粪便微生物组分析揭示了可能用于识别能够抵抗断奶后腹泻的小猪的生物标志物

《Animal Microbiome》：Faecal microbiome profiling uncovers putative biomarkers for piglets resilient to post-weaning diarrhoea

本研究通过分析断奶前猪粪微生物组，结合机器学习与宏基因组学，发现特定代谢相关微生物标志物可预测断奶后腹泻风险，为早期诊断和靶向干预提供依据。

　　

摘要

背景

断奶后腹泻（PWD）是集约化养猪生产中一个主要的健康和经济问题。在本研究中，我们假设在疾病发作前采集的粪便微生物组可以作为预测PWD风险的早期标志物，并应用机器学习框架来识别预测仔猪对PWD易感性或抵抗力的生物标志物。在两个发生PWD爆发的丹麦商业养猪场，每个养猪场选取了四个猪栏进行14天的监测，每天进行临床评估，并每隔一天采集一次直肠拭子样本。采用嵌套病例对照设计，通过16S rRNA测序分析了41头发生PWD的仔猪的140个样本以及16头保持健康的仔猪的82个样本。此外，我们对56个易感仔猪和47个具有抵抗力的仔猪的腹泻前样本进行了宏基因组分析。通过递归特征消除的随机森林分类器，独立地在每个养猪场训练并交叉验证了能够预测抵抗力的或易感性的宏基因组组装体（MAGs）。负二项零膨胀混合（NBZIM）模型用于评估这些MAGs与已知PWD风险因素（如出生/断奶体重、断奶年龄和母猪产仔数）之间的关联。

结果

在腹泻发作之前，两个养猪场中，具有抵抗力的仔猪与易感仔猪的微生物群落结构存在显著差异（PERMANOVA，p < 0.05）。特征简化模型取得了较高的准确性（AUC分别为0.94和0.82），并从两个养猪场中分别识别出10个和13个在抵抗力强的仔猪中富集的MAGs，以及1个和2个在易感仔猪中富集的MAGs。所有MAGs都具有养猪场特异性，这突显了PWD的多因素病因学特性。NBZIM模型表明，大多数具有预测性的MAGs与已知的PWD风险因素无关。从时间上看，这些MAGs的相对丰度在断奶后早期达到峰值（A养猪场为第4天；B养猪场为第0天）。在病因不明确的养猪场，功能分析显示，与易感性相关的MAGs在精氨酸/鸟氨酸代谢、维生素（钴胺素、硫胺素）合成以及乳酸生成相关基因的表达下降，这表明可能存在代谢失调。

结论

我们的研究结果表明，腹泻前的粪便微生物组特征可以预测PWD风险，为早期预后工具和针对性干预措施（包括益生菌的开发）提供了基础，从而减轻PWD的影响并减少养猪生产中对抗菌药物的依赖。