元数据（附表1）被组织成27个字段，涵盖样本、食品信息和技术信息（STAR方法；由附表1定义的句法规则）。根据样品的食品类型/底物、生产方法（发酵/非发酵）以及其他不同食品类型的特定特征（附表1），对样品进行了层次化的食品分类，从而产生了15个顶级类别（图1C）、107种类型和358个亚类。尽管大多数样品来自乳制品（n=1,650）、发酵饮料（n=422）和发酵肉类（n=133），我们也考虑了较少被描述的类别，如发酵种子、非发酵鱼类和非发酵肉类。

我们进行了标准化的样本预处理、分类学和功能群落分析以及单个物种的基因组重构（如图1A所示；STAR方法）。我们得到了27,123个宏基因组组装基因组，经过质量过滤后，产生了4,976个高质量（HQ）和5,136个中等质量（MQ）原核宏基因组组装基因组（附表2）。这些宏基因组组装基因组与超过100万个基因组序列（包括173,302个菌株基因组，以下简称“参考基因组”）整合在一起，并以95%的全基因组平均核苷酸相似性（ANI）为阈值，将它们分为1,036个物种水平基因组箱（SGBs；以下简称“食品SGBs”，因为它们至少包含一个来自食品的宏基因组组装基因组）。我们进一步用MetaPhlAn v4识别了每个物种水平基因组箱的特异性标记基因（如图1E所示），以便在宏基因组中对所有物种水平基因组箱进行特征分析，即使它们的丰度较低。我们还构建了392个高质量和395个中等质量的真核宏基因组组装基因组，并将它们分为108个真核食品物种水平基因组箱。生成的数据集是后续分析的基础，并将其扩展至19,833个在curatedMetagenomicData（cMD）中可获取的人类宏基因组，以建立食物和人类微生物组之间的联系（如图1A所示）。

10,112种原核宏基因组组装基因组被归类为1,036个属于13个不同门的物种水平基因组箱，我们对其进行了分析，以评估食品微生物的系统发育多样性（附表2；图2A）。来自四个门的六个微生物纲在扩大系统发育多样性方面发挥了主要作用，因为它们包含了92%的宏基因组组装基因组和78%的来自我们研究：放线菌门（Actinomycetia）（图S1A）、ɑ-、β-和ɣ-变形菌门（Proteobacteria）（图S1B）、黄杆菌门（Flavobacteria）（图S1C）和杆菌门（Bacilli）（图S1D）。后者属于门Bacillota（以前是厚壁菌门（Firmicutes）），该门包含了大多数食品宏基因组组装基因组（n=6,300，来自394个物种水平基因组箱）；其中包括乳酸菌（LAB，尤其是Lactobacillales目；231个物种水平基因组箱中的5,577个宏基因组组装基因组），它们构成了两个重建最多的科：乳酸杆菌（Lactobacillaceae）（3447个宏基因组组装基因组）和肠杆菌（Streptococcaceae）（1805个宏基因组组装基因组）。20%的总食品宏基因组组装基因组（n=2,026，来自208个物种水平基因组箱，图S1A）与放线菌目（Actinomycetota）（以前是Actinobacteria）相关，尤其是Actynomicetia纲（150个物种水平基因组箱中的1,544个宏基因组组装基因组），包括属于双歧杆菌（Bifidobacterium）和丙酸杆菌属（Propionibacterium）等健康相关属的物种（10个物种水平基因组箱中的168个宏基因组组装基因组和2个物种水平基因组箱中的37个宏基因组组装基因组）。醋酸杆菌科（Acetobacteraceae）涵盖醋酸杆菌（AAB），是总体上重建的第三大菌科（来自61个物种水平基因组箱的523个宏基因组组装基因组），代表了假单胞菌类（Pseudomonadota，原为Proteobacteria；来自366个物种水平基因组箱的1,652个宏基因组组装基因组；图S1B）的大部分。只有来自45个物种水平基因组箱的93个宏基因组组装基因组被分配给通常与肠道相关的门类拟杆菌门（Bacteroidota）（原为Bacteroidetes；图S1C），门类黄杆菌纲（Flavobacteriia）（偶尔与食物腐败相关）由21个物种水平基因组箱构成。因此，cFMD提供了食品微生物的更广泛的遗传和微生物多样性，其中包括传统上与食品产品相关的较少的细菌科，我们接下来对其进行了深入研究。

