细菌培养对于微生物组学研究中的具体实验和机制研究至关重要，而采用传统方法从复杂的微生物生态系统中分离细菌有如下3个主要缺点：劳动密集型、难以规模化，而且缺乏表型-基因型整合。美国哥伦比亚大学Harris H. Wang小组利用自动化系统和机器学习实现高通量微生物培养组学研究。相关论文于2023年2月20日在线发表在《自然—生物技术》杂志上。

该研究采用了一个开放的高通量机器人菌株分离平台，用于按需快速生成菌株，其中含有多个Hudson自动化设备，主要包括RapidPick MP高通量克隆挑选仪、Micro10x培养基分液器、RSH-4000封板机、板栈和Sciclops机械臂等。研究人员开发了一种机器学习方法，利用菌落形态和基因组数据，最大限度地提高分离出的微生物的多样性，并能够有针对性地挑选特定种属。将该平台应用于20人的粪便样本，研究人员得到了个性化的肠道微生物组生物库，共计26997个分离物，占所有丰富类群的80%。对视觉捕获的10万个菌落进行空间分析，揭示了瘤胃球菌科、拟杆菌科、红蝽菌科和双歧杆菌科之间的共同生长模式，表明了重要的微生物相互作用。对来自这些生物库的1197个高质量基因组的比较分析显示了有趣的品系内部和人群间演化、选择和水平基因转移。

这种培养组学框架能够为许多新兴的微生物组研究提供新的研究成果，并使基于成像的表型的收集和定量分析与高分辨率基因组学数据系统化。

欢迎感兴趣的老师报名参加~

欢迎关注进科驰安官方微信（微信公众号：Bio-Gene）
回复：hudson，查看更多相关视频
长按/扫描以下二维码可识别关注公众号

广州进科驰安科技有限公司
Bio-Gene Technology Ltd.
热线：176 2009 3784
www.bio-gene.com.cn
marketing@bio-gene.com.cn
香港 北京 上海 广州 济南