從兆種組合找出腸道搭檔：AI與機器人實驗設計產丁酸菌群

益生菌進入腸道後，面對的不是一片空地，而是因人而異、成員眾多的微生物生態系。這種差異使同一種益生菌或膳食纖維未必能在每個人身上產生相同效果。杜克大學團隊如今以機器學習搭配機器人實驗，嘗試從龐大的組合空間中，找出較不受既有菌群干擾的微生物與纖維搭配。

研究刊登於《Nature Chemical Biology》。團隊選取15種腸道微生物與6種膳食纖維，以丁酸等有益代謝產物及群落特性作為設計目標。即使只有21項變因，可能的菌種與飲食組合仍可超過兆種，無法靠逐一窮舉完成。

為縮小搜尋範圍，研究人員建立「設計—測試—學習」循環：模型先挑選最能補足知識缺口、同時有望達成目標的條件，再交由自動化平台培養與分析菌群，所得結果則回饋下一輪模型。系統共完成五批高通量實驗，單批最多並行測試390種條件，讓搜尋集中在資訊量較高的區域。

分析找出一個以菊糖為核心的生態組合。當多形擬桿菌（Bacteroides uniformis）與Anaerostipes caccae共同存在，並加入普氏菌Prevotella copri所形成的高階交互作用時，群落能較穩定地產生丁酸。丁酸是腸道細菌分解纖維後形成的短鏈脂肪酸，與結腸細胞能量供應及免疫調節有關；不過，產量增加本身並不等同已證實疾病療效。

這項工作的驗證不只停留在由少數菌種構成的合成群落。研究人員將模型設計的菌種與纖維組合加入人類糞便微生物群落後，仍觀察到可預測的有益代謝輸出，顯示該組合在較複雜的生態背景下保有一定韌性。論文也公開模型訓練與實驗設計所用資料、定序資料及分析程式碼，便於其他團隊檢驗方法。

現階段成果仍屬體外概念驗證，受試菌種與纖維僅涵蓋真實腸道生態的一小部分，也尚未回答菌株能否長期定殖、不同飲食與藥物如何改變效果，以及提高丁酸是否會轉化為可量測的臨床利益。團隊正在發炎性腸道疾病小鼠模型中評估候選組合；校方報導稱早期結果具潛力，但尚未公布完整動物數據，因此不能據此推論人體療效。這套平台眼下最實際的價值，是把益生菌與益生元的開發，從經驗配方推向可反覆測試的生態工程。