腸内微生物群集代謝研究のための新たなツールとベストプラクティス

哉百名

本文へスキップ

  • コンテンツ

  • 出版について

  • 出版

  1. 展望

  2. 記事

  • パースペクティブ

  • 公開日： 2024年07月03日

腸内微生物群集代謝研究のための新たなツールとベストプラクティス



ネイチャー・メタボリズム(2024)この記事を引用する

概要

ヒトの腸内細菌叢は、ヒト自身の細胞で触媒される代謝反応の種類を大幅に増やし、宿主の健康と疾病に多大な影響を及ぼす。しかしながら、腸内微生物の代謝に関する我々の知識は、一握りのモデル生物に依存しており、複雑な微生物群集の代謝を解釈し予測する我々の能力を制限している。このPerspectiveでは、腸内微生物の代謝を分析・モデル化し、微生物、パスウェイ、代謝物を生態系レベルで結びつけるための新たなツールについて議論し、研究者にとって有望なベストプラクティスを紹介する。この分野における継続的な進歩には、科学的知見の分野横断的な統合を促進するためのインフラ整備も必要である。このような努力の積み重ねが、腸内生態系の働きをより広く深く理解し、マイクロバイオーム操作と治療の新たな可能性を切り開くのである。

これは購読コンテンツのプレビューです。

アクセス方法

所属機関を通じてアクセス

Natureをはじめとする54誌のNature Portfolioジャーナルにアクセス

Nature+、最もお得なオンラインアクセス購読

9,800円/30日間

いつでもキャンセル可能

詳細はこちら

このジャーナルを購読する

デジタル版12号と論文へのオンラインアクセス

年間14,900円

1号あたりわずか1,242円

詳細はこちら

この記事を購入する

  • シュプリンガーリンクで購入

  • 論文全文PDFへの即時アクセス

今すぐ購入

価格は、チェックアウト時に計算される地域税が適用される場合があります。

その他のアクセスオプション

他の人が閲覧している類似コンテンツ

メタボロミクスを活用して、宿主とマイクロバイオームの表現型を支える分子メカニズムを解明する

論文2022年8月15日

腸内細菌叢のメカニズム解明のためのメタボロミクスパイプライン

論文14 July 2021

マルチドメイン中間体としての腸内微生物代謝産物

2020年9月23日号

参考文献

  1. Koppel, N., Maini Rekdal, V. & Balskus, E. P. ヒト腸内細菌叢によるゼノバイオティクスの化学変換。Science 356, eaag2770 (2017).Article PubMed Google Scholar

  2. Quinn,R.A.ら：マイクロバイオームのグローバルな化学的影響には、新たな胆汁酸抱合が含まれる。Nature 579, 123-129 (2020).Article CAS PubMed Central Google Scholar

  3. 腸内細菌叢組成のヒト血漿代謝物シグネチャーのオンラインアトラス。Nat. Commun. 13, 5370 (2022).論文 CAS PubMed PubMed Central Google Scholar

  4. ヒトのメタボロームに対する微生物の寄与：健康と疾患への影響。Annu. Rev. Pathol. 15, 345-369 (2020).Article PubMed Google Scholar

  5. Ferreyra, J. A. et al. 腸内細菌叢が産生するコハク酸は、抗生物質治療後または運動障害後にC. difficile感染を促進する。Cell Host Microbe 16, 770-777 (2014).Article CAS PubMed PubMed Central Google Scholar

  6. 腸内細菌叢からの酪酸産生クロストリジウムの枯渇はサルモネラの好気性内腔拡大を促進する。Cell Host Microbe 19, 443-454 (2016).Article PubMed PubMed Central Google Scholar

  7. Basolo、A.ら、ヒトにおける腸内細菌叢と栄養吸収に対する低栄養と経口バンコマイシンの影響。Nat. Med. 26, 589-598 (2020).論文 CAS PubMedGoogleScholar

  8. 東アジアの腸内細菌叢は白人の腸内細菌叢とは異なり、代謝の健康に関与している。

  9. Zelante、T. et al.微生物由来のトリプトファン異化物はアリール炭化水素受容体に関与し、インターロイキン-22を介して粘膜反応性のバランスをとる。Immunity 39, 372-385 (2013).Article CAS PubMed Google Scholar

