人类肠道居住着数以万亿计的微生物，其代谢活动与人体健康密切相关。为精确解析肠道微生物生态系统的分类和功能多样性，构建全面的参考基因组与基因目录至关重要。近年来，统一人类胃肠道基因组（UHGG）联盟等项目整合了多项国际测序数据，成功构建了非冗余的人类肠道微生物参考基因组数据集，但现有参考数据库存在明显地理偏差，欧美人群数据占比超70%，以中国为代表的亚洲人群占比不足30%。

尽管已有研究尝试扩充中国人群微生物参考基因组库，但样本量仍不足以全面揭示中国肠道微生物群的复杂性，这既阻碍了中西方人群的稳健对比分析，更限制了对关键公共卫生领域功能的深入探索。

近日，南京医科大学陈连民、孔祥清团队与复旦大学郑琰、江南大学翟齐啸团队合作，通过整合478,588个高质量微生物基因组，构建了全面的人类肠道微生物组参考数据集（GMR）。该数据集涵盖6,664个物种，其中26.4%为新分类物种，编码超2,000万种独特蛋白质，且47%的蛋白质功能未知。研究团队揭示了中国与非中国人群在物种组成、功能基因及抗生素耐药基因（ARG）方面的显著差异；并将新物种标记基因整合至主流分类数据库，提升了物种检测灵敏度。总之，GMR数据库显著拓展了全球肠道微生物组的组成与功能图谱，为解析种群特异性微生物-宿主互作机制及区域健康差异提供了重要资源。

研究团队收集了来自中国30个省份的6,657个宏基因组样本，通过单样本组装策略成功获得了180,719个宏基因组组装基因组（MAG）；然后将新组装的基因组与来自UHGG、hGMB、CGR2和IMGG等现有数据库中的基因组进行整合，经严格的质量控制，最终构建了包含478,588个高质量基因组的GMR数据库，其中247,134个（51.6%）来自中国人群，231,454个（48.4%）来自非中国人群。

评估结果显示，GMR中的基因组质量普遍较高。中国人群来源基因组的中位完整性为90.27%，中位污染率仅为0.88%；非中国来源基因组的中位完整性为90.60%，污染率为0.85%。此外，中国来源基因组的平均大小和N50长度均略高于非中国人群来源基因组。

图1. GMR数据库

研究团队利用 GTDB数据库与dRep工具对GMR数据集中微生物基因组进行分类注释。结果显示，共鉴定出6,664个物种级簇，包括6,624个细菌物种和40个古菌物种；其中，1,762个为潜在新物种，微小细菌门（Patescibacteria）的新物种占比最高（43.48%）。

基于GMR数据库的物种分布分析显示，中国人群肠道中检测到4,501个物种，非中国人群为4,308个，两者共享2,145个核心物种；其中，896个核心物种存在显著群体特异性富集。此外，中国人群有2,356个特有物种，主要隶属于芽单胞菌门、酸杆菌门、厚壁菌门D等7个细菌门；而蛭弧菌门未在中国人群基因组中检出，这可能与环境、饮食结构等相关。

图2. GMR数据库的分类学分类

研究团队对GMR数据库中所有基因组进行全面蛋白编码序列（CDS）预测，共检测到10.28亿个推定基因，平均每个基因组含2,148个CDS；通过多数据库联合注释，发现仅47%的基因能与现有数据库匹配，近半数基因功能未知，热原体菌门的未知功能基因占比最高。

接下来，研究团队分别以50%、90%和100%氨基酸一致性为阈值进行基因聚类分析，最终得到700万-2亿个蛋白质集群（GMRP50、GMRP90和GMRP100）。 GMRP90比较分析显示，中国与非中国人群存在共享及特有蛋白质集群，其中共享649.1万个、中国人群特有656万个、非中国人群特有7,26.2万个。COG功能分布显示，细胞壁/膜生物发生、转录和复制/重组/修复是核心功能类别。

研究团队还分析了抗生素耐药基因（ARG）的分布差异。在51,995个微生物基因组中共检测到1,050个ARG（33.5%），涉及2,233个物种；大肠杆菌、肺炎克雷伯菌、多雷拟普雷沃菌等5个物种携带ARGs数量最多。此外，非中国人群ARGs检出率略高于中国人群，且存在群体特异性富集和特有耐药基因，195个ARGs为中国人群特有，311个ARGs为非中国人群特有；四环素类（Tet）耐药基因的检出频率最高。

图3. 人类肠道微生物群的功能分类

研究团队对共享的2,145个物种进行深入分析，特别聚焦于304个具有充足基因组数据的物种。通过泛基因组分析和t-SNE降维技术，发现225个物种（74%）存在显著人群特异性遗传结构差异，这种差异在毛螺菌科、拟杆菌科和瘤胃菌科等尤为明显。

以已知具有人群分化特征的普雷沃氏菌属 Copri亚种为参照，研究团队进一步确认了多种菌株（如直肠真杆菌、eligens_A乳球菌）存在类似的遗传分层现象。以eligens_A乳球菌为例，该物种包含4,818个基因组，其遗传结构在t-SNE图上清晰地分为中国和非中国来源两个簇；并通过关联分析发现了4,044个驱动遗传分化的基因，功能涵盖糖脂代谢、抗生素耐药性等。

图4. 种群之间优势物种的遗传分层

为提升新发现物种在群体研究中的检出能力，研究团队将GMR数据集的基因组整合至MetaPhIAn4分类数据库，经筛选最终整合了579个非重叠物种的96,156个标记基因，构建了定制数据库。中国、德国、刚果三国独立队列验证显示，该定制数据库展现出卓越的性能。在中国队列，该数据库使样本平均序列比对率提升1%，新增326个物种，物种检出总数提升22.8%；在欧洲和非洲队列中，该数据库分别贡献了8.79%和13.41%物种检出量，证明其具有全球适用性。

利用该定制数据库，研究团队重新分析了包含3,234名中国参与者的CGMR（中国肠道微生物参考）队列，检测到5,310个物种，其中465个为新增物种，97.8%的个体检测到至少1个新增物种。进一步分析发现，新增物种中有54个与22种表型形成325个显著关联，在排除混杂因素后，确定39个物种与16种表型的64个稳健关联，涉及城乡居住环境、年龄、生活方式及饮食习惯等。

图5. 定制GMR数据库

综上所述，研究团队构建了全球代表性强、人群分布均衡的肠道微生物基因组参考数据库GMR，其揭示的种群特异性物种、遗传分层及功能特征，为解释区域健康差异提供了微生物视角；通过整合该数据集与现有MetaPhlAn4，显著提升了微生物组分析的准确性。GMR数据库将助力肠道微生物组与疾病机制的深入研究，可推动个性化医疗与公共卫生干预的精准化发展。

参考文献：

https://genomemedicine.biomedcentral.com/articles/10.1186/s13073-025-01566-x

Tags： 包含近50万个基因组！陈连民/郑琰/孔祥清/翟齐啸团队构建人类肠道微生物参考数据库，揭示中国人群特有菌群与健康关联