一半以上的物种水平基因组箱（1036个中的535个）至少包含一个参考基因组，因此在物种水平上对其进行了分类（已知物种水平基因组箱或已知物种水平基因组箱 [kSGBs]；图2B）。从已知物种水平基因组箱中提取的7,961个宏基因组组装基因组中（来自312个kSGBs；图S2E和S2F），有67%（5334个宏基因组组装基因组）是从奶制品中提取的，反映了65%的样本来自奶制品。从奶制品中重建的物种（图3A）包括：乳酸球菌（Lactococcus lactis）（672个宏基因组组装基因组）、嗜热链球菌（Streptococcus thermophilus）（448个）、副干酪乳杆菌（Lacticaseibacillus paracasei）（415个）、乳脂球菌（Lactococcus cremoris）（404个），乳杆菌（LABs）代表了15个最大物种水平基因组箱中的12个。在奶制品中常见的非乳杆菌（LAB）物种包括：表皮葡萄球菌（Staphlyococcus equorum）（171个宏基因组组装基因组；图S1D）、橙色短棒菌（Brevibacterium aurantiacum）（156个；图S1A）、干酪棒状杆菌（Corynebacterium casei）（89个；图S1A）、扩展短杆菌（Brevibacterium yomogidense）（68个）和黄曲杆菌（Flaviflexus ciconiae）（68个，此前仅从白鹳（Ciconia boyciana）中分离得到），其中许多通常存在于奶酪生产环境中。因此，大多数样本来自奶制品的事实反映在其在重建的已知的物种水平基因组箱中的较高的代表性上。

非乳制品样品产生了2651个宏基因组组装基因组和333个已知的物种水平基因组箱（占总已知的物种水平基因组箱的62%；图3C）。副干酪乳杆菌（L. paracasei）是非乳制品宏基因组组装基因组数量最多的菌种（238个），它们分布在六个类别中，占非乳制品样品的27%。植物乳杆菌（Lactiplantibacillus plantarum）是益生菌商业产品中最大的物种水平基因组箱（50%；7个宏基因组组装基因组），在发酵谷物（24%；19个）和发酵水果和蔬菜（18%；6个）中也较大。在发酵食品中，其他常见的物种水平基因组箱包括在发酵种子中占77%的枯草杆菌（Bacillus subtilis），在发酵块茎和根中占46%的发酵粘液乳杆菌（Limosilactobacillus fermentum），在发酵豆类中占44%的魏斯氏菌（Weissella confusa），在发酵肉类中占31%的沙克乳杆菌（Latilactobacillus sakei），以及在酒精饮料中占19%的塔特姆菌（Tatumella ptyseos）。一般来说，非发酵类（如鱼、水果和蔬菜、肉类和其他）没有产生最常见的重组物种水平基因组箱（图3C和3D），但显示出特定类别的物种水平基因组箱，如与腐败有关的热杀索丝菌（Brochothrix thermosphacta）在肉类中（40%）。然而，在乳制品类别中被视为非发酵食品类型的生乳（附表1）却是个例外，因为从例如肠膜明串珠菌（L. mesenteroides）（3个宏基因组组装基因组）、乳酸球菌（L. lactis）（3个）、嗜热链球菌（S. thermophilus）（2个）和乳脂球菌（L. cremoris）（1个）中都提取到了一些宏基因组组装基因组。生乳含有丰富的乳酸菌，这些乳酸菌通常存在于发酵产品中，但由于它们在未发酵的底物中的含量较低，因此从中提取到宏基因组组装基因组并非特例。

我们的数据库还扩展了对一些未充分研究物种的基因组学分析，例如，30个最大的已知的物种水平基因组箱中有18个包含少于10个参考基因组，例如发酵乳杆菌（Lactobacillus kefiranofaciens）（74个宏基因组组装基因组）、乳酸链球菌（Lactococcus laudensis）（59个）、乳酸链球菌（Lactococcus raffinolactis）（51个）和豆乳杆菌（Lentilactobacillus otakiensis）（48个）。这同样适用于非乳制品中的常见物种水平基因组箱，如酒醋杆菌（Liquorilactobacillus satsumensis）（200个宏基因组组装基因组；6个最大的物种水平基因组箱之一）、酒醋杆菌（Liquorilactobacillus nagelii）（119个宏基因组组装基因组；13个最大的物种水平基因组箱之一）（图3D）和醋酸杆菌（Acetobacter orientalis）（89个宏基因组组装基因组，主要来自水和奶酪，图S1B）。值得注意的是，酿酒酵母（Zymomonas mobilis）（115个宏基因组组装基因组）是少数已知的能够进行乙醇发酵的细菌之一，主要从水发酵乳中组装获得，并被分到三个已知物种水平基因组箱中，即GTDB中对应的Z. mobilis（SGB19526）、Z. pomaceae（SGB19527）和Z. mobilis_B（SGB77042）（见图3D和图S1B）。

我们接着研究了另一半不含任何参考基因组的食品物种水平基因组箱（共501个，占1036个物种水平基因组箱的一半），因此被认为是未知物种水平基因组箱。当将这些未知的物种水平基因组箱添加到已知的物种水平基因组箱系统发育树中时，其总多样性显著增加，增加了95%（图2A）。这些未知的物种水平基因组箱包含2127个食品宏基因组组装基因组（占总数的21%；图2B和2C），其中46%甚至在属级上无法归类（与最近的参考基因组的相似性低于85%）。

