华南理工大学吴凯教授团队发表重要学术成果 揭示人类肠道微生物组的三态生态法则
研究背景
肠道微生物组被广泛认为是影响人类健康的重要生物系统，其生态结构和功能变化与多种精神障碍密切相关。然而，现有研究多基于单一队列或特定疾病状态展开，往往采用“组间比较策略，难以刻画不同人群、不同疾病之间菌群变化的连续性与整体生态特征。特别是在跨国家、跨人群的大规模研究中，由于饮食、环境和技术差异显著，如何在全球尺度上建立一套可比较、可迁移的肠道菌群表征框架，系统描绘健康与疾病之间的偏移模式，仍是该领域亟需解决的关键问题。
论文概要
2026年5月，beway必威精装版医学大数据与人工智能分会副主任委员、医工结合分会委员、华南理工大学生物医学科学与工程学院吴凯教授与广州医科大学附属脑科医院吴逢春教授联合BIGHI团队在国际期刊《Advanced Science》发表最新研究成果，论文题为：“Dissecting Ecological Structure of Health and Disease in the Global Gut Microbiome”。研究提出了一种名为Wiredancer的全球微生物生态建模框架，并基于超过两万例宏基因组数据首次揭示，人类肠道微生物组并非沿健康—疾病轴发生简单连续漂移，而是会在有限生态状态之间发生系统性跃迁，最终形成由“紊乱、保护和调和”构成的三态生态组织规律。进一步分析表明，健康人群主要聚集于高稳定生态状态，而疾病相关微生物组则表现出更高的离散性与状态漂移，提示疾病相关菌群异常本质上可能对应复杂生态系统稳定性下降后的“生态相变”。该研究不仅突破了传统单菌或二元分类研究框架，也为理解微生物组失衡、疾病异质性及跨疾病生态共性提供了新的理论视角。华南理工大学生物医学科学与工程学院吴凯教授、材料科学与工程学院施雪涛教授及广州医科大学附属脑科医院吴逢春副院长为论文共同通讯作者，华南理工大学博士生朱宝圆为论文第一作者。
结果分析
研究首先从当前微生物组研究面临的一个关键限制出发：不同国家、不同人群、不同研究平台产生的数据高度异质，使得健康与疾病相关的菌群变化难以进行系统比较。为此，研究提出Wiredancer框架，从生态学角度对肠道微生物组进行重新表征，不再聚焦单一物种差异，而是将个体菌群状态映射为连续的生态构成比例，从而在统一坐标系下刻画人类肠道微生物组在健康与疾病之间的整体偏移模式。
图1 研究总体设计：构建全球肠道菌群“统一坐标系”
研究从全球尺度出发，系统整合来自多个国家和地区的人类肠道宏基因组数据，首先刻画了样本在地理分布与研究来源上的广泛异质性。在此基础上，通过β多样性分析评估健康与非健康人群在整体群落结构上的差异，结果显示两组在主坐标空间中存在显著但高度重叠的分布特征，提示疾病相关的微生物组改变并非形成彼此分离的结构，而更符合连续偏移的生态模式。进一步结合α多样性与综合健康相关指标分析发现，健康人群在Shannon多样性和GMHI指数上整体更高，且二者在全体样本中呈显著相关，反映出微生物多样性降低与健康状态下降之间的一致关系。值得注意的是，这些差异在多研究、多队列背景下仍保持稳定，说明健康—非健康相关的微生物组变化具有跨人群的一致性，但其表现形式更接近于整体生态结构的系统性偏移，而非简单的二元分化。
图2 全球尺度下健康与非健康微生物组的整体偏移特征
在此基础上，研究进一步从生态结构简化的角度入手，采用相似性约束的因子化建模策略，从全球数据中提炼出三条稳定的微生物生态因子，用以刻画肠道微生物组的主要变化方向。分析显示，健康人群在这些生态因子上的组合模式相对集中，而非健康与疾病状态呈现更高的离散性，反映出微生物组在失衡状态下沿多条路径发生偏移。这一结果强调，疾病相关的菌群改变并不存在单一模式，而是体现为生态系统稳定性下降后的多样化演化结果。
图3 稳定微生物生态因子的提取与验证
进一步地，研究从动态生态学角度分析肠道微生物组在不同年龄阶段及纵向随访中的变化特征。结果表明，在健康状态下，生态因子随年龄变化相对平稳，而在非健康状态下则表现出更大的波动性和个体差异。通过状态转移与相似性分析，研究发现部分生态状态具有较高稳定性，而另一些更易发生迁移，提示疾病相关的微生物组并非进入新的稳态，而是处于更加不稳定、易漂移的生态环境中。
图4 因子的纵向队列验证
在全球生态规律的基础上，研究进一步从临床验证角度，将该生态表征应用于中国精神障碍队列。分析显示，抑郁症、双相障碍和精神分裂症患者在生态空间中整体偏离健康基线，且偏移方向具有一致性。更重要的是，这种生态偏移与多维认知功能损害显著相关，表明微生物组的整体生态状态，而非单一菌群变化，可能反映精神障碍中跨诊断的认知表型特征。
图5 重性精神疾病独立队列验证
最后，研究从个体层面与病程演化角度进一步分析微生物生态偏移的临床意义。通过量化个体相对于健康参考状态的生态偏离度，研究发现该指标可反映症状负担与潜在亚型差异。在纵向随访中，尽管临床症状可在短期内改善，但整体生态结构保持相对稳定，提示该生态表征更可能反映个体持久的微生物背景状态，而非短期症状波动的简单结果。
图6 基于个体因子的临床关联探究
结论与讨论
