2026，培养组学正在从“多试几种培养基”走向“精准捞菌”

图1 培养组学正在从“扩大培养条件”升级为“精准识别、定向分离、功能验证和资源转化”的综合技术平台。为什么培养组学重新变得重要？

在很长一段时间里，微生物学领域有一个经典难题：环境和人体样本中大量微生物在常规培养条件下难以生长。于是，测序技术快速发展，让我们跳过培养，直接从 DNA 层面观察菌群结构。

这一步非常重要，但也带来了新的问题：我们看见了越来越多的微生物信号，却未必拥有对应的活菌材料。

对于机制研究和益生菌开发来说，“知道它存在”和“拿到这一株菌”之间有很长的距离。尤其是在人体共生菌研究中，同一个物种内部的不同菌株，可能在代谢能力、免疫调节作用、安全性和环境适应性上完全不同。真正进入功能评价和产品转化的对象，往往不是一个属名，也不是一个物种名，而是一株来源清晰、身份明确、功能稳定的菌株。

因此，培养组学的意义正在从“补充测序结果”变成“微生态转化研究的资源底座”。

新进展一：单细胞精准培养，让“想要的菌”更容易被捞出来

图2 近两年培养组学的核心变化：精准捞菌、疾病菌库、降本提速和生态场景拓展正在同时发生。

传统培养组学常常依赖“扩大培养条件”来提高分离概率：多种培养基、多种氧气条件、多种培养时间、多种预处理方式。这个策略有效，但也会带来工作量巨大、重复分离优势菌、目标菌不易定位等问题。

2026 年 6 月，Nature Communications 发表的一项研究提出了“precision culturomics”的概念。研究团队将无标记单细胞形态识别、拉曼光谱、LIFT 激光转移技术和机器学习结合起来，在复杂样本中对单个细菌进行识别和选择性培养。简单说，就是在菌落还没有完全长成、甚至还处于单细胞层面时，先判断它“可能是谁、值不值得培养”，再把目标细胞转移出来继续培养。

这项工作的意义在于，它把培养组学从“铺板等待”推进到“单细胞层面的定向选择”。对于肠道、阴道、口腔等复杂微生物群来说，这种思路尤其有价值。过去我们常常知道某类菌可能重要，但很难精准拿到它；现在的技术方向是：先识别，再转移，再培养，再做基因组和功能验证。

这意味着，未来培养组学不一定只靠“培养条件数量”取胜，也可能靠“识别和挑选能力”取胜。

新进展二：疾病相关菌库，让相关性研究更接近因果验证

2026 年，Microbiology Spectrum 发表了一项自闭症谱系障碍儿童肠道培养组学研究。研究纳入 ASD 儿童和典型发育儿童粪便样本，分离获得 1724 株菌株，并结合粪菌移植干预进行纵向分析。研究观察到 ASD 儿童的可培养菌群结构存在差异，并提示部分 Shigella 相关菌株在样本中富集；在临床应答者中，干预后一些典型发育儿童相关菌株增加，而 Shigella spp. 减少。

这类研究最值得关注的地方，不是把某个菌简单定义为“好”或“坏”，而是它提供了疾病场景下的活菌材料。过去很多微生物组研究停留在“某类菌与疾病有关”；培养组学则进一步问：能不能把它分离出来？能不能在模型中验证功能？能不能解释它与宿主之间的关系？

疾病相关菌库的价值，就在于把抽象的菌群差异变成可实验、可追踪、可复现的菌株资源。

新进展三：高通量、自动化和机器学习正在降低培养组学门槛

培养组学强大，但过去也被认为“重、慢、贵”：需要大量培养条件，需要人工挑菌，需要反复纯化和鉴定，还要处理庞大的菌株信息。

近几年，一个明显趋势是自动化和数据化。2023 年 Nature Biotechnology 报道的 CAMII 平台就是代表性例子。研究团队利用自动化微生物成像和分离平台，对健康人粪便样本中的大量菌落进行识别、挑取和鉴定，并借助机器学习根据菌落形态提高挑菌多样性。它展示了一个非常重要的方向：培养组学不再只是“经验活”，而可以变成数据驱动的高通量流程。

2026 年 Journal of Microbiological Methods 的一项研究，则从流程设计上尝试减少培养组学处理时间。研究者评估了早期传代策略，提示部分严格厌氧菌并不一定都需要长时间预培养；合理设置传代时间点，可以在保持物种捕获能力的同时减少工作量。

这对实际应用很重要。因为培养组学要走进更多实验室、医院和转化平台，不能只追求“条件越多越好”，还需要追求“流程更聪明”：哪些培养条件真正有贡献？什么时候传代最合适？哪些菌落值得优先挑取？怎样避免重复分离？如何把样本、条件、菌株和功能数据统一管理？

答案越清晰，培养组学就越接近常规化平台。

新进展四：培养组学正在走出人肠道

早期培养组学的代表场景主要是人体肠道。现在，它正在扩展到更多复杂生态系统。

2026 年 Plant Methods 发表的 LEAP-CS 系统，是一个面向植物微生物组的高通量培养组学平台。它用膜结构把植物根系与微生物群物理分隔开，但允许小分子代谢物交换，从而模拟“植物和微生物可以通过代谢物交流，但不直接混在一起”的环境。研究者还结合植物表型成像、16S 测序和非靶向代谢组，分析根系、膜和微生物层之间的互作。

