摘要：肠道微生物对人类表型具有重要影响，而饮食、药物、生活方式和环境因素则会影响微生物组成。由于大多数细菌在人体外难以长期存活，人类微生物通常通过人与人的直接接触传播。尽管母婴传递是已知的重要途径，但成人也可以通过各种社交互动获得新的微生物。
肠道微生物对人类表型具有重要影响，而饮食、药物、生活方式和环境因素则会影响微生物组成。由于大多数细菌在人体外难以长期存活，人类微生物通常通过人与人的直接接触传播。尽管母婴传递是已知的重要途径，但成人也可以通过各种社交互动获得新的微生物。
此前有研究已揭示家庭和夫妻间的微生物传播，近期发表在《Nature》的这项研究进一步关注更广泛的非家庭社交关系及互动细节如何影响微生物组成。
该研究覆盖洪都拉斯18个隔离村庄的1,787名成年人，这些村庄保持传统的生活方式，居民饮食相对单一，抗生素和药物的使用较少。参与者平均年龄41岁，女性占62%，已婚者占41.8%。研究通过问卷调查绘制了社交网络，调查内容包括“与谁共度闲暇时间”“与谁分享私密话题”等问题，共识别出4,658条独特的社交关系。研究于2020年收集所有村庄的肠道微生物样本，并于两年后对4个村庄的301名参与者再次采样。
通过StrainPhlAn4对菌株水平进行分析，检测到参与者之间的潜在微生物传播事件。菌株共享率被定义为两人共享的菌株数量占总检测菌株种类的比例，结合Bray–Curtis和Jaccard指数评估种群间的物种多样性。结果表明，不同村庄间的微生物组成存在显著差异，而村庄内部的社交网络则促进了微生物菌株的共享和传播。这进一步证明社交网络对微生物生态系统的形成具有关键作用。
1 菌株共享在不同关系类型中的表现
研究发现，在同一村庄内有社会关系的两人之间，比没有关系的人群共享更多的微生物物种和菌株。配偶和同住者之间的菌株共享率最高（分别为13.9%和13.8%），但非亲属、不同家庭住址的人也有显著的菌株共享（中位数为7.8%）。同村但没有社交关系的人的共享率较低（4.0%），而来自不同村庄的人之间的共享率更低（2.0%）。
图1. 多种关系类型之间的菌株共享关系
共享菌株的程度与关系类型呈梯度分布，不仅家庭和配偶关系，非亲属间的关系如朋友、共同度过自由时间或私人谈话的人之间也有显著的菌株共享（图1a）。研究显示，社会关系对菌株共享的影响大于饮食、药物等因素的相似性。
此外，报告经常共同用餐或一起度过自由时间的人之间的菌株共享率更高（如每天一起吃饭的共享率为7.1%，而每月仅几次的为5.9%）。问候方式如面颊吻的人共享率最高（12.9%），但样本量有限使其统计显著性较低。
母亲与子女之间的菌株共享率显著高于父亲，可能与分娩和早期婴儿期菌株传递有关。此外，文化习惯也可能增加母亲与子女之间的菌株共享机会。
与以往研究不同，本研究未发现女性比男性更倾向于与其社交关系共享菌株。在物种层面，男性与其社会关系的微生物相似度甚至高于女性，特别是兄弟之间的微生物相似度比姐妹更高。该现象可能与洪都拉斯的社会习惯或肠道微生物与其他类型微生物的差异有关。
2 菌株共享能够预测社会关系
研究使用混合效应逻辑回归模型结合交叉验证，评估菌株和物种共享是否能够预测社会或家庭关系。结果显示，菌株共享率是预测社会关系的重要指标，尤其在非亲属和不同家庭的关系中表现显著。当仅使用菌株共享率作为预测因子时，分类器对所有关系的预测性能中等（AUC为0.71±0.006），对非亲属关系的预测性能稍低（AUC为0.67±0.007）。加入社会人口学变量后，模型预测能力显著提高（所有关系AUC为0.83±0.005，非亲属关系AUC为0.78±0.006）。相比之下，基于物种层面的相似性（如Jaccard指数和Bray–Curtis不相似性）预测性能较差（AUC分别为0.54和0.52）。
图2. 预测社会关系的菌株水平模型
在敏感性分析中，研究者将“稳定关系”（参与者在约2.5年前已报告的关系）作为子集进行预测，结果显示与基于第二时间点社交网络的数据相似。对仅限于互惠关系的分析也得到了类似结果，进一步验证了模型的稳定性和鲁棒性。
通过特征重要性分析，研究发现菌株共享率比任何社会人口学特征（如年龄、性别、教育程度等）更能显著预测社会关系。这表明，菌株共享是社会关系的强力指示因子，甚至超过了其他传统因素的预测能力。
3 菌株共享的纵向分析
