---

---

编者按：

微生物组研究工作者们肯定对 UniFrac 和 QIIME 这两个数据分析工具及其开发者 Rob Knight 很熟悉。

Rob Knight 是加州大学圣地亚哥分校生物工程、儿科、计算机科学与工程系教授。

• 2014 年，被评为 Thomson Reuters 世界最具影响力科学头脑。

• 2015 年，获得 Vilcek 奖，以表彰其在科学领域的贡献。

• 2017 年，被评为 Rady 儿童医院基础研究杰出科学家

• 2017 年，获得 Massry 奖项，以表彰其对生物医学科学和健康进步的杰出贡献。

• 2020年初，个人引用接近20万，微生物组领域全球高引第一人。

Google Scholar：https://scholar.google.co.jp/citations?user=_e3QL94AAAAJ&hl=en

微生物组领域全球最高引的三位作者。数据来源Google Scholar，关键字microbiome，截止2020年5月5日(下同)。

那么这位微生物组学大佬是如何进入这个领域的呢？

今天让我们一起来聊一聊微生物组领域的大佬 Rob Knight 背后的故事。

从Ⅲ型分泌系统到微生物组

加州大学圣地亚哥分校微生物学家 Rob Knight 开发了用于分析微生物测序数据的计算工具，他是微生物组研究的先驱。

2004 年，Rob Knight 在科罗拉多大学开设了他的第一个实验室。不久后，他的一位研究生 Catherine Lozupone 找到他，表示想要改变研究方向。

当时，Knight 的实验室研究的是细菌的 III 型分泌系统（Type III secretion system），这是一类革兰氏阴性菌用来发现并感染真核生物的系统。Lozupone 告诉 Knight，她不想再研究这个分泌系统了，她想要利用计算方法去研究微生物多样性。

Knight 回忆：“在她刚加入实验室的时候，我们关于她的实验方向有过讨论，我告诉她‘你需要了解的是，我并不想阻止你实现你的梦想，但是同时，III 型分泌系统是目前一个很火的研究方向。至于微生物多样性，即使是 Mac Arthur 天才奖得主和国家科学院院士 Norman Pace 也不能获得资金来做微生物多样性的研究。’

当她博士毕业时，如果发现自己的工作无人问津而III型分泌系统却登上了 Science 的封面时，我会感到很难过。”

然而，Lozupone 还是坚持了她的研究想法，在 2005 年，她和 Knight 发表了一篇论文，这篇文章介绍了一种计算工具 UniFrac(目前此方法被19800篇论文提及)，这种工具用系统发育的方法来鉴定微生物群落的组成。在 UniFrac 发表后，Knight 逐渐将他实验室的研究方向转向了研究微生物生态系统的复杂性。

那么， Ⅲ 型分泌系统呢？

“我们从来没有在这方面发表过任何论文。Lozupone 接下来的工作转向了 QIIME，QIIME 目前是使用最广泛的微生物群落高通量测序数据分析平台(引用近两万次)。”Knight 说。

因为这些工作经历，Knight 成为了微生物组研究方面的领袖之一。Knight 团队研究的环境从人们的厨房到北极土壤，研究的内容主要是人体或者其他动物上的细菌和其他微观成分。同时，该团队还利用微生物组的数据研究微生物如何影响人类健康和生态环境。

如何开始的？

Knight 出生在 1976 年，是兄弟三人中的大哥。在新西兰的南部岛屿 Dunedin 长大。他的父母 John 和 Alison 是奥塔哥大学的免疫学研究员。

Knight 喜欢到户外玩耍，探索奥塔哥的半岛和海岸。他喜欢阅读科幻小说，并对化石有很大的兴趣，当他 7 岁的时候，就用纸张做了一个恐龙模型。另外，Knight 很早就被计算机所吸引。

1994 年，他成为了奥塔哥大学的新生，学习生物化学，因为他在高中时候对生物和化学产生了兴趣。当时他觉得他可能会成为一名化学工程师。Knight 在大学期间加倍学习，并且仅花了两年半的时间就毕业了。

Knight 说：“我认为上课会分散我对研究内容的注意力。”

受到他所阅读的学科科学刊物的影响，Knight 在大学期间开发了他自己的独立种群模型，并且想要将这一概念应用于控制害“虫”，包括引入新西兰的兔子和其他非本土的哺乳动物。

在 1995 年，他获得了奖学金和去普林斯顿大学学习的机会，并在 Lee Silver 的分子生物实验室开展研究，使用遗传学工具来控制害虫的数量。然而，Silver 最终关闭了他的实验室转而专注于政策和生物伦理的研究。

计算基因组：从DNA到RNA

1997 年 Knight 在普林斯顿大学读研究生，同时，他需要加入一个新的实验室。受到进化研究的吸引，他选择了 Laura Landweber 的实验室。

最初，Knight 想要做一些他一直花时间进行的生物研究实验。但是最终，他提升了编程技能，并且发表了多项使用计算机分析的研究结果。

实验室中的其他人也对他产生了影响，包括当时的博士后、现在的Maryland大学的教授 Stephen Freeland。他让 Knight 了解到了使用计算机方法去研究进化科学的重要性。

