常见问题。 微生物组用来回答“宿主或环境中的微生物群落如何变化，以及这些变化是否影响表型”。它适合研究根际装配、肠道生态、病原竞争、代谢物介导、免疫调节和菌株功能差异。
一般分析思路。 先明确 16S/ITS、shotgun、metatranscriptome 或代谢组层级；再做污染控制、分类/功能注释、alpha/beta diversity、差异丰度、组成型数据处理、功能通路或 MAG；最后用绝对定量、SynCom、移植、定植或代谢物验证走向机制。
为什么这样分析。 微生物丰度通常是相对丰度，群落变化受采样、污染、宿主 DNA、数据库和组成约束影响。分类变化不等于功能变化，同一物种不同菌株也可能功能相反，所以要从“谁在那里”推进到“它们能做什么、是否真的做了、是否改变宿主”。
生物学主线。 微生物组是生态系统：资源、空间、竞争、互利、宿主免疫和环境过滤共同决定群落。植物根际尤其要按 bulk soil、rhizosphere、rhizoplane、endosphere 的过滤层级来读。
微生物组指生活在某个环境中的微生物群落，包括细菌、真菌、古菌、病毒等。它们不是各自孤立存在，而是在争夺营养、占据空间、分泌代谢物、抑制竞争者、帮助或刺激宿主免疫。肠道、根际、皮肤、土壤都可以看成不同生态系统。
一个菌变多或变少，背后可能是食物/根系分泌物改变、宿主免疫改变、抗生素或病原竞争，也可能只是其它菌下降导致相对比例变高。对植物来说，根会释放糖、有机酸和信号分子，像过滤器一样从土壤菌库中筛选微生物。微生物组分析要从生态关系出发，而不是只背菌名。
10.116S、ITS 与 shotgun 的区别¶
16S rRNA 扩增子测序常用于细菌和古菌群落分析，ITS 常用于真菌群落。扩增子方法成本低、适合大样本量，但分类分辨率有限，受引物偏好影响明显。shotgun metagenomics 直接测序样本中的总 DNA，可以更好地区分物种和功能基因，但成本更高，宿主 DNA 污染和数据库依赖更强。
如果问题是“群落结构是否变化”，16S/ITS 可能足够；如果问题是“哪些功能基因、耐药基因、代谢通路或菌株变化”，shotgun 更合适；如果问题是“哪些微生物基因正在表达”，需要 metatranscriptomics；如果问题是“微生物影响宿主的代谢物是什么”，需要代谢组或靶向检测。
10.2分类组成、功能组成和代谢潜力¶
微生物组分析可以在三个层面解释。分类组成回答谁在那里；功能组成回答它们可能携带什么基因；代谢层回答它们可能产生或消耗什么分子。分类变化不一定等于功能变化，因为不同菌可以携带相似功能；同一物种的不同菌株也可能功能差异巨大。
shotgun 数据常见输出包括 species abundance、gene family abundance、pathway abundance 和 MAGs（metagenome-assembled genomes）。MAG 可以从混合样本中重建微生物基因组草图，但质量依赖组装、分箱和覆盖度。
生物学补充：微生物组是生态系统，不是菌名排行榜¶
一个菌能不能在宿主或根际中稳定存在，取决于资源、空间、竞争、互利和宿主过滤。肠道里，膳食纤维、胆汁酸、氧气梯度、黏液层和免疫压力共同决定群落；植物根际里，根系分泌物、土壤颗粒、水分、pH、矿质元素和植物免疫共同决定谁能进入根际、根表和根内。微生物组测序看到的相对丰度，是这些生态过程的结果，不是单个菌独立变化。
功能冗余是微生物组解释的核心难点。两个样本的分类组成差异很大，短链脂肪酸合成、氮循环、芳香族化合物降解或抗生素抗性功能却可能相似；同一种名下不同菌株，也可能因为质粒、噬菌体、毒力岛或代谢岛不同而功能完全不同。shotgun 和 MAG 的价值就在于把问题从“谁在那里”推进到“它们携带哪些功能模块”，但真正的机制还要落到代谢物、宿主反应和定植实验。
在植物系统中，可以把根部微生物组想成连续过滤：bulk soil 是 source pool，rhizosphere 受根系分泌物影响，rhizoplane 接触根表，endosphere 则需要突破宿主屏障进入组织内部。越靠近根内，宿主选择越强，群落越不像原始土壤。这条生态逻辑比单纯比较“某菌升高”更重要。
10.3alpha/beta 多样性¶
alpha diversity 描述单个样本内部多样性，例如 richness、Shannon index 和 Simpson index。beta diversity 描述样本之间群落差异，例如 Bray-Curtis、Jaccard、UniFrac。多样性指标不是越高越健康，必须结合生态场景。例如阴道微生物组中低多样性且乳酸杆菌占优可能是稳定状态，而肠道中极低多样性可能提示扰动。
PCoA、NMDS 等排序图常用于展示 beta diversity。解释时要看分组是否显著、效应量多大、是否被批次、饮食、药物、年龄或地理来源驱动。
10.4组成型数据和污染控制¶
