短链脂肪酸 (SCFA) 是由肠道细菌产生的有益分子，与改善宿主代谢、降低全身炎症、改善心血管健康、降低癌症风险等密切相关。然而，即使饮食完全相同，不同个体的 SCFA 谱也可能存在很大差异，目前我们缺乏预测这种个体间差异的工具。

系统生物学研究所 (ISB) 的研究人员开发了一种新方法来模拟个性化的、微生物组介导的饮食反应。他们使用微生物群落规模代谢模型 (MCMM) 方法来预测个体对不同饮食、益生元和益生菌输入的 SCFA 生成率。

换句话说，ISB 科学家可以构建肠道微生物组代谢的“数字孪生”，以模拟对饮食的个性化反应，使用肠道微生物组测序数据和饮食摄入信息来约束每个个体特定的模型。他们在《自然微生物学》上发表的一篇论文中详细介绍了他们的研究结果。

“从第一层意义上讲，肠道微生物组是一种将膳食纤维转化为这些 SCFA 的生物反应器，”ISB 副教授兼共同资深作者 Sean Gibbons 博士说道。“了解如何将肠道生态和膳食摄入量定量映射到 SCFA 输出量将代表微生物组科学在临床应用方面的重大进步。”

与黑箱机器学习预测方法不同，MCMM 透明且机械化，数十种生物体中有数万种代谢物和酶，可提供有关特定微生物、饮食成分和有助于 SCFA 产生的代谢途径的大量知识。尽管具有这种透明度，但这些模型的复杂性使其难以通过实验验证。

一种方法是测量整个生态系统的 SCFA 生成率，然后将这些生态系统规模的测量值与其同源模型预测值进行比较。然而，在野外测量 SCFA 很棘手，因为身体在产生后会迅速消耗它们。