Knight 决定要重点研究 DNA，从一个由早期遗传学家发现的未解决的问题开始：鸟嘌呤-胞嘧啶（G-C）核苷酸的含量与基因组中某些特定氨基酸密码子使用之间的关联。

Knight 开发了一种程序分析了 596 个细菌、古菌和真核生物基因组中的蛋白质编码基因，并基于突变率和选择率使用线性回归创造了一个简单的模型。

这项工作表明了基因组的 G-C 含量决定了特定密码子的使用，解释了为什么不同的有机体偏好不同的密码子序列来编码同样的氨基酸。

举例来说，苯丙氨酸可以由两种不同的密码子编码：UUU 或者 UUC。具有高 G-C 含量的物种更偏向于使用 UUC 密码子和其他含有鸟嘌呤和胞嘧啶的密码子。Knight 说：“我可以使用数学模型去解决不同物种间的遗传密码使用的难题。”

研究生毕业后，Knight 加入了 Michael Yarus 在科罗拉多大学博尔德分校的实验室，作为博士后研究 RNA 序列。

他的研究兴趣在于开发计算方法去理解 RNA 序列元素（在 RNA 内发现的特定序列）如何发挥功能，比如如何结合到蛋白质上。在编码 RNA 的基因上识别这样的生物功能序列并了解 RNA 序列的二级结构，以帮助研究人员理解其行为和结合伴侣。

Knight 分析了 RNA 序列和它的二级结构与功能之间的联系，发现称为模体（motif）的重复序列可以用来识别编码 RNA 的 DNA 序列并可以预测 RNA的二级结构。这项研究工作并不简单。

Knight 解释：“如果你想要研究 RNA 序列及二级结构，那么，从产生随机序列、折叠并检查它们的结构是否正确，这些程序需要耗费很大的工作量。

但是工作的诀窍在于，如果你能够根据一个 RNA 序列计算出正确 RNA 结构的可能性，这将节省大量的计算时间，并可以让这些 RNA 搜索变得容易管理。”

但是，即使如此，也需要由一台超级计算机来进行运算。

探索微生物的过程

2004 年 Knight 博士后出站后，在 Boulder 建立了自己的实验室。不久后，如开头所说，在 Lozupone 促使下转换了新的研究方向并开始研究微生物多样性，而 Lozupone 现在也已经在 CU Denver 建立了自己的实验室。

然后，Knight 开始与 Norman Pace 合作。Pace 的实验室开展的是微生物组研究，对在医院和其他建筑环境中发现的细菌核糖体 RNA（rRNA）基因进行测序。这些 rRNA 基因在所有生物的蛋白质合成方面都是必须的，因此它们具有较高的保守性。在鉴定细菌方面，利用 DNA 序列去解释种与种之间的进化关系，传统上都是基于 rRNA 基因。

Lozupone 和 Knight 发现，生物学家缺乏专门分析微生物组大量测序数据的工具。所以他们开发了 UniFrac，除了可以对样本中的物种数进行计数外，还可以基于细菌测序数据创建进化树，并鉴定微生物进化树中相同和独特的部分。

这篇论文发表在 2005 年，到目前为止已经引用了超过 4950 次。

Knight 的下一步研究是和 Jeffrey Gordon 合作进行的，Jeffrey Gordon 是圣路易斯华盛顿大学医学院的肠道专家，主要研究肠道微生物和健康之间的关系。

研究人员对四个不同组别的小鼠肠道微生物进行测序。这四个不同的组别分别是：带有两个突变拷贝的会引起过量饮食的肥胖小鼠；携带有一个突变拷贝的同代小鼠；正常体重野生型同代小鼠；携带一个突变拷贝的母系小鼠。

所有小鼠都饲喂同样的饲料。UniFrac 分析了 rRNA 基因序列发现肥胖小鼠中的某种细菌组比健康小鼠少 50%，而另一种细菌组比健康小鼠多 50%，表明肥胖影响了肠道微生物的多样性。

Knight 说：“没有人会关注肥胖的同时关注微生物组，然而我认为这是一个有趣的项目。”

Knight 继续与 Gordon 合作，研究肥胖和肠道微生物之间的联系。在 2009 年，团队研究了瘦-胖双胞胎，发现消瘦和肥胖与不同的微生物组相关。

一年后，Knight 的实验室发布了 QIIME（Quantitative Insights Into Microbial Ecology），这是一个可以让用户分析大量原始测序数据的软件，也可以比对序列，创建进化树产生可视化的图形。

同年，微生物组的研究也开始飞速发展，Gordon 和 Knight 的实验室走在了前列。2013 年，Gordon 研究团队在 Science 上发表了论文，展示了将来自消瘦或者肥胖人类双胞胎的粪便微生物转移到无菌小鼠中，可以传递给小鼠相应的身体表型。