这种未被分类的物种分布广泛，因为它们在所有食物类别（除了14个非发酵鱼样本外）和59种食物类型（图S2E和S2F）中均有被发现。令人惊讶的是，在食品微生物组研究中最受关注的乳制品中发现的物种水平基因组箱中有49%缺乏任何参考基因组（图S2E），而在发酵饮料（42%）和发酵种子（45%）中也获得了类似的百分比。因此，根据每份样本中未知的物种水平基因组箱与重建的已知物种水平基因组箱的比例，了解最少的食物类型分别是墨西哥龙舌兰酒（5份样本的中位比率为5）、非洲棕榈酒（6份样本的中位比率为2）和韩国鳐鱼（5份样本的中位比率为1）（图S2A和S2B）。甚至更多被食用的食物类型也具有不可忽视的未知的物种水平基因组箱含量，例如加工后的蔬菜（6份样本的中位比率为0.63）、预加工蔬菜（6份样本的中位比率为0.6）、咖啡（6份样本的中位比率为0.5）和泡菜（9份样本的中位比率为0.5）。乳制品中的奶酪汁是含有物种水平基因组箱比例最高的食物类型（53份样本）。而像奶酪（1,043）、开菲尔水（284）和未发酵（生）牛奶（n=110）等大型发酵食品也呈现出类似的分布。总的来说，这些结果强调了在食品开发和生产中，几乎在所有测试的食品类型中都存在一个盲点，即微生物特性的识别，这需要进一步研究。

在考虑这些未知的物种水平基因组箱的分类结构时，放线菌门（Actinomycetota）拥有最多的宏基因组组装基因组（图S2C和S2D）：来自131个未知的物种水平基因组箱包含927个宏基因组组装基因组，包括20个最普遍的未知的物种水平基因组箱中的12个。这些普遍的未知的物种水平基因组箱主要属于短杆菌属（Brevibacterium）、加里科属（Garicola）和鲁尼亚属（Ruania），以及仅包含未知的物种水平基因组箱的一些属(来自奶制品、发酵饮料和发酵肉类；图3)。杆菌门（Bacillota）包含来自175个未知的物种水平基因组箱的710个宏基因组组装基因组（来自乳酸杆菌目（Lactobacillales）的65个未知的物种水平基因组箱；附表2），涵盖了所有类别：主要来自奶制品（占总宏基因组组装基因组的63%），尽管发酵鱼（平均6.2个杆菌门宏基因组组装基因组/样本）、发酵种子（1.2）和发酵块茎和根（0.8）是最具代表性的类别，当标准化样本大小时。假单胞菌门（Pseudomonadota）显示出相似的数量（407个宏基因组组装基因组来自150个未知的物种水平基因组箱），并存在于十个类别中，尤其是从奶酪和奶酪汁(244个宏基因组组装基因组)。从水发酵乳（19个宏基因组组装基因组)和奶酪发酵乳（38个）重建的宏基因组组装基因组使醋酸菌属（Acetobacter）的11个未知的物种水平基因组箱（总共67个宏基因组组装基因组）得以扩展，这表明这些食物类型中存在许多尚未被描述的醋酸菌属细菌（AABs）。

总的来说，SGB66234是最常见的未知的物种水平基因组箱（92个宏基因组组装基因组，在分类上属于科里氏菌科；图3B和S1A），在来自7个国家的10种欧洲奶酪中被检测到，而在人类和动物的宏基因组中未被发现。此外，SGB69136（81个宏基因组组装基因组，在分类上属于微杆菌科）是奶酪特异性的（来自8种奶酪和6个国家），经常从相同的样本中检出（与SGB66234在69个奥地利奶酪样本中共同检出），同样未出现在人类和动物的宏基因组中。其他非奶酪特异性未知的物种水平基因组箱包括来自乳酸杆菌SGB69403（来自奶酪和水发酵乳的83个宏基因组组装基因组）以及乳杆菌SGB69401（80个MAGs）和乳杆菌SGB69402（76个MAGs），它们在乳制品中被发现，并且偶尔在尼日利亚的发酵谷物和发酵块茎和根中被发现。

持续检测尚未分离鉴定的与食品微生物群相关的微生物物种，凸显了其复杂性，并凸显了开展有针对性的基于培养的调查以利用具有潜在技术意义的物种和菌株的必要性。

我们接下来专注于那些仅在食品来源中检测到，且在其他环境中的超过100万个宏基因组组装基因组（主要来自人类、动物、土壤、水和植物；见图2D、3和S2）中没有匹配的未知的物种水平基因组箱。我们称它们为未知食品特异性物种水平基因组箱，它们代表了未来研究中最未被深入研究的与食物相关的物种。超过一半的uSGBs（n=290；58%）被标记为未知的物种水平基因组箱，它们由来自327个样本的534个宏基因组组装基因组组成（图2B），主要与杆菌门（Bacillota）（121个未知食品特异性的物种水平基因组箱）、假单胞菌门（Pseudomonadota）（88个）、放线菌门（Actinomycetota）（53个）和拟杆菌门（Bacteroidota）（16个）相关（图S2C）。这些未知的物种水平基因组箱涵盖了所有类别，尤其是在调整样本大小后，平均每个样本来自发酵鱼（5.8个宏基因组组装基因组）、水果和蔬菜（1.3）以及发酵种子（1.2）。它们源自43种物质，主要来自奶酪（74个未知食品特异性的物种水平基因组箱）、奶酪汁（45个）、水发酵乳（34个）、后处理蔬菜（19个）和鳐鱼（18个）。

