随着人们生活方式的改变,尤其是饮食方式的改变,非酒精性脂肪肝疾病（NAFLD）的发病率不断上升,已严重威胁人体健康且造成了巨大的经济负担。相关研究表明,肠道菌群与NAFLD的发生、预防、诊断及治疗显著相关。详细的系统发育和宏基因组分析表明,人、鼠模型间肠道菌群差异较大。传统小鼠NAFLD模型实验的结果,因缺乏人、鼠物种差异菌的参考,无法科学地泛化在人类疾病中。而运用传统实验的方式来探究人、鼠NAFLD样本肠道菌群差异,分析效率低、不具有预测性,且未能明确人、鼠模型间的差异菌群是否具有NAFLD特异性。因此,本课题通过收集人、鼠NAFLD模型肠道菌群的16S rDNA测序数据,探究人、鼠NAFLD模型中具有人、鼠源特异性的差异菌群。建立区分人、鼠样本的机器学习模型,同时探究肠道菌群对区分人、鼠样本的影响程度。通过进一步收集人、鼠炎症性肠病（IBD）、帕金森疾病（PD）、2型糖尿病（T2D）和肝细胞癌（HCC）肠道菌群的16S rDNA测序数据,阐明具有人、鼠源特异性的差异菌群是否具有NAFLD特异性。基于实验建立NAFLD、IBD小鼠模型,探究NAFLD、IBD小鼠模型差异菌群,用于对比和验证基于开放性数据库研究结果的可靠性。主要研究内容:1、从SRA数据库收集人、鼠NAFLD模型肠道菌群的16S rDNA测序数据,利用QIIME2软件对测序数据进行解复、去噪、聚类、系统发育树建立,物种注释,样本预测等处理。2、基于人、鼠NAFLD模型肠道菌群丰富度数据,利用LEf Se、STAMP和LASSO多元逻辑回归,探究人、鼠NAFLD模型中,具有人、鼠源特异性的差异菌群。3、基于人、鼠NAFLD模型肠道菌群丰富度数据,建立随机森林模型来预测人、鼠样本,探究肠道菌群对区分人、鼠样本的影响程度。4、从SRA数据库中收集人、鼠IBD、PD、T2D、HCC模型肠道菌群的16S rDNA测序数据,通过QIIME2软件进行原始序列处理,利用相同标准的LEf Se、STAMP分析流程,分析人、鼠4种疾病模型的差异菌群,阐明具有人、鼠源特异性的差异菌群是否具有NAFLD特异性。5、基于实验建立NAFLD、IBD小鼠模型,通过小鼠粪便进行16S rDNA测序。利用LEf Se、STAMP相同标准的分析流程,探究NAFLD、IBD小鼠模型差异菌群,用于对比和验证基于开放性数据库研究结果的可靠性。主要结果:1、在人、鼠NAFLD模型差异菌群中,Bacteroidaceae、Faecalibacterium、Bacteroides和Veillonella具有人源特异性;Lactobacillceae、Erysipelotrichaceae、Lactobacillus、Blautia和Allobaculum具有鼠源特异性;而Lachnospiraceae、Clostridiales、Coprococcus和Ruminococcus不具有人、鼠源特异性。2、建立区分人、鼠NAFLD样本和区分人、鼠健康样本的机器学习模型,二者模型的AUC分别为0.98和0.99,说明模型对人、鼠样本具有良好的区分度。3、本研究针对IBD、PD、T2D、HCC模型的差异菌群进行了大批量文献调研。调研结果发现,本文与文献研究相比,差异菌群基本一致。在此基础上,本文挖掘出了更多NAFLD与其它疾病共有且具有人、鼠源特异性的差异菌群。挖掘出了更多NAFLD相比于4种疾病特有且具有人、鼠源特异性的差异菌群。4、基于实验建立NAFLD、IBD小鼠模型,结果表明与SRA数据库小鼠模型间存在较多相同的差异菌群,如Clostridium、Blautia等。进一步说明基于开放性数据库分析结果的可靠性。5、为提高利用16S rDNA原始数据进行组间差异分析的效率,本文基于QIIME2的Python接口,构建从原始序列至组间差异分析的16S rDNA自动化组间差异分析服务器。服务器网址为（http://www.zr-wenglab.cn:7000/GMHM＿NEW/）。