研究三
2024年发表在《iMeta》（if23.7，一区top）上的题为“MetOrigin 2.0:Advancing the discovery of microbial metabolites and their origins”的一篇研究【3】，提出一个系统的在线分析软件，旨在整合微生物组和代谢组数据，加快微生物代谢物的发现和溯源。
MetOrigin于2021年首次推出，MetOrigin 2.0新增了中介分析模块，分析细菌、代谢物和表型之间潜在的因果关系，强调代谢物的中介作用。
“在MetOrigin 2.0中，使用中介分析来揭示肠道菌群改变与疾病发生之间的复杂联系，代谢产物作为中介物。这种分析增强了我们对微生物群对宿主致病因素反应的适应性和反馈机制的理解。中介分析模块从对微生物组、代谢组数据和表型参数的Spearman相关性分析开始（图3A,B）。在Sankey网络中鉴定和可视化与微生物组和表型参数相关的代谢物（图3C）。在Sankey网络的指导下，用户随后可以通过中介分析选择感兴趣的特定代谢物进行进一步验证，揭示关于肠道微生物组在人类健康或疾病发病中作用的功能见解和潜在因果关系（图3D）。”
“随后，中介分析表明，Bacteroides fluxus可能通过影响血清中behenoyl dihydrosphingomyelin（d18:0/22:0）的水平来促进体重减轻（46%，p<0.001）；Bacteroides uniformis可能通过降低sphingomyelin水平（d18:0/20:0,d16:0/22:0）（43%，p=0.02），起到减轻肝损伤的保护作用（图4E，F）。这些结果有力地支持拟杆菌通过调节宿主微生物群鞘脂代谢的稳态对MASLD的保护作用。”
研究四
2025年发表于《Cancer Immunology Immunotherapy》（if4.6，三区）上的题为“Tumor-colonizing Lachnoclostridium-mediated chemokine expression enhances the immune infiltration of bladder urothelial carcinoma”的一篇研究【4】，系统性地探究了肿瘤微生物群和膀胱尿路上皮癌肿瘤免疫微环境之间的关系。
其中，作者对所有样本进行了因果中介分析，以调查Lachnoclostridium（梭状芽孢杆菌），趋化因子和免疫细胞之间的联系。对于同时和梭状芽孢杆菌显著相关的趋化因子和免疫细胞，作者应用中介分析来评估梭状芽孢杆菌对免疫细胞丰度的影响是否通过趋化因子介导。
“我们观察到四种免疫细胞的丰度，包括自然杀伤细胞、M1巨噬细胞、CD8+T细胞和活化的CD4+记忆T细胞，主要通过趋化因子间接调节（图5A）。例如，梭状芽孢杆菌对活化的CD4+记忆T细胞的影响通过CXCL11介导。我们还观察到梭状芽孢杆菌对CD8+T细胞的影响通过CCL4介导。梭状芽孢杆菌对M1巨噬细胞的影响通过CXCL10介导，梭状芽孢杆菌对自然杀伤细胞的影响通过CCL3介导（图5B-E）。总的来说，这些结果表明，免疫相关的趋化因子可能作为梭状芽孢杆菌的介导变量，调节膀胱肿瘤的免疫浸润。”
研究五
2025年发表在《Microbiome》（if13.8，一区top）上的，题为“Discovery of robust and highly specific microbiome signatures of non-alcoholic fatty liver disease”的一篇研究【5】，整合了宏基因组数据、详细的元数据和代谢输出，以确定非酒精性脂肪性肝病（NAFLD）与其他代谢性疾病相比的特定微生物组特征。
其中，作者应用中介分析来研究丰度差异代谢物（DA代谢物）是否可以介导微生物模块对NAFLD相关临床参数水平的影响。
“上述分析得出的微生物模块和代谢物可以通过肝脏相关临床参数与NAFLD-O或NAFLD-L相关联。随后，我们应用中介分析来研究DA代谢物组是否可以介导微生物模块对NAFLD相关临床参数水平的影响。我们的分析表明，对于NAFLD-O和NAFLD-L，DA代谢物显著调节了物种模块对NAFLD表型的影响（mediation P<0.05）（图6A）。在群体水平分析之后，我们再次使用中介分析来检查微生物模块中的哪些单个物种通过单个DA中介代谢物与临床参数水平相关。在NAFLD-O模块中共发现23个物种与13个DA代谢物之间的130个连锁，其中大部分涉及与模块分析中临床参数负相关的物种（图6B）。”
“相反，NAFLD-L模块中的物种与DA代谢物的临床参数之间只有15种联系是显著的（图6B）。”
研究六
2022年同样发表在《Microbiome》（if13.8，一区top）上的，题为“Mapping the early life gut microbiome in neonates with critical congenital heart disease:multiomics insights and implications for host metabolic and immunological health”的一项研究【6】，首次证明了与代谢组紊乱相关的异常肠道微生物群与重症先天性心脏病（CCHD）新生儿的免疫失衡和不良临床结果有关，并强调了重建最佳肠道微生物群在维持CCHD宿主代谢和免疫稳态中的重要性。
其中，作者进行了双向中介分析来探究代谢物是否可以介导微生物对CCHD新生儿炎症反应和肠道屏障损伤的影响。
“为了进一步评估代谢物是否可以介导微生物对CCHD新生儿炎症反应和肠道屏障损伤的影响，我们进行了双向中介分析，发现了23个中介联系（
P mediation<0.05，P inverse mediation>>0.05，图7A）。有趣的是，大多数联系与Enterococcus faecium（四个联系）、Enterococcus columbae（三个联系）以及甘氨酸、丝氨酸和苏氨酸代谢的微生物功能（三个联系）有关。我们的中介分析表明，Enterococcus faecium可能通过降低粪便中13-HODE（26%，P mediation<0.05，图7B）和α-二态胆酸(9(S)-HODE；17%,P mediation<0.05，图7C)的水平来导致肠道屏障损害（以血清D-乳酸和iFABP水平升高为特征）,这两者都是LA衍生物。”
“我们还确定了几种代谢物介导作用对微生物对全身性炎症的影响。这里的一个有趣例子是Enterococcus columbae,这是一种富集在CCHD-P的细菌，它可能通过降低粪便中9(S)-HODE（23%，P mediation<0.05，图7E）和十二烷基肉碱（25%，P mediation<0.05，图7F）的水平来促进全身性炎症反应。相比之下，甘氨酸、丝氨酸和苏氨酸代谢的微生物功能可能有助于通过l-黄芩苷（18%，P mediation<0.05，图7G）缓解全身性炎症反应。”
小结
因果中介分析在微生物组与疾病关联研究领域应用广泛，其可以揭示微生物组与疾病关联中的具体作用路径，明确哪些微生物或代谢物起中介作用，量化中介效应大小，深入理解疾病机制，为精准干预提供依据。从上述研究可以看出，因果中介分析较为常见的可视化方式是Sankey图和三角形路径图的组合。前者是为了展示所有显著的中介效应路径，而后者是从中挑选几个路径进行展示。
相关新闻推荐
1、微生物群与人类宿主、入侵病原体及外界环境因素组成的相互作用调控网络