂）；（5）Zhang等人（2022）的164个样本（VISA-T2D研究，阿卡波糖和维格列汀治疗）；（6）本研究的94个样本（GUTT2DM研究，二甲双胍治疗）。表1列出了所有纳入研究的详细信息，包括药物使用详情、治疗持续时间、药物剂量和人口统计学特征等。

宏基因组分析

所有宏基因组数据集都经过统一的生物信息流程处理。首先，使用fastp（版本0.20.1，默认参数）去除低质量的序列。使用Bowtie2（版本2.4.2，默认参数）去除人源序列（数据库hg38），生成非人源的高质量序列（称为clean reads）。使用MetaPhlAn2（版本2.7.0，默认参数）在物种水平对clean reads进行物种分类，去除低出现率微生物物种（在所有样本中的出现频率小于20%），保留135个物种用于后续分析。在物种层面计算微生物α多样性（Shannon指数和丰富度）和β多样性（Bray-Curtis距离、Hellinger距离和Spearman差异度，以及Jensen-Shannon距离）（R包， 'vegan 2.5-7'，v1.3-1）。使用与Wilmanski等人相同的策略计算每组同一个体的治疗前后样本在四种距离矩阵里是否可以被准确聚类在一起。使用HUMAnN2（版本0.11.1）进行了KO层面的功能分析。在去除低出现率（< 20%）的微生物 KOs 后，重点关注与 T2D 或代谢紊乱相关的 11 个 KOs，包括参与丁酸盐产生：K01034（AtoD）、K00634（ptb）、K00929（buk）；组氨酸代谢（咪唑丙酸产生）：K01745（hutH）和K17363（urdA）；以及甘油酯代谢：K00005（gldA）、K00864（gldK）、K03621（plsX）、K05878（DhaK）、K05879（DhaL）、K05881（DhaM）。此外，我们通过在UniProt（通用蛋白资源）数据库中搜索与胆汁酸（BA）生物转化相关的非冗余微生物蛋白，包括胆汁酸水解酶（bsh）、7β-羟基类固醇脱氢酶（7β-hsdh）和两个关键的BA诱导操纵子编码基因（baiE和baiI），构建了一个本地蛋白质数据库；使用 DIAMOND对clean reads进行胆汁酸转化基因的注释 (identity: 60%)；使用FMAP（版本 0.15）计算上述4个基因的RPKM（Reads Per Kilobase Per Million mapped Reads）。

统计方法

1.Meta分析

为评估五种不同OADs对宿主糖尿病相关指标和肠道菌群组成的影响，本研究应用随机效应Meta分析模型（R包，"meta"，版本5.5-0）来控制研究间的未观察到的异质性。Meta分析采用基于逆方差权重和DerSimonian-Laird方法来估计不同研究间的方差。Meta分析估计了ND-T2D患者的糖尿病相关指标（HbA1c、FPG、PPG、Ins0、Ins120和HOMA-IR）和α多样性的总体变化。该分析是在5种OADs相关的8个治疗组的331名ND-T2D患者中进行。其中，来自Zhao等人研究的接受过降糖治疗的43名T2D患者和安慰剂组的96名ND-T2D患者中未包括在内。

2. 评估不同OADs对微生物物种共出现网络变化的影响

为评估不同OADs对肠道微生物物种网络的影响，本研究使用NetCoMi（R包，版本1.0.3）对每个治疗组的前后样本CLR变换后的物种相对丰度矩阵分别构建物种共出现网络。相关矩阵由Spearman秩相关计算。通过将Spearman's rho的绝对值大于0.5的值转换为1，而较小的值设置为0，生成二元邻接矩阵。再利用netConstruct函数计算网络的拓扑属性，包括边数、正相关边百分比、边密度、聚集系数、模块化和连通性。同时，获得每个物种在网络内的度量指标，包括度、介数、接近度和特征向量中心性。

通过Jaccard指数对基于治疗前后网络的中心节点差异进行量化。网络中心节点是基于网络的节点的度、连通性、紧密性和特征值来确定（高于75%的节点）。Jaccard指数范围为0到1，值越大表示相似程度越高。然后，通过比较随机条件下的观测值和实际值来估计Jaccard指数的统计显著性。对于每个OAD治疗组，使用1,000次随机置换检验，统计显著性阈值为P<0.005。