重建最多的未知食品特异性的物种水平基因组箱是uFSBG98380（图S2G），它包含来自多种水发酵乳的24个宏基因组组装基因组。它属于一个单系子树，其中包括从水发酵乳中重建的其他三个未知食品特异性的物种水平基因组箱（即uFSBG98379、uFSBG98381、和uFSBG98382；图S1A），并且在系统发育上接近双歧杆菌科。此外，uFSBG96887（15个宏基因组组装基因组，归类于乳球菌属）经常从意大利南部的多种奶制品（如生奶、奶酪卤水、乳清和奶酪制品）中检出。此外，ufSGB99143包含15个宏基因组组装基因组，来自奥地利阿尔卑斯山奶酪，属于海杆菌属（Marinobacter），由嗜盐细菌组成。

总的来说，未知食品特异性的物种水平基因组箱只存在于特定的类别（总未知食品特异性的物种水平基因组箱的98%）和类型（93%）中，尽管有6个被检测到存在于两个类别中（附表2）：来自乳制品和发酵饮料的ufSGB92515（Hafnia，哈夫尼亚属；图S2G）；来自乳制品和发酵饮料的ufSGB94441（Lactiplantibacillus，乳植杆菌属）；来自发酵水果和蔬菜以及发酵肉类的ufSGB94442（Lactiplantibacillus，乳植杆菌属）；来自发酵种子和发酵块茎/根的ufSGB96932（Atopostipes，陌生柱状杆菌属）；来自乳制品和发酵水果和蔬菜的ufSGB94707（Oceanospirillaceae，大洋螺菌科）；以及来自酒精和发酵块茎/根的ufSGB96974（Bacillota，厚壁菌门）。

在食品中发现的独特且未被分类的微生物比例很高，这为未来的研究提供了机会，旨在对这些物种及其对相应食品特性的贡献进行表征。

到目前为止，我们的研究结果依赖于一种基于组装的策略来生成宏基因组组装基因组。我们进一步通过MetaPhlAn 4进行了更灵敏和定量的分类学分析，其数据库扩展到了包含本工作中定义的物种水平基因组箱（STAR方法）。在覆盖率为0.1×的情况下，可以全面检测到29,969个物种水平基因组箱（图1E；附表2）。其中，至少在一个食品微生物组中鉴定出了3,622个物种水平基因组箱。

同一样本内的α多样性在不同的宏基因组和食物类别之间差异很大（均值±标准差：丰富度25±30，香农指数1.2±0.7）。非发酵鱼的香农指数最高（中位数=2.3，图4A和S3G），其次是发酵的块茎和根（2.1），肉类（2.0），发酵的种子（2.0），发酵的豆类（1.9），水果和蔬菜（1.8），估计的丰富度（图S3A和S3H）与之大致平行。当比较非发酵与发酵食物类别（即肉类与发酵肉类，鱼类与发酵鱼类，水果和蔬菜与发酵水果和蔬菜）时，非发酵食物显示出更高的微生物多样性（图4A），反映了发酵过程的选择压力。在最大的食物类别——奶制品中（平均值±标准差：香农指数1.0±0.7，丰富度24±27；图4A和S3A），观察到了较大的变异性，α多样性指标与食物类型相关（图S3D）。在奶制品中，发现在奶酪汁（中位香农指数=1.3，丰富度=38）、沃拉（香农指数=1.4，丰富度=17）和奶酪（香农指数=0.9和丰富度=21）中发现了最高的多样性；对于后者，未成熟的样品的多样性略低于最终产品，非发酵（生）奶中也发现了类似的值。未知物种构成了基本成分：1173个样本（48%）至少含有一个未知的物种水平基因组箱或未知食品特异性的物种水平基因组箱。我们进一步计算了未知的物种水平基因组箱与已知的物种水平基因组箱的比值（图S3E和S3F），24%（605个）的样本比值大于0.1。与组装结果一致，pulque（一种墨西哥传统发酵饮料）和发酵茶（例如康普茶和普洱茶）是携带未知成分比例较高的类型。对于奶制品，奶酪汁是最不典型的，未成熟的奶酪比最终产品更具代表性（图S3F）。