  10. ヒト腸内細菌の代謝がTh17の活性化と大腸炎を引き起こす。Cell Host Microbe 30, 17-30 (2022).記事 CAS PubMed Google Scholar

  11. 微生物由来のイノシンはチェックポイント阻害剤免疫療法に対する反応を調節する。Science 369, 1481-1489 (2020).Article CAS PubMedGoogleScholar

  12. Spanogiannopoulos, P. et al. 宿主と腸内細菌は抗がん剤代謝の代謝経路を共有している。Nat. Microbiol. 7, 1605-1620 (2022).論文 CAS PubMed PubMed Central Google Scholar

  13. ヒトの腸内細菌叢は、食事によって迅速かつ再現性よく変化する。Nature 505, 559-563 (2014).Article CAS PubMedGoogleScholar

  14. ケトン食は腸内細菌叢を変化させ、その結果腸内Th17細胞が減少する。Cell 181, 1263-1275 (2020).Article CAS PubMed Central GoogleScholar

  15. Maier,L.ら：非抗生物質がヒト腸内細菌に及ぼす広範な影響。Nature 555, 623-628 (2018).Article CAS PubMed PubMedCentralGoogleScholar

  16. Magnúsdóttir, S. & Thiele, I. ヒト腸内細菌叢の代謝のモデル化。Curr. Opin. Biotechnol. 51, 90-96 (2018).論文 PubMed Google Scholar

  17. Koropatkin, N. M., Cameron, E. A. & Martens, E. C. How glycan metabolism shapes the human gut microbiota. Nat. Rev. Microbiol. 10, 323-335 (2012).Article CAS PubMed PubMed Central Google Scholar

  18. Wardman、J. F., Bains、R. K., Rahfeld、P. & Withers、S. G. 腸内細菌叢における糖鎖活性酵素（CAZymes）。Nat. Rev. Microbiol. 20, 542-556 (2022).Article CAS PubMed Google Scholar

  19. クロストリジウム・スポロゲネス（Clostridium sporogenes）は、腸内で還元的スティックランド代謝を利用してATPを生成し、循環代謝産物を産生する。Nat. Microbiol. 7, 695-706 (2022).論文 CAS PubMed PubMed Central Google Scholar

  20. ヒト腸内細菌Eggerthella lentaが満たす独特の代謝ニッチをシステム生物学的に解明した。PLoS Biol. 21, e3002125 (2023).論文 CAS PubMed PubMed Central Google Scholar

  21. 腸内細菌代謝が宿主のグローバルプリンホメオスタシスに寄与していることを明らかにした。Cell Host Microbe 31, 1038-1053 (2023).Article CAS PubMed PubMedCentral GoogleScholar

  22. リトル（Little, A. S.）ら：多様な腸内細菌が食事由来および宿主由来の代謝産物を嫌気性呼吸に利用している。Nat. Microbiol 9, 55-69 (2024)。この研究により、腸内細菌の3つのファミリーに多様な呼吸酵素のレパートリーとその基質の一部が同定され、腸内における代謝戦略の多様性が浮き彫りになった。

  23. 腸内細菌叢を食事で操作するための非炭水化物ルート。Appl. Microbiol. 85, e02246-18 (2019).Article CAS PubMed PubMed Central Google Scholar

  24. Wu, H. et al. ヒト腸内共生細菌Ruminococcus gnavusは、ムチン糖鎖の採食において血液型A抗原に対する特異性を示す： 消化管におけるニッチコロニーゼーションへの示唆。PLoS Biol. 19, e3001498 (2021).Article CAS PubMed PubMed Central Google Scholar

  25. Haiser, H. J. et al. ヒト腸内細菌Eggerthella lentaによる心筋梗塞治療薬の不活性化の予測と操作。Science 341, 295-298 (2013).Article CAS PubMed PubMed Central Google Scholar

