微生物和人类一样会进行交流，从而形成相应的微生物社交网络。群体感应（Quorum sensing, QS）是微生物交流的一种主要的方式，在真菌、细菌甚至病毒等微生物中普遍存在。混菌体系中QS网络的解析和机制研究对构建人工合成菌群具有重要的参考价值。

近日，来自天津大学乔建军团队、牛津大学杨爱东团队、中南大学郭菲团队通过紧密合作，在Nature Communications上发表了题为：“Machine learning aided construction of the quorum sensing communication network for human gut microbiota”的研究型文章（DOI: 10.1038/s41467-022-30741-6）。吴胜波博士为论文第一作者，天津大学为第一完成单位。该工作也得到了天津大学浙江绍兴研究院以及天津大学刘春江团队的大力支持。

该工作对人类肠道菌群的QS通讯系统进行了收集挖掘，提出了一个研究QS的系统工作流程，为818个人类肠道菌群中的细菌整理了带注释的QS和TCS条目，形成一个尽可能包含已报道QS条目的知识库。该工作结合机器学习算法，包括随机森林（random forest, RF）、K最近邻（k-nearest neighbour, KNN）、支持向量机（support vector machine, SVM）和深度神经网络（deep neural network, DNN），开发了四个QS蛋白的高效分类器。

该工作为818个人类肠道菌构建了包含28567条去冗余的QS数据库（QSHGM, http://www.qshgm.lbci.net/），可以通过查询微生物的QS来预测基于QS的微生物相互作用。该工作进一步建立了基于QS的通讯网络（QS-based communication network, QSCN），并实现了可视化。

此外，该工作对收集整理的九大类常见的QS进行了分析，发现传统被认为是种内语言的如酰基高丝氨酸内酯（AHL）也可能参与种间的交流。在微生物属水平上，QS合成酶的存在和进化可能不是严格保守的，而更可能与其他因素有关，如环境因素和空间分布。因此，QS的分布表明了微生物语言的多样性、细胞间交流的复杂性以及人类肠道菌群间基于QS互作的冗余性。

该工作为QS干扰（quorum sensing interference，QSI）的开发，合成菌群在微生态治疗及混菌代谢生产中的应用提供了基础依据。近年来，天津大学乔建军团队在基于QS的菌群合成生物学的研究与应用方面进行了较为系统的探索。他们针对QSI开发了一个基于配体结构的相似度评估算法和基于对接计算的验证流程。从现有的小分子库中挖掘新的QSI活性分子，建立了包含约7万个分子的数据库（QSIdb，http://qsidb.lbci.net/），为下一代抗生素的开发提供参考（Wu S et al., Briefings in Bioinformatics. 2021, 22 (4), bbaa218）。基于QS构建了微生物与药物间的互作网络，建立了包括8000多种药物、163个微生物、42种疾病的关联的数据库（QS-DMD，http://www.qsdmd.lbci.net/），提出了药物-受体-微生物-疾病关联的系统框架，以促进对个性化精准医疗的理解（Wu S et al., Science China-Life Sciences. 2022，10.1007/s11427-021-2121-0）。

在人工菌群的合成优化方面，他们提出将不同的QS控制策略应用于混菌培养的动态调控中，开发了一套既有信号传递又有代谢互作的新型混菌发酵系统，并将其应用于异丙醇和红景天苷的混菌代谢生产中（Wu S et al., Metabolic Engineering. 2021, 67, 186-197）。他们还进一步深入分析了QS串扰对基于QS的双菌体系代谢生产异丙醇的影响，阐明了双菌体系内部功能与稳定性的影响机制，并提出各种人工合成菌群体系的设计和应用中不应当忽视QS串扰，而应当进行系统定量分析和设计（Wu S et al., Chemical Engineering Journal. 2022, 445, 136720）。团队对QS在代谢工程和医疗工程的应用进行了较为全面的总结（Wu S et al., Cellular and Molecular Life Sciences. 2020, 77 (7),1319-1343），并且提出了QS可以从垂直和水平方向参与到多细胞通讯的观点和“QS通讯网络”框架，并综述了其在合成微生物群落的各种应用（Wu S et al., Trends in Microbiology. 2021, 29: 1130-1142）。