β多样性分布受食物类别（permutational multivariate分析的方差）的影响（PERMANOVA R²=0.15，p<1e-3；图4B和S3C），不同类别之间的比较均在统计学上有显著差异（图S3I）。不出所料，起始原料是主要的区分因素，因为它携带着原料微生物群落，并与其他影响最终微生物组成的特征（如营养含量和pH）共享。这由β多样性贡献的变量（图4C）得到确认，总累积调整后的R2为52%，主要由食物亚型（单变量调整后的R2 =42%）、数据集名称（29%）、食物类型（23%）和国家（17%）解释。将数据集名称识别为协变量可能意味着不同数据集之间存在技术偏差，但更有可能是不同研究覆盖了不同的特定类别和类型所造成的影响。对于奶制品，成熟前和成熟后的奶酪在排序图中重叠，而与未发酵（生）牛奶和奶酪汁相关的是更明显的簇群。

我们还利用基于机器学习的预测模型（STAR方法）评估了根据分类学特征预测样品类别的可预测性。对于一对一的类别比较，ROC曲线下的面积（AUC）始终接近1（平均值±标准差=0.97±0.06，中位数=0.99，附表3）。当比较更相似的食物时，准确性仍然很高；在乳制品中，样品类型被预测的AUC为0.97±0.05（附表3）。即使在最细粒度的食物分类级别上，也获得了类似的可预测性水平，并且23种商业奶酪类型被区分开来，AUC为0.97±0.04（附表3；STAR方法）。这些结果为基于微生物组的质量控制策略在食品系统中的应用开辟了有趣的视角，支持未来在食品追朔和认证中应用宏基因组学。

仅考虑25种最常见的物种水平基因组箱时（如图4D所示），也可以明显看出按照食物类别对样本进行聚类的情况。与地理因素（包括大陆和国家层面）也存在一定程度的关联，但这主要是由于类别/类型与地理来源之间的相关性所致，不应被解释为具有普遍适用性的概念。

我们进一步在特定类别中识别出子群。例如，乳制品被分为多个子群（图4D；附表2）：最大的子群由乳酸乳杆菌（L. lactis）和乳酸乳球菌（L. cremoris）主导，它们倾向于共同出现（例如，在荷兰型和蓝奶酪中）；另一个子群的特点是嗜热链球菌（S. thermophilus）的高发生率与副干酪乳杆菌（L. paracasei）（例如，在Fontina奶酪中）或瑞士乳杆菌（Lactobacillus helveticus）与德氏乳杆菌（L. delbrueckii）（例如，在mozzarella奶酪中）的共同出现。发酵剂乳酸杆菌（L. kefiranofaciens）和高加索酸奶乳杆菌（Lentilactobacillus kefiri）在酸奶中共同出现，而水发酵乳定义了一个由副干酪乳酸杆菌（L. paracasei）、萨库马乳酸杆菌（L. satsumensis）（在其他类型中未检测到）和希尔加德豆芽孢杆菌（Lentilactobacillus hilgardii）主导的紧密子群。其他发酵饮料类型（例如，康普茶、咖啡和普洱茶）则更紧密地与酒精饮料样本聚集在一起。

这25种最常见的物种水平基因组箱中还包括两种真核生物——酿酒酵母（Saccharomyces cerevisiae）和汉逊酵母群1（Debaryomyces hansenii group 1），这凸显了在探索食品微生物群落多样性时，真菌（尤其是酵母）的重要性。

我们通过评估差异表达的物种水平基因组箱并计算特异性值（即一对一显著比较的数量，图4E和S4B；附表3；STAR方法）来确定特定类别的微生物特征。具体来看，例如，清酒广布乳杆菌（L. sakei）（通常在成熟、陈化和发酵过程中出现）、葡萄球菌（S. equorum）和弯曲乳杆菌（Latilactobacillus curvatus）等菌株被用来表征发酵肉。相反，非发酵肉类则富集了三种独特的物种水平基因组箱，即脆弱假单胞菌（Pseudomonas fragi）（即GTDB中的Pseudomonas_E bubulae，SGB12107-Pseudomonas_E fragi和SGB12108-Pseudomonas_E fragi_D），这是一种与奶制品和生肉腐败有关的物种。发酵豆类和发酵种子则被鉴定为几个来自芽孢杆菌属（Bacillus）的物种水平基因组箱，该属在食品（尤其是大豆）发酵中具有重要作用。我们还定义了物种水平基因组箱富集分数（STAR方法），并确定发酵鱼、发酵豆类、发酵种子、发酵块茎和根、肉类是类别特异性物种水平基因组箱数量最多的类别（图4F）；这大致与具有较低类内多样性的类别（图S3B）相吻合。在乳制品中，当将非发酵样品与发酵样品分开时，也得到了类似的结果（图S4D）。这些发现表明，不仅整个微生物群落，而且一些食品特异性的物种水平基因组箱也可以作为食品类别甚至类型的标志物，如之前所述，这可以在食品追溯和认证中加以利用。

