饮食驱动微生物组-代谢组交互：揭示人工饲料对实验室饲养毛虫的潜在影响

为解决人工饲料在实验室昆虫饲养中被忽视的影响问题，研究人员采用meta-omics技术（包括16S rRNA基因测序和代谢组学），探究了Spodoptera litura在不同饮食（白菜、烟草和人工饲料）下的肠道微生物组-代谢组相互作用。研究发现饮食显著改变微生物群落结构和代谢物丰度，人工饲料导致维生素B代谢相关微生物类群完全更替，并增强氨基酸代谢（如L-蛋氨酸）相关交互。该结果强调了人工饲料对实验结论的潜在偏差，为未来昆虫生理学和生态学研究提供了重要警示。

　　

在昆虫研究的广阔领域中，肠道微生物组（gut microbiota）扮演着核心角色，它不仅影响宿主的营养吸收、免疫调节，还能助其抵御环境胁迫。然而，实验室中广泛使用的人工饲料（artificial diet）常被默认“无害”——尽管它无法复制自然植物的复杂营养和次生代谢物，却鲜有人关注其对微生物组和宿主代谢的潜在扭曲。这种疏忽可能误导实验结果，例如在评估杀虫剂效果或昆虫行为时，得出与野外实况偏差的结论。更令人担忧的是，人工饲料的过度使用已渗透到45%的昆虫学研究中（据Cohen 2001年统计），但其对微生物组-宿主交互的深层影响仍是一片迷雾。

为了揭开这一谜团，贵州大学昆虫研究所的研究人员联合奥克兰大学生物科学学院团队，以经济害虫烟草毛虫（Spodoptera litura）为模型，开展了一项创新性研究。他们通过meta-omics整合分析，首次揭示了饮食（特别是人工饲料）如何重塑肠道微生物组与代谢组的动态交互。研究结果不仅发表于《Journal of Pest Science》，更以严谨数据证明：人工饲料不仅改变微生物群落，还彻底颠覆了关键代谢通路中的微生物贡献者，突显了实验室饲养技术中“看不见的”偏差。这一发现为昆虫生理学和害虫管理敲响了警钟——忽略饮食因素，可能让整个研究大厦建立在流沙之上。

在技术方法上，研究人员采用了多组学策略（multi-omics approach），核心包括：

1. 样本来源与处理：从中国贵州烟草田间采集Spodoptera litura幼虫，分三组饲养于单一食物源（白菜、烟草或人工饲料）超过两年，确保代际适应。6龄幼虫肠道样本用于分析。
2. 微生物组分析：通过16S rRNA基因测序（V3-V4区），使用Illumina MiSeq平台生成序列，经DADA2处理获得扩增子序列变体（Amplicon Sequence Variants, ASVs），并基于SILVA数据库进行物种注释。
3. 代谢组分析：采用超高效液相色谱-质谱联用技术（UHPLC-MS），结合正负离子模式检测肠道代谢物，数据经XCMS和MetaboAnalyst 5.0处理。
4. 交互作用建模：利用MIMOSA2算法整合微生物和代谢物数据，预测微生物类群对代谢物丰度变化的贡献，并通过LEfSe（Linear Discriminant Analysis Effect Size）识别饮食相关生物标志类群（biomarker taxa）。
   整个流程以随机森林（Random Forest）和多元统计（如PERMANOVA）验证差异显著性，确保结果鲁棒性。

研究结果

Diets affected the composition and structure of gut microbiota, but not richness

饮食显著改变肠道微生物群落组成，但未影响丰富度。通过比较三种饮食组（白菜、烟草、人工饲料），研究发现微生物ASVs（Amplicon Sequence Variants）丰富度无统计差异（Kruskal-Wallis p=0.26），但群落结构发生剧变（ANOSIM Global R=0.651, p=0.001）。人工饲料组的变化最