通过在全球尺度宏基因组数据中系统构建并验证微生物生态因子，研究表明，人类肠道微生物组的健康—疾病变化并非随机离散，而是可被压缩为少数稳定且具有生物学意义的生态主轴。进一步分析发现，这些生态因子在不同人群、不同研究背景下均表现出良好的稳健性，能够同时刻画健康状态下的生态集中性与疾病相关状态中显著增强的生态离散性。生态因子不仅反映整体群落结构的系统性偏移，还与微生物多样性及综合健康指标保持一致关联，提示人类肠道微生物组可能存在由“紊乱、保护和调和”构成的三态生态组织规律。总体而言，该研究为理解复杂疾病中的微生物生态失衡、个体异质性及动态演化过程提供了新的生态学视角与理论基础。
通讯作者介绍
吴凯，华南理工大学生物医学科学与工程学院教授、博士生导师，国家重点研发计划首席科学家，广东省杰出青年基金获得者，beway必威精装版医学大数据与人工智能分会副主任委员、医工结合分会委员。长期聚焦精神神经疾病的脑功能网络损伤机制及其与微生态系统的交互关系，主持国家重点研发计划、国家自然科学基金及广东省重点项目等科研课题20余项，以通讯作者身份在PNAS、Advanced Science、Research、Journal of Translational medicine及NeuroImage等国际高水平期刊发表论文180余篇。
课题组前期相关论文：
[1]Wu F, Zhu B, et al. The Brain-Gut Health Initiative (BIGHI): A Prospective Cohort on Psychiatric Disorders in China[J]. Research, 2026.
[2]Yunheng Diao, Yuanyuan Huang, Baoyuan Zhu, Minxin Guo, Wei Wang, Zhaobo Li, Wenhao Li, Heng Zhang, Jing Zhou, Xiaobo Li, et al. Heterogeneity-Aware, Multiscale Annotation of Shared and Specific Neurobiological Signatures among Major Neurodevelopmental Disorders. Research. 0:DOI:10.34133/research.1115.
[3]Guo M, Zhang H, Huang Y, et al. Transcriptional patterns of nodal entropy abnormalities in major depressive disorder patients with and without suicidal ideation. Research. 0:DOI:10.34133/research.0659.
[4]Wang Y, Feng S, Huang Y, et al. Revealing multiple biological subtypes of schizophrenia through a data-driven approach[J]. Journal of Translational Medicine, 2025, 23(1): 505.
[5] Peng R, Wang W, Liang L, et al. The brain-gut microbiota network （BGMN） is correlated with symptom severity and neurocognition in patients with schizophrenia. Neuroimage. 2025;308:121052. doi:10.1016/j.neuroimage.2025.121052.
[6] Wang H, Peng R, Huang Y, et al. MO-GCN: A multi-omics graph convolutional network for discriminative analysis of schizophrenia. Brain Res Bull. 2025. doi:10.1016/j.brainresbull.2025.111199.
[7] Zhu B, Liang L, Huang Y, et al. Exploring the relationship between the gut microbiota and cognitive function in schizophrenia patients with distinct weights[J]. Schizophrenia Research, 2025, 280: 103-113
[8] Li W, Gao C, Li Z, et al. BrainFusion: a Low‐Code, Reproducible, and Deployable Software Framework for Multimodal Brain‒Computer Interface and Brain‒Body Interaction Research[J]. Advanced Science, 2025: e17408.