我们还专门研究了未知的物种水平基因组箱，以评估未分类物种对特定食品类别微生物群落特异性的贡献，并确定了至少在一个比较中具有显著意义的81个未知的物种水平基因组箱（图S4C）。在发酵饮料类别中，白酒乳酸菌属（Liquorilactobacillus）SGB69410获得了最高的特异性，该类别还包括另外十种具有鉴别能力的未知的物种水平基因组箱。在其他类别中，未知的物种水平基因组箱也有所富集，包括发酵和非发酵的水果和蔬菜以及肉类（图S4C）。这些结果进一步证明了食品微生物群落中存在大量尚未分离的物种，这在包括食品控制在内的多个应用中可能具有重要意义。

我们将分析扩展至人类微生物组，以测试与食物相关的细菌是否是人体微生物组中常见的定植者。我们考虑了来自39个国家的19,833份肠道和口腔人类样本（见图S5A；附表4；STAR方法），并发现至少在食物和人体环境中检测到1409种物种水平基因组箱（见图5A；附表5）。我们确定了816种在食物中普遍存在的物种水平基因组箱即在至少4份食品样本中检测到，相对绝对丰度>0.1%，见STAR方法），其中409种也在人体样本中被检测到（每个人体样本平均±SD为5±4个食品物种水平基因组箱；见图5A）

几种宿主条件影响了人体微生物群中发现的食品微生物物种数量。在所有年龄组中，食物微生物群与粪便的重叠程度都高于口腔微生物群（图5B和S5B，p<1e-100物种水平基因组箱）。在西方（W）与非西方（NW）人群之间，食物和人体微生物群中共有的物种水平基因组箱数量较高（图5B，p<1e-60），但这可能反映了采样偏差。在同一身体部位、跨年龄组和生活方式下，食物物种水平基因组箱的绝对数量往往保持稳定（图S5C和S5D），但当将其归一化为样本丰富度（图5B、S5E和S5F）或考虑其累积相对绝对丰度（图5C）时，其贡献在新生儿（平均累积相对绝对丰度=56%）和儿童（8%）中显著高于学龄儿童（3%）、成人（3%）和老年人（5%）。

一些食物种类在不同年龄段的人群中均有检出：长双歧杆菌（Bifidobacterium longum）、大肠杆菌（Escherichia coli）、唾液链球菌（Streptococcus salivarius）、嗜热链球菌（S. thermophilus）、双歧杆菌（Bifidobacterium bifidum）和短双歧杆菌（Bifidobacterium breve）（图5D）。虽然预期这些物种，尤其是双歧杆菌属的物种，会出现在新生儿中，但它们在成人中被检出，且此时饮食变得更加多样化，这是值得注意的。虽然婴儿不太可能直接从食物中获得这些物种，因为母婴传播是最可能的获得途径，但食物仍可能是成人微生物群落的种子，其中的菌株会进一步在人与人之间传播，并可能在成年期保留下来。

我们进一步关注了非罕见的人类微生物组成员（相对丰度>0.1%的样本比例>1%；STAR方法），并识别出43种在食物和人体中普遍存在的物种水平基因组箱（图5A和5D）。不出所料，其中21种属于LAB（图5D；附表6），它们在样本量最多的乳制品类别中起着至关重要的作用，并且在人类肠道中普遍存在。乳杆菌（L. lactis）和发酵乳杆菌（L. fermentum）在各种生活方式中广泛分布，副干酪乳杆菌（L. paracasei）和德氏乳杆菌（L. delbrueckii）在西方人群中更为常见，嗜热链球菌（S. thermophilus）在西方人群的粪便（16%的相对丰度>0.1%）和非西方人群的口腔（4%）中常见。10种物种水平基因组箱属于肠杆菌科，其中大肠杆菌最为常见。最后，4种共享的物种水平基因组箱属于双歧杆菌科；长双歧杆菌（B. longum）在粪便中的丰度最高（西方人群中为50%，非西方人群中为25%），而双歧杆菌动物亚种仅在西方人群的粪便中被检测到（4%的流行率）。

总的来说，在食物中发现的几种物种也在人类微生物组中被鉴定出来，许多粪便和口腔样本含有食物物种。这种重叠物种在婴儿微生物组中经常占很大一部分比例，而在成年人中则相对较低（平均±标准差=3%±7%；图5C）。

