大连迄今最全总结：皮肤上的细菌、真菌和
迄今最全总结：皮肤上的细菌、真菌和病毒们
今天是第641期日报。
Nature子刊：一文读懂人体的皮肤微生物组（综述）
Nature Reviews Microbiology[IF:26.819]
① 人体不同部位的皮肤细菌受生理影响，皮脂部位主要由亲脂性的丙酸杆菌属物种占据，潮湿环境主要是链球菌属及棒状杆菌属；② 生理环境对皮肤真菌的影响较小，马拉色菌属在躯干、四肢及双足的皮肤中占主要部分；③ 不同个体的皮肤病毒并不保守，默克尔细胞多瘤病毒（MCV）可引起皮肤癌；④ 角质细胞通过PRR感知PAMP，触发先天性免疫反应，介导皮肤菌群、上皮细胞、免疫系统之间的互作；⑤ 免疫系统对皮肤菌群的耐受性由出生后的Treg介导。
The human skin microbiome
2018-01-15 DOI: 10.1038/nrmicro.2017.157
FI：菌群在呼吸道健康中的核心作用（综述）
Frontiers in Immunology[IF:6.429]
① 呼吸道共生菌群包括细菌、真菌和病毒等，上、下呼吸道菌群组成相似但有差异，目前研究主要集中于宿主与共生细菌间的相互作用；② 呼吸道菌群可抑制宿主在感染及自身免疫病中的促炎症反应，宿主免疫反应与菌群活性间的平衡对维持健康至关重要；③ 共生菌还可通过多种方式助宿主抵抗致病菌，如诱导宿主的免疫交叉反应以产生针对病原体的保护性免疫；④ 共生菌可作为疫苗给药系统，相关研究将有助于开发针对呼吸道病原体的疫苗和药物。
Exploring Host-Commensal Interactions in The Respiratory Tract
2018-01-17 DOI: 10.3389/fimmu.2017.01971
FEMS MR：肠道菌群如何降解复杂聚糖？(综述)
FEMS Microbiology Reviews[IF:12.198]
① 人体肠道菌群（HGM）的主要营养来源是宿主和饮食中的复合碳水化合物；② HGM具有降解复杂的植物衍生聚糖（如纤维素、半纤维素、果胶、阿拉伯半乳糖蛋白等）和动物衍生聚糖（如粘多糖和宿主的黏蛋白-O-聚糖）的功能；③ 总体来说，拟杆菌属是聚糖的主要降解者，其基因组中编码了较多的糖苷水解酶和多糖裂解酶基因，厚壁菌门的一些细菌和放线菌门中双歧杆菌属也可代谢某些聚糖；④ 聚糖的胞外代谢对HGM内各种细菌间的交互营养共生至关重要。
Biochemistry of Complex Glycan Depolymerisation by the Human Gut Microbiota
2018-01-09 DOI: 10.1093/femsre/fuy002
Microbiome：真菌在微生物群落稳定性中起重要作用
Microbiome[IF:8.496]
① 用稀疏逆协方差估计推断生态关联(SPIEC-EASI)方法，分析已发表的涵盖细菌和真菌菌群构成的肺和皮肤的微生物组数据；② 对每个微生物组推断出3个关联网络，相较于单届的细菌网络和真菌网络，细菌真菌的跨界网络具有更高的连通性、稳定性，且有相似的拓扑重组模式；③ 基于跨界网络，挑选有关联的三种微生物在体外进行共培养实验；④ 真菌在微生态网络架构中起稳定作用，结合计算机算法和体外共培养实验，有助于研究作为整体的微生物群落。
Fungi stabilize connectivity in the lung and skin microbial ecosystems
2018-01-15 DOI: 10.1186/s40168-017-0393-0
FM：大肠癌患者的口腔、粪便和癌组织中菌群的初步分析
Frontiers in Microbiology[IF:4.076]
① 从10名大肠癌（CRC）患者和10名对照个体中取样（唾液、粪便、癌组织），用二代测序和qPCR技术分析菌群构成和具核梭杆菌的丰度；② 基于16S rRNA的分析表明，厚壁菌门、拟杆菌门和变形菌门是样本中的主要细菌，CRC患者粪便样本中拟杆菌较多，对照个体粪便中厚壁菌门较多，但该差异不显著；③ CRC癌组织菌群的α-多样性最高；④ 具核梭杆菌的丰度在CRC癌组织中最高，在唾液中次高，在粪便中最低，其丰度在CRC患者与对照个体中无显著差异。
Preliminary comparison of oral and intestinal human microbiota in patients with colorectal cancer: a pilot study
2018-01-12 DOI: 10.3389/fmicb.2017.02699
BMCB：CoMet宏基因组分箱的新方法
BMC Bioinformatics[IF:2.448]
① 分箱是分析宏基因组测序数据的关键一步，有分类学依赖和不依赖两大类型后者再分为基于序列组成和基于相对丰度等两种方法；② CoMet属第二类型方法，但它同时使用了相对丰度和序列组成这两类信息，即重叠群覆盖率，GC含量和四碱基频率；③ 该方法使用有噪音条件下基于密度的空间聚类应用（DBSCAN）算法对覆盖率和GC含量聚类，再结合四碱基频率优化分箱结果；④ CoMet与MaxBin、Metawatt，MyCC等同类工具相比均有一定优势。
CoMet: a workflow using contig coverage and composition for binning a metagenomic sample with high precision
2017-12-28 DOI: 10.1186/s12859-017-1967-3
您也许对以下文章感兴趣：
