Nature Reviews：吃同样的益生元，为什么有些人肠道不买单？ | 热心肠日

肠道菌群的个体差异性，远比我们想象的更加顽固。我们体内的微生物群落组成，仅有约 20% 能被宿主遗传、饮食和生理因素解释。大部分差异源于微生物群落构建早期的随机事件，即“优先级效应”。这意味着，即便接受同样的益生元干预，由于每个人肠道中最初的“奠基者”微生物不同，它们的演化路径和代谢输出也会分道扬镳。

这种差异首先体现在“硬件”上。一种纤维能否被利用，取决于肠道菌群是否携带特定的“拆解工具”——碳水化合物活性酶（CAZymes）。综述指出，如果个体的肠道菌群中，缺乏能够识别并切断该纤维特定化学键的菌株，或者这些“拆解专家”的初始数量太少，那么无论摄入多少纤维，都难以引发有效的代谢应答。

不同于我们常说的“益生元选择性”，该团队提出了一个关键概念——结构特异性。研究发现，像低聚果糖这类结构简单、在天然食物中常见的纤维，尽管能选择性地促进有益菌生长，但由于能利用它的肠道细菌实在太多了，往往会引发激烈的底物竞争。在这场混战中，原本被看好的“有益菌”不一定能胜出，导致不同个体间的应答结果千差万别。

相反，一些结构复杂、溶解性差或自然界中稀有的纤维，例如某些不溶性β-葡聚糖，只有极少数肠道细菌具备降解它们的遗传能力。当这些细菌恰好普遍存在于人群中时，这种高特异性纤维就能绕过复杂的生态竞争，绕过“非应答”陷阱，在绝大多数个体中定向、精准地富集目标菌群，产生更为一致的短链脂肪酸等有益代谢物。这为设计普适性更强的下一代益生元提供了结构学上的发力点。

既然应答差异如此复杂，我们能否在干预前就预测结果？答案是肯定的，且已进入科学射程。综述详细梳理了从传统监督学习到深度学习、再到基础模型的预测方法演变。研究人员正试图利用基线时的肠道微生物测序数据，来预测特定个体对某种纤维产生临床应答的概率。

更具颠覆性的是“微生物群落尺度代谢模型”（MCMMs）。这种数字模型能模拟数百种肠道细菌的代谢网络，像数字化沙盘推演一样，输入个体的菌群数据和待测试的纤维结构，即可计算出丁酸、丙酸等关键代谢物的预期产量。研究团队推测，这类工具未来或能发展为“肠道数字孪生”，通过对虚拟替身的反复模拟，为真实的你筛选出效果最大化的纤维组合，将“非应答者”转化为“应答者”。

面对应答异质性的挑战，研究者提出了几条清晰的应对策略，而非仅仅感叹微生物的复杂性。

首先，对于那些由于先天缺乏关键降解菌而对单一纤维无应答的个体，协同合生元提供了直接的解决方案。通过将特定的益生元纤维与一株被证实能高效利用它的活菌配对组合，直接补齐个体的“微生物功能短板”，有望从根本上解决因关键物种缺失导致的干预失败。

其次，纤维鸡尾酒疗法是另一条极具前景的路径。通过设计包含多种不同结构、支持不重叠功能菌群的纤维混合物，可以在肠道内进行“资源分区”，有效降低不同菌群间的直接竞争。初步的体外实验已经证实，这种精心调配的混合物不仅能产生单打独斗所没有的协同增效，使短链脂肪酸产量成倍提升，还能促进更丰富、更稳定的微生物群落结构。这一策略为跨越个体差异、实现普适性健康获益，提供了更简便的近景落地可能。