我们进一步通过StrainPhlAn 4（STAR方法）进行了菌株水平和菌株匹配分析，并识别了一些食品-人重叠的物种水平基因组箱的潜在传播模式（图6和S6）。

例如，副干酪乳杆菌（L. paracasei）在乳制品（33%）、发酵饮料（74%）和水发酵乳（79%）中很常见，其菌株在系统发育树上与人类菌株混合（图6A）。然而，水发酵乳菌株在系统发育树上形成了三个紧密相关的子树（Wk1、Wk2和Wk3），不包括任何其他食品或人类菌株。几个欧洲奶酪（n=80）定义了Clade Ch1，其中包括来自两份粪便样本和全球商业和手工奶制品来源的参考基因组，表明存在共同的工业菌株起源。阿斯图里亚斯奶酪以及从亚洲发酵山羊奶中分离出的菌株聚集在Clade Ch2中。总的来说，人类菌株分布在整个系统发育树上，与食品菌株非常相似（至少有一个食品宏基因组组装基因组的ANI>99.99%的人类宏基因组组装基因组占57%），这表明食品可能是在人体肠道中发现的菌株的最可能来源。

德氏乳杆菌（L.delbrueckii）在乳制品行业中广泛应用，根据文献记载（图6B），它有六个主要的亚种（亚种）。与酸奶生产相关的是德氏乳杆菌保加利亚亚种（L. delbrueckii subsp. bulgaricus），它既在食物样本中又在人体样本中被重建。这个亚种包含三个主要的簇群：B1簇群种与亚洲乳制品相关的两个亚洲人体菌株；荷兰人体菌株B2簇群；酸奶、意大利奶酪和六个人体菌株B3簇群。我们还识别出三个簇群，它们是欧洲奶酪中常见的德氏乳杆菌乳亚种（L. delbrueckii subsp. lactis）：人体菌株L1簇群，意大利奶酪L2簇群，奥地利阿尔卑斯奶酪L3簇群菌株。除了乳制品外，我们还从非洲发酵的块茎和根以及发酵谷物中分离出一些菌株，并主要将其归类为德氏乳杆菌印度亚种（L. delbrueckii subsp. indicus）和德氏乳杆菌雅各布森氏亚种（L. delbrueckii subsp. jakobsenii）。

除了对参与食品加工的物种进行分类外，我们还研究了潜在的病原体。已知与食源性传播有关的大多数物种在我们采集的食品中很少被发现（例如，沙门氏菌（Listeria monocytogenes）仅发现1例，产气荚膜梭菌（Clostridium perfringens）仅发现3例）。其他具有潜在致病菌株的物种更为常见（例如，金黄色葡萄球菌（Staphylococcus aureus）的相对丰度为0.01%，有95例（图S6L）；大肠杆菌（E. coli）的相对丰度为0.02%，有173例（图S6C））。在77份食品样本中检测到ESKAPEE物种埃希氏菌（E. hormaechei），相对丰度为0.02%（图6C），暗示着需要进一步调查以确保食品安全。该系统发育树包括1023个来自人类和其他动物、食品和自然环境的参考基因组以及38个食品菌株（19个来自奶酪，7个来自美国菠菜，5个来自亚洲发酵大豆），我们根据文献检测到了至少5个亚种（除了霍氏肠杆菌奥哈拉氏亚种（Enterobacter hormaechei subsp. oharae）外，其他亚种均在人类和食品中被发现）。

链球菌属（Streptococcus）中的一种细菌—链球菌（Streptococcus gallolyticus）同样可能与疾病有关，包括结直肠癌（11%的流行率 vs. 3%的健康对照；S4）。这种细菌也存在于食物中。然而，食物中的菌株与人类菌株（图6D）有明显不同的聚类，因此很可能排除了人类菌株的食品来源。因此，对食物样本进行宏基因组调查对于研究已知和未被充分认识的具有致病潜力的人体微生物物种的起源来源具有重要意义。

在对食物微生物群落中的原核生物分布进行调查后，我们开始对真核生物部分进行特征化。我们构建了787个真核起源且质量足够的宏基因组组装基因组（n=392 HQ和n=395 MQ；STAR方法；附表2）。这些宏基因组组装基因组是从乳制品（247个样本中的401个宏基因组组装基因组）、发酵饮料（205个样本中的233个宏基因组组装基因组）以及八个其他类别（即酒精、益生菌和不同发酵产品；91个样本中的153个宏基因组组装基因组；图7A）中回收的。这些宏基因组组装基因组被分为108个物种水平基因组箱，全部被归类为真菌类群，从而产生了742个已知的物种水平基因组箱（从787个宏基因组组装基因组中）和45个未知的物种水平基因组箱（从45个宏基因组组装基因组中；附表2）。重建的未知的物种水平基因组箱中最多包含4个宏基因组组装基因组，并被归类为曲霉科（Aspergillaceae，EUK10000063)，粘膜科（Mucoraceae，EUK10000045）和曲霉科（Aspergillaceae，EUK10000063）。

酿酒酵母是重建的物种水平基因组箱中最多的（191个宏基因组组装基因组），主要从发酵饮料（149个）和酒精饮料（29个）中获得。其他常被重建的物种包括汉森氏杆菌1型（130个宏基因组组装基因组，主要来自奶制品和发酵肉类）、罗克福尔青霉（Penicillium roqueforti）（37个宏基因组组装基因组，来自多种蓝奶酪）、短柄帚霉（Scopulariopsis brevicaulis）（36个宏基因组组装基因组）和德巴利酵母（ Kluyvero myces lactis）（26个宏基因组组装基因组）。此外，如毕赤酵母（Pichia Kudriavzevii）和威克汉酵母（Wickerhamiella versatilis）等物种从多种食品类别中恢复（附表2）。