研究对四个村庄中301名参与者进行了两年随访，分析同一人两次粪便样本中的菌株保留率，结果中位值为0.26，低于其他队列。通过分析随访时村庄内有关系和无关系个体间的菌株共享率，发现有社会关系的个体在两年后菌株共享率显著高于无关系者，即使在控制社会人口学特征、饮食和用药等影响后仍然成立。此外，初始时间点的菌株共享率对后续共享有显著正向作用。
图3. 两个时间点的微生物组菌株共享
菌株共享率的分布揭示了潜在的菌株传播路径。通过分析人与人的社会距离，发现第一度关系的菌株共享率显著高于随机分配的对照（中位数7.95%），这种效应在第二度关系（5.10%）仍然存在，但在第三度关系（4.35%）后消失。
4 网络位置与菌株共享
进一步分析表明，社会网络中更中心的个体在菌群网络中也更具有代表性。他们与村庄中其他人的菌株共享率较高，表明其微生物组更接近村庄内的“社会微生物组”。三种社会网络中心性指标（度中心性、标准化中介中心性和特征向量中心性）均与菌株共享率正相关（图4）。
图4. 菌株共享和社交网络位置
然而，社会中心性高的个体与其第一度社交关系的微生物相似性较低，表现出一种“受欢迎者悖论”。即，尽管他们与整体网络的微生物更相似，但由于广泛的社交互动，他们与直接社交关系的微生物差异更大。
5 社交群体与微生物群体的关系
菌株共享的模式沿着村庄、家庭和社会关系分布，表明密切相连的社交群体（“社会群体”）可能共享特定的微生物种类和菌株。这些群体形成了“人群生态位中的微生物生态位”，类似于土壤生态学。
在微观层面，拥有较高聚类系数（即社交关系间的连通性更高）的人，与其社交网络中其他人的菌株共享率显著更高。具体来说，聚类系数高（≥0.75）的人，与直接社交关系的菌株共享率中位值为10.3%，而聚类系数低（≤0.25）的人共享率较低。
图5. 社会和微生物组菌株生态位
通过Louvain聚类方法，对菌株共享网络和社交网络分别进行群体划分。菌株共享网络基于共享菌株的强度形成微生物群体，平均每群体包含17人，组内菌株共享率为8.5%。社交网络则基于家庭和社会关系形成群体，平均每群体包含11人，拥有24个组内关系。数据显示，社交网络和微生物群体在村庄范围内存在显著重叠，统计分析通过调整Rand指数验证了这种关联。在10,000次随机置换中，仅两个村庄（Sestao和Zarautz）显示随机置换的重叠率高于实际观测值。
进一步分析显示，不同的社交群体中微生物的相对丰度存在显著差异。在17,278次检验中，经过Benjamini–Hochberg多重校正后，发现138种微生物在不同社交群体中具有显著的丰度差异。例如，某村庄中，肠球菌（Enterococcus faecium，SGB7967）和Coricobacteriaceae（SGB14372）在不同社交群体的丰度分布明显不同，反映出社交群体可能在微生物组成上存在生态差异。
6
总结
这项研究在洪都拉斯的18个隔离村庄中，通过详细的社交网络绘制和菌株水平的微生物组学分析，发现社交结构与微生物共享之间的显著关联。这种关联超越了家庭和家庭成员关系。即使控制了饮食、用药等其他因素，社交关系的性质依然显著影响菌株共享程度。更亲密的关系共享更多菌株，且共享率随着共享餐饮或休闲时间频率的增加而单调提升。相比于社会经济特征（如财富、宗教或教育），菌株共享率更能预测社交关系。
研究还发现，村庄内互相关联的人在两年的随访中菌株共享率显著高于未关联的人。菌株共享水平在社交网络中扩展到“二度分离”的范围；而社会孤立程度较高的人，其微生物组也相对孤立。这表明人类社交网络结构不仅为微生物传播提供了通道，还创造了不同的生态位，支持微生物的生长和传播。
宏基因组推荐
iMeta网页工具 代谢组MetOrigin 美吉云乳酸化预测DeepKla
iMeta综述 肠菌菌群 植物菌群 口腔菌群 蛋白质结构预测
10000+：菌群分析 宝宝与猫狗 梅毒狂想曲 提DNA发Nature
为鼓励读者交流快速解决科研困难，我们建立了“宏基因组”讨论群，己有国内外6000+ 科研人员加入。请添加主编微信meta-genomics带你入群，务必备注“姓名-单位-研究方向-职称/年级”。高级职称请注明身份，另有海内外微生物PI群供大佬合作交流。技术问题寻求帮助，首先阅读《如何优雅的提问》学习解决问题思路，仍未解决群内讨论，问题不私聊，帮助同行。
来源：微生物组
