微生物組（又稱“菌群”）在自然界中無所不在。在人體內外，菌群與生俱來、又與我們相伴終身，和我們的發育和健康息息相關。因此人體微生物組也被稱為每個人的“第二基因組”。一個“第二基因組”可由數百萬個微生物基因組成，其數據量是一個人類基因組的成百上千倍。因此，根據人類已經積累的海量微生物組數據，尋找“結構”或“功能”類似的菌群樣本，從而實現對未知功能菌群的解讀和挖掘，以及對整個已知微生物組數據空間的全局性思考，一直是微生物組業界的關鍵瓶頸之一。然而，由于微生物組數據的復雜性和異質性，如此“溫故而知新”卻長期以來卻如同“大海撈針”般艱難?；诙嗄甑难邪l積累，近日中國科學院青島生物能源與過程研究所單細胞研究中心正式發布國內外首個“微生物組大數據搜索引擎——MSE（Microbiome Search Engine; http://mse.single-cell.cn），使得上述以整個微生物組為分析單元的智能搜索和大數據挖掘成為現實。

　　對海量微生物組“大數據”的搜索、挖掘與機器學習，能夠幫助人們了解微生物組與相關疾病之間的關系，從而利用人體各個部位的共生菌群實現個體化的精準健康、精準護理與精準營養。據了解，該搜索引擎通過建立針對微生物群落的超高速比對算法和數字索引機制，為海量的樣本列出基于菌群結構或功能相似性的“目錄”。當輸入未知樣本時，引擎能夠根據這一帶有菌群相似性信息的“目錄”從浩瀚的微生物組大數據海洋中迅速自動選取與該樣本最為相似的匹配。同時，引擎還可以自動計算針對特定慢性疾病發表的一系列“微生物組診斷指數”（如該團隊與寶潔公司合作發明的牙齦健康診斷方法: Huang, et al, ISME J, 2014）和“微生物組預警指數”（如該團隊與中山大學附屬口腔醫院最近發表的新發性兒童齲齒預測方法等：Teng, et al, Cell Host Microbe, 2015），以判別未知樣本針對特定疾病的狀態和風險。兩者相結合，實現對未知樣本的特性做出注釋與判斷，并根據進一步數據挖掘的結果給出診斷結果和護理方面的建議。

　　與此同時，配合該搜索引擎，單細胞研究中心還發布了分析軟件Parallel-META 3 (Su, et al, Bioinformatics, 2014)，不但可以將數量龐大的未知微生物組樣本進行結構與功能解析，而且可以與其數據庫搜索匹配結果進行更深入的比對分析。此軟件的深度數據挖掘能力能夠幫助剖析疾病與微生物組之間的關聯規律，讓微生物組大數據幫我們不僅“知其然”，而且“知其所以然”。

　　該搜索引擎前期獲得了科技部863與國家自然科學基金的支持，并正在支撐著單細胞研究中心主持的“中科院生物高通量檢測分析服務網絡”在健康、環境、海洋、工業等諸多微生物組應用領域的產學研合作。