安东尼·范·列文虎克，“微生物学之父”，第一个在显微镜下观察细菌的人

维基共享

许多复杂的实验室和计算方法已经发展，以确定微生物群落组成的绝对复杂性，以及微生物之间的分子相互作用及其与宿主。最近有关健康和疾病中的人类微生物群的科学论文和书籍的数量呈对数增长，反映了这一主题对一般生物学、特别是医学造成的巨大影响。金博宝188

微生物组科学的复杂和丰富的实验室成果很少被吸收到普通的临床实践中。

与被医生广泛采用的传统微生物学相反，微生物组科学复杂而丰富的实验室成果很少被吸收到普通的临床实践中。在此，我们快速回顾了在实施传统临床微生物学用于感染性疾病诊断的实验室方法方面取得的长期成功，并评论了在将微生物组数据纳入临床实践主流方面的异常延迟。

传统的临床微生物学

据我们所知，第一次在显微镜下观察细菌是由Antonie van Leeuwenhoek在17世纪末完成并记录的^th世纪。Gerhard Henrik Armauer Hansen在1873年是第一个在显微镜下看到人类病原体的人麻风杆菌具有讽刺意味的是，美国仍然拒绝在人工培养基中培养。如今，显微镜经常用于检测临床标本中的微生物，包括体液和组织。

培养微生物在体外是一种强大的方法，可以对它们的分类、代谢、毒力因子、体外用于流行病学调查的抗微生物药物敏感性和指纹识别。

最近，一系列广泛的分子方法使检测和表征微生物成为可能，包括那些涉及特定感染的微生物，以及那些在特定区域定植并偶尔威胁宿主的微生物。这些测试可用于检测特定的DNA或RNA序列，识别代谢物或其组合，从而有力地识别特定的微生物。

微生物组数据的当前报告

微生物组数据可以研究健康人群和代谢和炎症疾病患者体内微生物群落的组成。通过对特定位点的微生物组进行测序，利用分子方法建立样品的微生物组成。

Shotgun宏基因组学和16S rRNA测序是一种独立于培养的技术，通常用于研究微生物群落。然而，这些程序是非常困难的解释为执业医生。这主要有两个原因:生态群落的多维复杂性和这些值的光谱和动态构造。

使微生物组数据便于执业医师消化

为了方便医生采用微生物组数据，我们建议采用和引进经济学中使用的分析方法，以克服复杂的、动态的和相互关联的数据集。这种方法不使用复杂的多维图形或公式，而是使用简单的算术或几何尺度来总结给定微生物群落的数据。

最小化参数的数量将为将微生物组数据适当纳入临床打开大门。

最近有报道称，机器学习算法可以收集和分析卫星数据，包括夜间光照强度和其他白天景观参数，以确定贫困程度。微生物学可以从这些模型中受益，这些模型极大地简化了非常复杂的数据集。在利用人体各个部位的人体微生物组数据时，评估正常情况、预测即将到来的危机和评估波动作为恢复指标是主要目标。最小化参数的数量将为将微生物组数据适当纳入临床打开大门。

在文章集锦中人类微生物组的临床洞察力”发表在BMC医学，我们探索最新和令人兴奋的发现，关于微生物组如何形成生理反应和影响治疗。专题的例子包括肠道脑轴，微生物组在治疗结果中的作用，免疫反应和微生物组多样性以及抗生素对儿童的影响。别忘了读这些文章在这里，如您在提交前对资料收集有任何疑问，请电邮至bmcmedicineeditorial@biomedcentral.com