  26. レボドパ代謝のための種間腸内細菌経路の発見と阻害。Science 364, eaau6323 (2019).Article PubMed Google Scholar

  27. Bess, E. N. et al.Eggerthellalentaと他のヒト腸内細菌による植物リグナンの協同的生物活性化の遺伝的基盤。Nat. Microbiol. 5, 56-66 (2020).Article CAS PubMed Google Scholar

  28. 微生物ゲノム、トリメチルアミンN-オキシド、および心代謝疾患。Transl. Res. 179, 108-115 (2017).Article CAS PubMed Google Scholar

  29. 腸内細菌叢における交差摂食：生態とメカニズム. Cell Host Microbe 31, 485-499 (2023).Article CAS PubMed PubMed Central GoogleScholar

  30. 微生物-メタボローム関連研究における代謝物の変動に対する微生物の寄与の定義と評価mSystems 4, e00579-19 (2019).Article PubMed PubMed Central Google Scholar

  31. Thomas, A. M. & Segata, N. マイクロバイオーム研究における未知の複数のレベル。BMC Biol. 17, 48 (2019).論文 PubMed PubMedCentralGoogle Scholar

  32. Markowitz, V. M. et al. IMG: the integrated microbial genomes database and comparative analysis system. Nucleic Acids Res. 40, D115-D122 (2012).Article CAS PubMedGoogleScholar

  33. 大腸菌の新規酵素をハイスループットで同定するためのノンターゲットin vitroメタボロミクス。Nat. Methods 14, 187-194 (2017). この研究では、著者らはアンターゲットメタボロミクスを用いて、大腸菌の 過剰発現株をスクリーニングし、代謝産物の差異を調べることで、新たな酵素機能を推定した。

  34. ヒト腸内細菌叢の遺伝学的に制御可能なメンバーのレパートリーを拡大する。Annu. Rev. Microbiol. 77, 427-449 (2023).Article CAS PubMed Google Scholar

  35. Lewis、W. H., Tahon、G., Geesink、P., Sousa、D. Z. & Ettema、T. J. G. 未培養微生物の大多数を培養するためのイノベーション。Nat. Rev. Microbiol. 19, 225-240 (2021).Article CAS PubMed Google Scholar

  36. ポスト配列時代のバイオインフォマティクス. Nat. Genet. 33, 305-310 (2003).Article CAS PubMedGoogleScholar

  37. 遺伝子発現を解析した結果をまとめたデータベース。J. Mol. Biol. 215, 403-410 (1990).Article CAS PubMed Google Scholar

  38. Bakta：アラインメントフリー配列同定による細菌ゲノムの迅速かつ標準化されたアノテーション。Microb. Genom. 7, 000685 (2021).CAS PubMed PubMed Central Google Scholar

  39. ゲノム配列のアライメントを行うことで、細菌のゲノム配列のアライメントを行うことができる。

  40. アミノ酸の生合成を自動化したアノテーション。PLoS Genet. 18, e1010156 (2022). この研究では、62種の炭素源の異化経路をキュレーションしたアノテーションツール（GapMind）と、多様な細菌種におけるトランスポゾン変異誘発フィットネススクリーンのデータを解釈するためのその応用について記述している。論文 CAS PubMed PubMed Central Google Scholar

  41. ヒトの腸内細菌叢から特化した一次代謝経路を予測するGutSMASH（Pascal Andreu, V. et al. Nat. Biotechnol. 41, 1416-1423 (2023).論文 CAS PubMedGoogleScholar

  42. Qiao, S. et al. 腸内パラバクテロイデス（Parabacteroides merdae）は分岐鎖アミノ酸の異化を促進することで心血管障害を予防する。Nat. Metab. 4, 1271-1286 (2022).Article CAS PubMed Google Scholar

  43. antiSMASH7.0：検出、制御、化学構造、可視化のための新しく改良された予測。Nucleic Acids Res. 51, W46-W50 (2023).Article CAS PubMed PubMed Central Google Scholar

  44. Foldseek による高速かつ正確なタンパク質構造検索。Nat. Biotechnol. 42, 243-246 (2024).Article CAS PubMed GoogleScholar

  45. (1)タンパク質構造、(2)タンパク質構造、(3)タンパク質構造、(4)タンパク質構造、(5)タンパク質構造、(6)タンパク質構造、(7)タンパク質構造、(8)タンパク質構造、(9)タンパク質構造、(10)タンパク質構造 preprint atbioRxiv https://doi.org/10.1101/2023.04.19.537516(2023).