动物领域也在推进。2026年 Poultry Science 有研究把培养组学用于肉鸡盲肠可培养微生物分析，比较培养依赖方法与非培养测序结果，并通过多种培养条件帮助定位目标菌株的培养窗口。

这说明培养组学已经不只是“发现人肠道新菌”的工具，而正在成为一种通用的微生物资源开发方法。它可以服务于人体共生菌资源库建设，也可以服务于农业微生物、动物营养、植物促生菌、环境微生物和病原菌生态研究。

培养组学的真正价值：把“菌群信号”变成“菌株材料”

图3 测序发现线索，培养组学获得活菌，功能模型验证作用，最终进入安全性和转化评价。

很多微生态研究都会遇到一个共同瓶颈：测序发现了差异，但后续不知道如何验证。

例如，某个疾病组里某类细菌减少了。它到底是疾病造成的结果，还是参与了疾病发生？补回这类细菌是否有改善作用？如果有作用，是通过短链脂肪酸、胆汁酸代谢、色氨酸代谢、黏膜免疫、屏障修复，还是通过与病原菌竞争实现的？

这些问题不能只靠序列推断。它们需要活菌进入实验系统中：

1. 在体外观察它的生长、代谢和互作特征。

2. 在细胞模型中评估炎症、屏障、黏附或免疫调节作用。

3. 在动物模型中验证对疾病表型或生理指标的影响。

4. 通过全基因组测序评估安全性和功能基因。

5. 进一步考察稳定性、放大培养、制剂适配和菌株组合。

培养组学的独特价值就在这里：它把“群落变化”变成“菌株材料”，让机制实验和产品开发有了真正的对象。

对益生菌开发意味着什么？

传统益生菌长期集中在乳酸菌、双歧杆菌等经典类群。它们有成熟的安全基础和产业经验，但人体微生态中的功能菌远不止这些。

随着培养组学推进，越来越多人体来源共生菌可能进入候选名单。例如与短链脂肪酸产生、胆汁酸转化、黏膜屏障维护、免疫稳态、病原菌抑制、药物代谢相关的菌株，都可能成为下一代益生菌、活体生物药或菌株组合的资源来源。

这也会改变益生菌筛选逻辑。未来的开发路径可能不再是“从少数传统菌种里找功能”，而是：

1. 先从特定人群、特定部位、特定健康或疾病状态中建立活菌资源库。

2. 再结合测序、代谢组、宿主表型和临床信息定位候选菌。

3. 然后在细胞、动物或类器官模型中验证功能。

4. 最后根据安全性、稳定性、可培养性和配伍关系筛选可转化菌株。

这条路径虽然慢但更系统，也更接近真正的功能菌株开发。

我们如何理解 2026 年的培养组学？

如果用三个关键词概括当前培养组学的新阶段，可以是：

精准：从多条件撒网，走向单细胞识别、目标菌定位和定向分离。

功能：从“分到多少菌”，走向“每株菌能做什么、为什么有用、是否安全”。

资源化：从一次实验结果，走向可保存、可复苏、可检索、可共享、可持续扩展的菌株资源库。

这也是培养组学与微生态转化之间最关键的连接点。一个高质量菌库，不只是冰箱里的菌株集合，而是一个带有样本来源、培养条件、鉴定结果、基因组信息、功能表型和复苏记录的数据资产。

未来，谁能更高效地获得高质量活菌，谁就更有机会在下一代益生菌、活体生物药、精准微生态干预和微生物资源开发中占据主动。

结语

培养组学正在经历一次重要升级。

它不再只是“把难培养菌培养出来”的技术，而是正在成为连接测序发现、活菌分离、机制验证和产品转化的平台。

测序告诉我们微生态里可能发生了什么；培养组学让我们拿到参与其中的活体微生物；功能实验则进一步回答它们是否真的有用。

从“看见菌群”到“获得菌株”，从“相关性”到“因果验证”，从“菌株资源”到“健康干预”，培养组学正在把微生态研究带向更可操作的阶段。

这也是为什么，2026 年我们仍然需要重新重视培养。

不是回到过去，而是把培养带进一个更精准、更高通量、更接近转化的新阶段。

参考文献

1. Liang Q. et al. Precision culturomics enabled by unlabeled single-cell morphology and Raman spectra. *Nature Communications*, 2026.

2. Chen B. et al. Gut microbial culturomics identifies autism-associated Shigella and reveals species-level remodeling during fecal microbiota transplantation. *Microbiology Spectrum*, 2026.

3. Mazumder M. et al. Live-exudation assisted phytobiome culturomics system. *Plant Methods*, 2026.

4. Anasse B.A. et al. The use of early subcultures to reduce culturomics handling time. *Journal of Microbiological Methods*, 2026.

5. Li Z.H. et al. The advances of strategies and technologies in high-throughput microbial culturomics. *Biotechnology Advances*, 2026.

6. Huang Y. et al. High-throughput microbial culturomics using automation and machine learning. *Nature Biotechnology*, 2023.

来源：培养组学微信号