加州大学洛杉矶分校领导的研究团队已经开发出一种更快，更准确的方法来确定生活在人类和人类身上的许多细菌的来源。从广义上讲，该工具可以推断出任何微生物组的起源，这是一个局部和多样化的微观生物群落。
与需要数天或数周的工具相比，新的计算工具“FEAST”可以在短短几个小时内分析大量遗传信息。该软件程序可用于医疗保健，公共卫生，环境研究和农业。该研究在线发表在Nature Methods上。
微生物组通常包含数百至数千种微生物物种。从人类的消化道到供给水源的湖泊和河流，到处都可以找到微生物。构成这些群落的微生物可以来自其周围环境，包括食物。
了解这些生物来自何处以及这些群落如何形成可以让科学家更详细地了解影响人类健康的看不见的生态过程。研究人员开发了该程序，为医生和科学家提供了一种更有效的工具来研究这些现象。
源跟踪程序给出了来自其他地方的微生物组的百分比。它在概念上与人口普查类似，揭示了其移民人口来自的国家，以及每个群体占总人口的百分比。
例如，在厨房柜台样品上使用源跟踪工具可以指示该样品中有多少来自人类，多少来自食物，特别是哪种类型的食物。
有了这些信息，医生将能够通过简单地分析他们的微生物组来区分健康人和患有特定疾病的人。科学家可以使用该工具检测水资源或食品供应链中的污染。
“微生物组已经与人体生理学和健康的许多方面联系在一起，但我们正处于了解许多物种这种动态网络的临床意义以及它们如何相互作用的早期阶段，”该研究的Eran Halperin说。首席研究员，在Samueli工程学院和David Geffen医学院任教加州大学洛杉矶分校。
“微生物组数据得到了前所未有的扩展，这使我们对微生物生命的各种功能和分布的了解迅速增加，”Halperin补充说。“尽管如此，如此庞大而复杂的数据集却带来了统计和计算方面的挑战。”
研究人员表示，与其他源跟踪工具相比，FEAST的速度提高了300倍，并且更准确。
此外，目前的工具只能分析较小的数据集，或仅针对被认为是有害污染物的特定微生物。研究人员说，这种新工具可以处理更大的数据集，并提供更完整的微生物图片，以及它们来自何处。
研究人员通过将FEAST与以前发表的数据集的分析进行比较，证实了FEAST的可行性。
例如，他们使用该工具来确定厨房柜台上的微生物类型，并且它提供了比以前分析相同数据集的工具更多的细节。
他们还使用该工具比较了剖宫产分娩的婴儿的肠道微生物组与阴道分娩的婴儿的微生物组。
“我的希望是科学家将使用FEAST来诊断细菌相关的健康状况，”该研究的第一作者，加州大学洛杉矶分校计算机科学研究生Liat Shenhav说。“例如，如果特定癌症具有微生物特征，FEAST可能可用于早期诊断。”