根据分类学分析，在45%的食品样本中检测到了真核物种水平基因组箱（存在时的累积相对绝对丰度中位数为1%；图7B；附表3）。在酒精饮料（97%的检出率）、发酵饮料（92%）和发酵肉类（68%）等食品类别中，检出率最高，这些食品类别通常含有大量的检出宏基因组组装基因组（图7A）。然而，分类学分析在其他三个食品类别中也检测到了真核生物（图7B）：发酵鱼类（20%的检出率）、水果和蔬菜（12%）以及肉类（9%）。

最后，我们研究了酿酒酵母（S. cerevisiae）的遗传多样性，它是我们食品宏基因学中最丰富的真核生物，也是食品工业中最重要的生物。我们通过StrainPhlAn进行系统发育分析，并将我们的食品和人体宏基因组数据与157个来自液态发酵（如葡萄酒和啤酒）和固态基质发酵（如面包和清酒）的酵母菌株基因组（STAR方法）整合在一起。

我们的系统发育树（图7C）包含了424个菌株，并根据文献显示了按食物类型和地理区域的分类。我们从SSF和LSF中分别鉴定出了清晰的酿酒酵母群，如Sake/Asian和Beer-1/Beer-2。来自其他酒精饮料（如烈酒）的菌株的聚类程度较低，这与前人的研究结果一致。来自葡萄酒的酵母菌株要么属于Wine plus Dairy群（Wine-1），要么属于主要由澳大利亚天然葡萄酒发酵样本构成的独特群（Wine-2）。尽管来自某些食物群的菌株属于已知的菌群（如非洲发酵菌株群被归类为了奶制品群），但大多数菌株形成了独特的菌群。我们识别出了一个完全由水发酵乳样本组成的大型菌群，并且他们没有参考基因组。来自北美和南美水发酵乳的样本显示了地理分化，而乳发酵菌则属于乳制品群，这表明了明显的底物起源。

一些从人类肠道中分离出的酿酒酵母菌株属于食物类群，这表明可能存在通过食物摄入传播的菌株。例如，（非洲）棕榈酒类群包括同一个洲的个体，亚洲人位于（亚洲）清酒类群中，而欧洲人则位于欧洲奶酪类群中。这些群体的系统发育分支支持（STAR方法；图S7A）非常强，可能表明存在一些地理上分布的通过食物-人体传播的菌株。少数与人类相关的菌株群与实验室对照和益生菌菌株类群聚类在一起，这表明可能存在通过益生菌摄入获得的菌株。然而，一些分支在统计上支持度较低（图S7A），并且没有通过对对齐位点进行严格的质量控制筛选（图S7B）。这表明，酿酒酵母菌株的菌株鉴定可能因其在人类宏基因组中的低丰度而复杂化，对其系统发育关系的解释应谨慎对待。

总的来说，我们识别出的大多数食物群都得到了很好的支持（图S7A），在数据处理过程中保持一致（图S7B），并且与已知的酵母进化树相符，这表明我们的方法在对酵母进行系统发育分析方面是有效的。

检测直接的食品到人体的微生物传播仍然是一项具有挑战性的任务。虽然我们调查了可能的传播事件（见图6、图7、S6和S7），但目前无法精确估计其发生的时间，并且受到同期人际传播的阻碍。甚至只能通过上下文在一定程度上推断方向性，并且食品微生物是否对传播有剂量依赖效应仍然是一个悬而未决的问题。此外，需要进一步研究的是，在肠道中检测到的食品微生物是否确实是微生物群落的定居者，还是只是暂时存在的。可以设计干预性试验向志愿者补充特定发酵食品，同时进行食品和粪便样本（预、中、后）的菌株水平分析，以调查传播事件和菌株的稳定性与活力。由于从可能的DNA提取偏差到更难构建宏基因组组装基因组的多种限制，从宏基因组学中对真核基因组进行表征仍未得到充分重视，而采用的方法可以是朝着标准化这些分析的方向迈出的一步。

对食品微生物组的全面收集工作尚未完成，目前缺乏来自多个国家的例子和广泛食用的食品类型。当前的数据库构成倾向于某些类型的食品（例如，奶制品）和地理来源。纳入更多种类的食物将有利于识别独特的微生物食品标记，而扩展样本元数据（例如，加工食品与生食品、即食食品与烹饪食品、成分信息）可以扩大应用可能性和结果价值。目前定义和标准化的元数据基于该领域的先前工作，并由食品微生物学家作为当前工作的一部分进一步扩展。然而，为微生物组研究建立更通用的食物本体仍然是一个持续的过程。