  46. また、その結果、ヒトの腸内細菌叢は、ヒトの腸内細菌叢と類似していることが示唆された。

  47. MAGI：代謝物アノテーションと遺伝子統合のための手法。ACS Chem. Biol. 14, 704-714 (2019).論文 CAS PubMedGoogleScholar

  48. Bisanz, J. E. et al. 難治性ヒト腸内細菌のメカニズム解明のためのゲノムツールキット。Cell Host Microbe 27, 1001-1013 (2020).Article CAS PubMed Central Google Scholar

  49. ヒトの腸内細菌を解析した： Pythonのための制約に基づく再構築と解析。BMC Syst. Biol. 7, 74 (2013).Article PubMed PubMed Central Google Scholar

  50. 生化学的制約に基づくモデルの作成と解析（COBRA Toolbox v.3.0を使用）Heirendt, L. et al. Nat. Protoc. 14, 639-702 (2019).Article CAS PubMed PubMed Central Google Scholar

  51. Zorrilla, F., Buric, F., Patil, K. R. & Zelezniak, A. metaGEM: メタゲノムからゲノムスケールの代謝モデルを直接再構築。メタゲノムからゲノムスケールの代謝モデルを構築した。

  52. MICOM：メタゲノムスケールのモデリングによる腸内細菌叢の代謝相互作用の推定。複雑な微生物群集の代謝モデル解析のための柔軟で計算効率の高いフレームワークを紹介・実証している。論文 CAS PubMed PubMed Central Google Scholar

  53. 微生物と宿主の相互作用がパーキンソン病の硫黄代謝に関与していることを明らかにした。Cell Rep. 29, 1767-1777 (2019).Article CAS PubMed PubMed Central Google Scholar

  54. Mapping the inner workings of the microbiome: Genomic- and metagenomic-based study of metabolism and metabolic interactions in the human microbiome. Cell Metab. 20, 742-752 (2014).Article CAS PubMed PubMed Central Google Scholar

  55. ヒト微生物7,302種のゲノムスケール代謝再構築と個別化医療. Nat. Biotechnol. 41, 1320-1331 (2023).論文 CAS PubMed PubMed Central Google Scholar

  56. 大腸菌ゲノムスケール代謝モデルの精度をハイスループットミュータントフィットネスデータで評価した。Mol. Syst. この論文では、大腸菌のゲノムスケール代謝モデルの精度を、ハイスループットの変異体フィットネスデータを用いて評価した。

  57. 大腸菌の形質を計算する知識ベース。Nat. Biotechnol. 35, 904-908 (2017).Article CAS PubMed PubMed Central Google Scholar

  58. BiGG models: a platform for integrating, standardizing and sharing genome-scale models. Nucleic Acids Res. 44, D515-D522 (2016).Article CAS PubMedGoogleScholar

  59. BiGG Models 2020：多系統ゲノムスケールモデルと系統樹を越えた拡張。Nucleic Acids Res. 48, D402-D406 (2020).CAS PubMedGoogleScholar

  60. また、そのような遺伝子発現を解析することで、遺伝子発現を制御することが可能であることを示した。

  61. サルモネラ複数株のゲノムスケール代謝再構築により血清型特異的代謝形質が明らかになった。Nat. Commun. 9, 3771 (2018).論文 CAS PubMed PubMed Central Google Scholar

  62. 代謝パスウェイと酵素のMetaCycデータベースとパスウェイ／ゲノムデータベースのBioCycコレクション。Nucleic Acids Res. 42, D459-D471 (2014).Article CAS PubMed Google Scholar

  63. ヒトおよび腸内細菌叢の代謝を栄養および疾患と統合したデータベース。Nucleic Acids Res. D614-D624 (2019).

