智慧型手機的功能日趨全面，幾乎就要包辦日常生活大小事，當然也包含我們的健康。有些人拿它來記錄每天的運動狀況，也有人搭配應用程式，監測自己的心肺功能。

但這還不夠，科學家總是能想到更奇葩的需求：未來，你的手機也有機會變身「大麻檢測器」了！羅格斯大學健康暨健康政策與高齡研究所（Rutgers Institute for Health, Health Care Policy and Aging Research）研究團隊，調查大麻使用者的「嗨度」，並將其與機器學習技術做結合，試圖打造能準確判斷大麻中毒程度的日常小工具。

研究發表於《藥物與酒精依賴》（Drug and Alcohol Dependence）期刊^[1]。

大麻何以讓人愉悅？

法國喜劇劇集《大麻咖啡館》（Family Business）中，年輕企業家喬瑟夫．亞贊（Joseph Hazan）乘著法國大麻合法化的順風車，決定將老父親傑哈德．亞贊（Gérard Hazan）的肉鋪改造成大麻咖啡館。雖說父親一開始很反對，但在偶像安瑞可．馬西亞斯（Enrico Macias）的循循善誘下，父親最終也體驗了呼麻的快感，並開始積極面對他們的咖啡館事業。

大麻為何能讓人快樂到放棄執著？一個叫四氫大麻酚（Tetrahydrocannabinol, THC）的傢伙扮演著關鍵角色。由於 THC 的化學結構與人體的內源性大麻「花生四烯乙醇胺」（anandamide）十分相似，它能與大麻素受體（cannabinoid receptors）結合，並啟動大腦的獎勵系統，讓我們感到身心愉悅^[2]。

這不免讓人感到好奇：究竟，人們是如何攝入大麻的呢？

一般來說，大麻被攝取的途徑有二：吸食，或直接拿起來嗑（沒啦，是摻在食物裡面服用）。當人們吸食大麻時，裡頭的化學物質會從肺部進入血液，進而將它們運送到身體各處，包括大腦。但如果是用吃的，由於是透過消化系統吸受，因此大麻所帶來的影響通常會晚個 30 分鐘到 1 小時出現。

大麻中毒將導致「定向感」降低

對大麻使用者來說，它最迷人的地方大概就是使用後欣快的放鬆感受。此外，有些人也會體驗到感官放大的飄忽景象，但也有部分人認為，大麻會讓他們感到焦慮、恐懼、不信任和恐慌。雖然目前較少有因純粹吸食大麻而死亡的案例，然而，若是使用過量，便會引發大麻中毒（cannabis intoxication）^[3]。

大麻中毒的人，輕則產生飢餓與嗜睡等症狀，嚴重的話，會導致認知與對人事時地物的定向感降低，甚至會出現急性精神病（acute psychosis）^[4]。其他典型、可預測的症狀，還包括口乾舌燥、紅眼、短期記憶受損，以及知覺和動作的影響等⁵。

部分大麻中毒者，會因為大麻在精神上的影響，對外界反應時間過慢，造成工作或學校表現低落，甚至在開車、駕駛時形成干擾，最終導致交通事故與傷亡等憾事。

雖說如今有血液、尿液或唾液等測試，能針對大麻中毒進行檢測，但若要實現日常生活中的時刻監測，恐怕還是有些限制的。

過去曾有研究，以現代人形影不離的「智慧型手機」裡的感測器，來探測高風險的飲酒者，準確率高達 90%^[6]。有鑑於此，羅格斯大學健康暨健康政策與高齡研究所團隊開始研究，想知道在機器學習模型的協助下，手機是否能發揮檢測「大麻中毒」的作用，即時探測那些可能因大麻中毒引發的危機。

如何檢測嗨不嗨？關鍵是「使用後的行為」

團隊首先從美國賓州匹茲堡（Pittsburgh, PA）找來 57 位年齡介在 18~25 歲的年輕人，透過自我報告，得知他們每週至少使用大麻兩次。之後，團隊透過「手機回傳調查」搭配「手機內感測器數據」等方法，每日收集受試者使用大麻的相關數據持續至多 30 天，以掌握他們在大麻中毒後的狀況。

其中，回傳調查每日三次，包含開始與結束使用大麻的時間、用量，以及主觀感受的自我評分——依據「嗨」的程度，評分標準為 1~10分，其中 10 分為「敲級嗨」。後來回傳的 451 起大麻使用事件中，平均「嗨度」為 3.77 分。

而手機則搭配應用程式，收集了 102 種手機感測器的數據，如 GPS、加速度計（accelerometer）、撥出的電話數量以及平均移動距離等。有些人聽到這裡可能坐不住了。等等⋯⋯GPS 這類定位工具與加速度計，到底能做什麼？是這樣的，GPS 可用來偵測大麻使用者陷入「自我陶醉」時的行進範圍（travel boundary），而加速度計則是用來監測他們的步態與身體活動量。