2011 年，Knight 的实验室开发了一种更先进的机器学习技术，可以让研究人员根据某个人的微生物组预测这个人是肥胖还是消瘦，而且准确率可以达到 90%。而在之前的研究中发现，仅利用遗传数据来预测某个人的身体成分准确率较低为 57%。

Knight 说：“使用微生物组而不是遗传数据对肥胖体型进行分类，表明引起肥胖更重要的是环境因素而不是遗传因素。”

Knight 和他的团队，也在研究微生物和饮食之间的联系，以及人类家庭微生物组。团队分析了来自 33 个哺乳动物种和 18 个有饮食记录习惯的人类粪便样品。

研究发现，人类和其它动物的微生物组对饮食的适应具有相似性，而素食和肉食者之间具有较大的差异。

另外，通过对 7 个家庭的住房进行取样，其中包括了在实验期间搬家的 3 个家庭，Knight 与 Jack Gilbert 发现，每个家庭的住房都具有特定的微生物组，并且住房微生物组的组成在很大程度上是由居住者所决定的。当人们搬家时，在新家的微生物组很快就开始同之前的住所变得一样。

Knight 说：“我们已经从分析健康或患病人群的单个样本数据发展到空间分析研究，通过这种研究我们可以观察数百个样本来追踪人群。”

2015 年，Knight 将他的实验室搬到了加州大学圣地亚哥分校，并开始专注于涵盖范围更广的科研项目，比如美国肠道计划和地球微生物组计划。

2016 年，美国肠道协会发表了一项研究，展示了患有偏头痛的患者与没有偏头痛的患者相比，口腔厌氧菌中与产生一氧化氮相关的基因丰度显著提高，而一氧化氮与头痛具有相关性。

而在地球微生物组计划中，Knight 团队发表了一项 28000 个样本的大数据分析研究，鉴定了世界范围内大约 300000 个独特的微生物 16S rRNA 序列。

教学科研到科普读物

Knight 喜欢尽可能多地提出生物相关的问题，同样喜欢花精力去研究计算模型和编程，也喜欢教这些技能。

“编写能够给出可重复结果的代码并开发生物学家也可以理解的软件能给我满足感，”Knight 说，“我很感激 Mike Yarus（美国生物学家）鼓励我去训练并监督学生，这样我可以一直运营一个计算机实验室。”

尽管 Knight 在计算科学方面接受的正式训练较少，但是他现在运营着一个几乎是计算机学科实验室。Knight 说：“我上过的唯一的计算科学课程是在大学一年级。但是现在我成为了儿科、计算机科学和生物工程方面的教授。”

但是 Knight 并不是仅仅关注教学和科研。他说他也想要公众参与他的科研。他写了两本关于人类微生物组的科普书籍。

第一本书 Follow Your Gut，是一本关于抗生素、饮食、生活环境和其他因素如何影响微生物组和健康的研究合集。另一本书 Dirtis Good ，与 Jack Gilbert 共同著作，这本书从微生物组研究角度为父母提供建议。

Knight 说，这些书会激发读者提出很多问题，其中最常见的问题是，疫苗是否会影响儿童的微生物组。Knight 回答：“我的回答是，大量证据表明疫苗对孩子的存活是有帮助，另一方面抗生素对微生物会有很大的影响。”

原文链接：https://www.the-scientist.com/profile/microbe-miner--a-profile-of-rob-knight-65899

作者｜Anna Azvolinsky

编译｜gemiu

审校｜617

编辑｜崔心伟

猜你喜欢

10000+：菌群分析 宝宝与猫狗 梅毒狂想曲 提DNA发Nature Cell专刊 肠道指挥大脑

系列教程：微生物组入门 Biostar 微生物组  宏基因组

专业技能：学术图表 高分文章 生信宝典 不可或缺的人

一文读懂：宏基因组 寄生虫益处 进化树

必备技能：提问 搜索  Endnote

文献阅读 热心肠 SemanticScholar Geenmedical

扩增子分析：图表解读 分析流程 统计绘图

16S功能预测   PICRUSt  FAPROTAX  Bugbase Tax4Fun

在线工具：16S预测培养基 生信绘图

科研经验：云笔记  云协作 公众号

编程模板: Shell  R Perl

生物科普:  肠道细菌 人体上的生命 生命大跃进  细胞暗战 人体奥秘

写在后面

为鼓励读者交流、快速解决科研困难，我们建立了“宏基因组”专业讨论群，目前己有国内外5000+ 一线科研人员加入。参与讨论，获得专业解答，欢迎分享此文至朋友圈，并扫码加主编好友带你入群，务必备注“姓名-单位-研究方向-职称/年级”。PI请明示身份，另有海内外微生物相关PI群供大佬合作交流。技术问题寻求帮助，首先阅读《如何优雅的提问》学习解决问题思路，仍未解决群内讨论，问题不私聊，帮助同行。

学习16S扩增子、宏基因组科研思路和分析实战，关注“宏基因组”

点击阅读原文，跳转最新文章目录阅读