  64. DEMETER: efficient simultaneous curation of genome-scale reconstructions guided by experimental data and refined gene annotations. 遺伝子アノテーションと実験データを同時に収集したデータベース。

  65. ゲノムスケール代謝モデルの再構築と解析における不確実性への対処。ゲノム生物学 22, 64 (2021).論文 PubMed PubMed Central Google Scholar

  66. ゲノムスケール代謝モデリングにおける機械学習の応用。Curr. Opin. Syst. Biol. 25, 42-49 (2021).論文 Google Scholar

  67. このような研究は、ゲノムスケールの代謝モデリングに機械学習を応用したものである。ゲノムスケールの代謝モデルの予測力を向上させるニューラル・メカニスティック・ハイブリッド・アプローチ。Nat. Commun. 14, 4669 (2023).Article CAS PubMed Central Google Scholar

  68. 劉祥燁（Liu, Y. -Y. ゲノムスケール代謝ネットワークにおける欠損反応のハイパーグラフ学習による解明。Nat. Commun. 14, 2375 (2023).Article CAS PubMed PubMed Central Google Scholar

  69. ゲノムスケールでの代謝ネットワークをハイパーグラフ学習により明らかにした。Nat. Microbiol. 8, 1018-1025 (2023). この研究の著者らは、機械学習アルゴリズムとロボット工学を組み合わせて、微生物の増殖依存性を検証する実験をデザインし、その結果を解釈した。

  70. Ge, X. et al. SRS-FISH：単一細胞レベルでマイクロバイオームの代謝とアイデンティティを結びつけるハイスループットプラットフォーム。Proc. Natl Acad. 論文 CAS PubMed PubMed Central Google Scholar

  71. Zahir, T. et al. 細菌の高スループット時間分解形態学スクリーニングにより、抗生物質に対する表現型応答が明らかになった。Commun. Biol. 2, 269 (2019).論文 PubMed PubMed Central Google Scholar

  72. Huang, Y. et al. 自動化と機械学習を用いたハイスループット微生物培養学。Nat. Biotechnol. 41, 1424-1433 (2023).論文 CAS PubMed PubMed Central GoogleScholar

  73. MASSTを用いた質量分析検索。Nat. Biotechnol. 38, 23-26 (2020).論文 PubMed PubMedCentralGoogleScholar

  74. Zuffa, S. et al. microbeMASST: a taxonomically informed mass spectrometry search tool for microbial metabolomics data. Nat. Microbiol 9, 336-345 (2024)。微生物質量分析データベースからクエリスペクトルを検索し、目的の代謝物を推定される 代謝源にリンクするソフトウェア。

  75. 腸内細菌叢における相互作用の代謝メカニズムを推定する。Cell Syst. 7, 245-257 (2018).Article CAS PubMed PubMed Central Google Scholar

  76. Venturelli, O. S. et al. 合成ヒト腸内細菌叢における微生物間相互作用を解読する。Mol. Syst. Biol. 14, e8157 (2018).論文 PubMed PubMed Central Google Scholar

  77. Weiss, A. S. et al. In vitro interaction network of a synthetic gut bacterial community. ISME J. 16, 1095-1109 (2022).論文 CAS PubMed Google Scholar

  78. Schirmer、M.ら、微生物遺伝子と血漿および便の代謝産物との関連から、潰瘍性大腸炎の疾患経過の根底にある宿主-微生物相互作用が明らかになった。Cell Host Microbe 32, 209-226 (2024).Article CAS PubMed Google Scholar

  79. Baldini、F. et al. Microbiome Modeling Toolbox: From microbial interactions to personalized microbial communities. Bioinformatics 35, 2332-2334 (2019).Article CAS PubMed Google Scholar

  80. Noecker, C., Eng, A., Muller, E. & Borenstein, E. MIMOSA2: a metabolic network-based tool for inferring mechanism-supported relationships in microbiome-metabolome data. バイオインフォマティクス 38, 1615-1623 (2022).Article CAS PubMed PubMed Central Google Scholar