3.评估不同OADs对胆汁酸代谢的影响

Wilcoxon符号秩检验被用来评估OADs和安慰剂干预前后，BA转化相关基因、丁酸产生、组氨酸代谢和甘油酯代谢相关11个KOs的变化；以及Gu等人（2017年）和Zhang等人（2021年）两项研究中血液BA（熊去氧胆酸和去氧胆酸）干预前后的变化。MaAsLin2被用来评估BA转化基因与血液BA水平之间的相关性，以及基线样本中BA转化基因与微生物物种之间的相关性。经BH校正的P < 0.05被认为统计显著。

4. 微生物变量与血糖指标的纵向关联分析

构建广义估计方程（GEE）模型（R，"geeM"，版本0.10.1），以评估经CLR转化的微生物特征相对丰度变化与OAD治疗组中HbA1c水平之间的动态关联，校正因素包括年龄、性别和BMI。单个微生物物种/基因和HbA1c的 GEE模型如下所示：

物种/基因 ~ β1 HbA1c+β2性别+β3年龄+β4 BMI+ ϵ

其中，β1、β2、β3和β4分别表示HbA1c、性别、年龄和BMI的回归系数；ϵ表示误差项。同时计算HbA1c回归系数（β1）的Wald统计量和P值，以衡量其与微生物特征相关性的显著性和方向。BH校正的P<0.05被认为统计显著。

5. 评估基线肠道菌群与OAD治疗响应之间的关系

为评估基线肠道微生物变量与OADs临床响应之间的关系，我们采用了弹性网络回归方法。由于Wu等人（2017）研究样本量相对较小，未纳入到本分析。首先，我们将糖尿病相关参数变化进行归一化。针对单个个体，使用如下方程计算给定参数的相对变化百分比（PC）：

其中“基线”和“治疗后”分别为同一个体治疗前后糖尿病相关参数（HbA1c、FPG、PPG、Fins、Pins、HOMA-IR）的测量值。对于每个治疗组，每个变量的PC值被视为治疗响应。

然后，采用偏Spearman相关方法计算基线微生物特征与每个治疗组内给定指标的PC的相关性，并校正年龄，性别，BMI和相应指标的基线水平。所有的150个基线微生物变量均被纳入分析，包括135个物种、11个KOs和4个BA基因。与某一特定糖尿病参数的相关性的绝对相关系数>0.3且P<0.05的微生物特征均被纳入弹性网络的模型中。然后，使用交叉验证选择lambda值以获得最小平均误差，以此来控制过拟合，增强模型性能鲁棒性，并进一步筛选微生物特征。最后，将Elastic Net选择的微生物特征纳入线性模型，估算基线微生物特征对治疗响应贡献的解释方差，并计算对应的F统计量, 调整的R^2和BH矫正后的P值。

逻辑回归被用来评估拟杆菌属物种的相对丰度与维格列汀和小檗碱的HbA1c响应之间的关系。基于回归模型计算校正年龄、性别、BMI和基线水平的在高低HbA1c响应组的优势比（低响应组与高响应组，由HbA1c的PC中位数定义）。

（▼ 点击跳转）

“iMeta” 是由威立、肠菌分会和本领域数百千华人科学家合作出版的开放获取期刊，主编由中科院微生物所刘双江研究员和荷兰格罗宁根大学傅静远教授担任。目的是发表所有领域高影响力的研究、方法和综述，重点关注微生物组、生物信息、大数据和多组学等。目标是发表前10%(IF > 20)的高影响力论文。期刊特色包括视频投稿、可重复分析、图片打磨、青年编委、前3年免出版费、50万用户的社交媒体宣传等。2022年2月正式创刊发行！发行后相继被Google Scholar、ESCI、PubMed、DOAJ、Scopus等数据库收录！2024年6月获得首个影响因子23.7，位列全球SCI期刊前千分之五(107/21848)，微生物学科2/161，仅低于Nature Reviews，同学科研究类期刊全球第一，中国大陆11/514！

“iMetaOmics” 是“iMeta” 子刊，主编由中国科学院北京生命科学研究院赵方庆研究员和香港中文大学于君教授担任，是定位IF>10的高水平综合期刊，欢迎投稿！