微生物组丰度通常是相对丰度，总和被约束为 1。这意味着一个菌相对丰度升高，可能是它真的增加，也可能是其他菌减少。组成型数据需要谨慎使用差异分析方法，最好结合绝对定量、spike-in、qPCR 或宿主归一化。
低生物量样本尤其容易受污染影响。试剂、采样管、空气和操作环境都可能贡献微生物 DNA。阴性对照、mock community、随机化提取顺序和污染识别是微生物组实验的基本要求。
10.5从相关到机制¶
微生物组论文最常见结论是“某菌与某疾病相关”。要走向机制，需要更多证据：纵向变化是否先于表型；菌株移植是否复制表型；代谢物是否介导效应；宿主免疫或屏障功能是否改变；抗生素、无菌动物、定植实验或体外共培养是否支持因果。
微生物机制通常有几条常见路径：第一，代谢物介导，例如短链脂肪酸、胆汁酸、色氨酸代谢物、植物激素类似物或 siderophore；第二，免疫调节，例如诱导 Treg、Th17、抗菌肽或植物 PTI/ETI 相关通路；第三，生态占位，例如竞争营养、产生抗菌物质或阻止病原定植；第四，屏障和组织结构改变，例如黏液层、上皮紧密连接、根表细胞壁和木质化。把候选菌放进这些机制类别里，论文解读会比“有益菌/有害菌”清楚得多。
微生物组不是一张菌名列表，而是一个生态系统。分类、功能、代谢和宿主反应要放在一起解释。
10.6CNS / 高影响案例深读：根际微生物组如何从组成走向机制¶
我选的案例。 Bulgarelli et al. 2012, Nature 和 Lundberg et al. 2012, Nature 是植物微生物组必读双论文。它们几乎同时把 Arabidopsis root microbiome 从“土壤里有什么菌”推进到“宿主、土壤和根部区室如何共同装配群落”的问题。
科研逻辑图。
flowchart LR
Q[真实问题: 根系如何从土壤菌库装配微生物群落] --> S[采样设计: soil / rhizosphere / root / endosphere]
S --> A[16S/shotgun profiles]
A --> P[variation partition: 土壤来源 vs 区室 vs 宿主基因型]
P --> H[装配假设: 根部区室是过滤器]
H --> M[候选菌群/功能]
M --> V[SynCom / 重接种 / 突变体 / 代谢物验证]为什么必须做微生物组。 植物表型不只由植物基因组、转录组和土壤理化性质决定。根际、根表和根内形成连续但有选择性的微生态过滤器。若只测植物 RNA，你能看到免疫或营养响应；若只测土壤理化指标，你看不到哪些微生物真正被根选择。微生物组让“谁被招募、在哪个根部区室、是否受宿主基因型影响”变成可测问题。
原理如何支撑结论。 这两篇主要依赖 16S amplicon sequencing：用 marker gene 读取 bacterial community composition，再按 soil、rhizosphere、root/endosphere 和 host genotype 分层。关键不是画物种柱状图，而是把 variation partition 做清楚：哪些差异由土壤来源解释，哪些由根部区室过滤解释，哪些由植物基因型贡献。
从实际科研逻辑怎么读。 微生物组论文最容易停在“某菌显著增加”。正确读法是先看生态设计：有没有分区室采样？有没有土壤来源对照？有没有阴性对照和批次随机化？Bulgarelli/Lundberg 的核心不是某个 taxon，而是装配规则：土壤提供 source pool，根际和根内逐级过滤，宿主基因型施加较小但真实的选择。这个逻辑比单纯差异丰度更接近机制。
关键结果如何支撑生物学声明。 如果 root/endosphere 样本相对于 soil 明显收敛，支持“植物根部选择性过滤”；如果不同 soil 中的根内群落仍共享核心成员，支持“宿主区室效应”；如果不同 Arabidopsis accessions 在同一土壤中出现可复现差异，才支持“宿主遗传影响微生物装配”。这些结果解决的是“谁决定群落结构”的问题，而不是直接证明某菌促进生长。后者必须靠 SynCom、单菌定植、突变体和代谢物实验。
结论边界。 16S 只能给有限分类分辨率和相对丰度，不能直接证明功能；组分性会让“某菌升高”可能只是其他菌下降；温室条件不等于田间生态。今天重做应加 shotgun/metatranscriptomics、绝对定量、SynCom 重接种、植物突变体和代谢组，才能把“装配规律”推进到“哪些菌株通过哪些代谢或免疫机制影响宿主”。
参考。 Bulgarelli et al. 2012. Nature. https://www.nature.com/articles/nature11336；Lundberg et al. 2012. Nature. https://www.nature.com/articles/nature11237；Ridaura et al. 2013. Science. https://www.science.org/doi/10.1126/science.1241214