  81. 微生物コンソーシアムのためのゲノムスケール制約に基づくモデリングツールの構造的評価。微生物コンソーシアムにおけるゲノムスケール制約に基づくモデリングツールの構造的評価。生物多様性保全のためのゲノムスケール制約に基づくモデル化ツールの構造化評価。

  82. ゲノムスケール制約に基づく微生物コンソーシアムのモデル化ツール（PLo Computut Biol. Cell Syst. 10, 109-119 (2020).Article CAS PubMed PubMed Central Google Scholar

  83. NAD前駆体は宿主組織と腸内細菌叢の間で循環している。Cell Metab. 34, 1947-1959 (2022). この研究では、著者らは同位体追跡メタボロミクスを用いて、マウスにおけるニコチンアミドアデニンジヌクレオチド（NAD）と関連代謝産物の合成と代謝を追跡し、NAD恒常性に対するマイクロバイオームの寄与を区別している。

  84. この論文では、NADのホメオスタシスに対する微生物叢の寄与を明らかにすることを目的とし、NADのホメオスタシスに対する微生物叢の寄与を明らかにした。

  85. 腸内細菌の栄養嗜好をin vivoで定量化した。細胞 185, 3441-3456 (2022).論文 CAS PubMed PubMed Central Google Scholar

  86. Wilkinson、M. D. et al. 科学的データ管理とスチュワードシップのためのFAIR指導原則。Sci. Data 3, 160018 (2016).論文 PubMed PubMed CentralGoogleScholar

  87. Eloe-Fadrosh, E. A. et al. The National Microbiome Data Collaborative Data Portal: an integrated multi-omics microbiome data resource. Nucleic Acids Res. 50, D828-D836 (2021).PubMed Central Google Scholar

  88. Schorn、M. A. et al. ペアゲノムおよびメタボロームデータマイニングのためのコミュニティリソース。Nat. Chem. 生物学 17, 363-368 (2021).論文 CAS PubMed PubMed Central Google Scholar

  89. 腸内細菌-メタボロームデータセットコレクション：統合的メタアナリシスのためのキュレーションリソース。NPJバイオフィルムズ・マイクロバイオーム 8, 79 (2022).論文 PubMed PubMed Central Google Scholar

  90. メタボローム解析のためのメタボロームリサーチツール。バイオインフォマティクス 26, 2647-2648 (2010).Article CAS PubMed PubMed Central Google Scholar

  91. 筑波大学大学院医学系研究科・医学博士課程修了。Nat. Microbiol. 7, 1702-1708 (2022).CAS PubMed PubMed Central Google Scholar

  92. ゲノム配列、遺伝子発現、遺伝子発現プロファイル、遺伝子発現プロファイル、遺伝子発現プロファイル、遺伝子発現プロファイル、遺伝子発現プロファイル、遺伝子発現プロファイル、遺伝子発現プロファイル、遺伝子発現プロファイル、遺伝子発現プロファイル、遺伝子発現プロファイル、遺伝子発現プロファイル、遺伝子発現プロファイル、遺伝子発現プロファイル ゲノム研究 13, 2498-2504 (2003).Article CAS PubMed PubMedCentralGoogle Scholar

  93. ゲノム配列、遺伝子発現、遺伝子発現頻度、遺伝子発現頻度、遺伝子発現頻度、遺伝子発現頻度、遺伝子発現頻度、遺伝子発現頻度、遺伝子発現頻度、遺伝子発現頻度、遺伝子発現頻度、遺伝子発現頻度、遺伝子発現頻度、遺伝子発現頻度 生物学的研究 生物学11, e1004321 (2015).論文 PubMed PubMed Central Google Scholar

  94. 代謝経路を可視化するためのウェブコンポーネントMetExploreViz. Bioinformatics 34, 312-313 (2018).論文 CAS PubMedGoogleScholar

  95. Wishart、D. S. et al. MiMeDB: The Human Microbial Metabolome Database（ヒト微生物メタボロームデータベース）。Nucleic Acids Res. 51, D611-D620 (2023). ヒトに関連する微生物と遺伝子、代謝産物、食事成分、生体試料、健康関連の関連情報をリンクした包括的なデータベース-オブ-データベースであるMiMeDBを紹介する。

  96. ヒトの遺伝子、代謝物、食事成分、生体試料、健康関連情報を網羅的にリンクしたデータベース。バイオインフォマティクス 39, btad080 (2023).論文 CAS PubMed PubMed Central Google Scholar

  97. 代謝アノテーションの統合と植物、菌類、微生物の代謝モデルの再構築、比較、解析のためのModelSEED Biochemistry Database。Nucleic Acids Res. 49, D575-D588 (2020).Article PubMed Central Google Scholar

  98. Wesley-Smith, I., Dandrea, R. & West, J. An experimental platform for scholarly article recommendation.https://www.jevinwest.org/papers/WesleySmith2015ecir.pdf(2015).

  99. 論文からホモログ情報を抽出するテキストマイニング。

  100. メタゲノミクスとメタボロミクスの結婚への招待。Cell 134, 708-713 (2008).Article CAS PubMed GoogleScholar

参考文献のダウンロード

謝辞

図1-4は BioRender.comで作成した。図2dの化学構造については、C. Zhang（UCSF、P.J.T.の研究室）にご協力いただいた。資金は米国国立衛生研究所から提供された（R01HL122593、F32GM140808、C.N.へ）。P.J.T.はChan Zuckerberg Biohub-San Francisco Investigatorである。

著者情報

著者および所属

  1. 米国ミネソタ州マンケート、ミネソタ州立大学生物科学部
    セシリア・ノエッカー

  2. カリフォルニア大学サンフランシスコ校微生物学・免疫学教室（米国カリフォルニア州サンフランシスコ市
    セシリア・ノエッカー＆ピーター・J・ターンボー

  3. チャン・ザッカーバーグ・バイオハブ・サンフランシスコ（米国カリフォルニア州サンフランシスコ
    ピーター・J・ターンボー

貢献

コンセプト立案、資金獲得： C.N.およびP.J.T.、監修：P.J.T： 監修：P.J.T.、可視化、原案執筆：C.N.、査読：P.J.T： 原案執筆：C.N.、査読・編集：C.N.、P.J.T： 執筆・査読・編集：C.N.、P.J.T.

共著者

ピーター・J・ターンボー宛。

倫理申告

競合利益

P.J.T.はPendulum、Seed、SNIPRbiomeの科学諮問委員会のメンバーであり、本研究とこれらの諮問業務との間に直接的な重複はない。C.N.は、競合する利益はないと宣言している。

査読

査読情報

Nature Metabolism誌は、本研究の査読に貢献したMarco Jost氏と他の匿名の査読者に感謝する。主担当編集者：Yanina-Yasmin Pesch、協力：Nature Metabolismチーム。

その他の情報

出版社注：Springer Natureは、出版された地図および所属機関の管轄権の主張に関して中立を保っています。

権利と許可

シュプリンガー・ネイチャーまたはそのライセンサー（学会やその他のパートナーなど）は、著者またはその他の権利者との出版契約に基づき、本論文の独占的権利を保有しています。

転載と許可

この記事について

この記事の引用

Noecker, C., Turnbaugh, P.J. Emerging tools and best practices for studying gut microbial community metabolism. Nat Metab(2024). https://doi.org/10.1038/s42255-024-01074-z

引用文献のダウンロード

  • 2023年12月21日受領

  • 2024年5月30日受理

  • 2024年7月3日発行

  • DOIhttps://doi.org/10.1038/s42255-024-01074-z

主題

Nature Metabolism (Nat Metab)ISSN 2522-5812 (オンライン)

サイトマップ

Natureポートフォリオについて

コンテンツを見る

出版ポリシー

著者・研究者サービス

図書館・機関

広告とパートナーシップ

プロフェッショナル育成

地域ウェブサイト

© 2024 シュプリンガー・ネイチャー・リミテッド

Nature Briefingにご登録ください： 微生物学


この記事が気に入ったらサポートをしてみませんか？