在對照受試者的回傳調查及手機數據後發現，當使用者回報他們「正嗨」時，透過 GPS 的數據分析可知，他們的移動範圍並不遠。另外，此時加速度計的資料也顯示，主觀報告大麻中毒者，雖然活動多樣性下降，但身體的活動程度卻比較劇烈。

考慮時間點的監測，精確度大提升！

最後，他們在演算法的幫助下^[7][註1]，盼能瞭解上述方法，是否能區別無中毒和中毒（輕度或中度）的情形。透過各種中毒時的行為特徵，加上機器學習技術的檢核，智慧型手機就可以變成如假包換的「大麻使用監測器」啦！

為了探究這個組合的準確性，團隊企圖在不同的時間點（例如：一周中的某一天，或是某一天的幾點幾分）下做排查，找出與大麻使用行為與特定時間點的關係，以進一步確認大麻中毒的具體指標。

結果顯示，僅出動手機內的感測器偵測這群人是否使用大麻，準確度為 67 ％；但若結合「個人呼麻時間點」與 GPS 和加速度計等資料，則準確度高達 90％。

用手機偵測大麻使用？得再等等⋯⋯

面對如此結果，研究團隊認為，以手機結合機器學習預測大麻中毒程度，是相當可行的。不過，未來還需要加入更多資料，以完備這項工具。

首先，由於該研究對大麻中毒的判定，主要建立在「受試者主觀判斷和自我（ㄕㄡˇ）報告」的基礎上，因此在物質使用和生理反應的識別上，不如執法部門的檢驗工具那般客觀。此外，像是大麻使用者的使用史、攝入身體的途徑、劑量，以及使用者對大麻的耐受性，都會影響他們報告身體狀況的結果。

不僅如此，像是不常使用大麻者在中毒時，他們的行為與身體反應和那些「老司機」們相比，是否有明顯差異？該研究受試者多為白人，其他人種在同劑量的條件下，會不會產生相應的數據？這裡不是要戰種族，但光是「喝酒」這件事，每個人種的反應也多少帶有一些差異，像亞洲人普遍就很難代謝酒精^[8]。

以上種種，都是這個工具可能被泛用的關鍵。最後，假設這個大麻偵測小工具，有朝一日被推到應用程式的市場上，你會想下載嗎？又，我們是否能因為大麻使用者的敏感身份與風險，而逕自對他們搜集資料、加以監控？作為一旁拍手叫好等待好用產品問世的小老百姓，在引頸期盼的同時，也必須深思這樣的問題。

註解

• 註 1：該研究所使用的技術為「Light Gradient Boosting Machine」，是微軟公司以「決策數演算法」（decision tree algorithms）為基礎，於二〇一七年釋出 LightGBM 演算法，用於排序、分類和其它機器學習的任務。

參考文獻

1.  Sang Won Bae et al. (2021) Mobile phone sensor-based detection of subjective cannabis intoxication in young adults: A feasibility study in real-world settings. Drug and Alcohol Dependence. 
2.  How does marijuana produce its effects? National Institute on Drug Abuse, 2020.
3.  What are marijuana’s effects? National Institute on Drug Abuse, 2020.
4.  Helen Okoye. Cannabis Intoxication DSM-5 292.89 (F12.12). Theravive.
5.  Marijuana intoxication. U.S. National Library of Medicine.
6.  Bae et al. (2018) Mobile phone sensors and supervised machine learning to identify alcohol use events in young adults: Implications for just-in-time adaptive interventions. Addictive Behaviors
7.   LightGBM. Wikipedia.
8.  Hui Li et al. (2009) Refined Geographic Distribution of the Oriental ALDH2*504Lys (nee 487Lys) Variant. Annals of Human Genetics.

• 作者 / 照護線上編輯部
• 本文轉載自 Care Online 照護線上《及早發現，把握黃金治療期，新生兒基因檢測醫師圖文解說》，歡迎喜歡這篇文章的朋友訂閱支持 Care Online 喔

在少子化的台灣，每個孩子都是寶，父母親殷切期盼孩子出世，更希望孩子能健康長大。隨著檢測技術的進步，家長們也有越來越多的選擇。

最首要的是國家提供的篩檢項目，包含代謝篩檢與聽力篩檢。目前的新生兒先天性代謝異常疾病篩檢有 21 個項目，這些代謝疾病若未能及時治療，可能造成損害，導致永久性後遺症。禾馨醫療小兒科陳菁兒醫師指出，國民健康署提供的新生兒篩檢主要是篩檢「採檢當下」血液中的代謝產物、酵素，可以找出急性或嚴重程度較高的疾病，以便即早接受治療、減輕症狀。至於聽力篩檢，可以找出當下已經發生嚴重聽力損傷的寶寶。

由政府補助的各項篩檢皆相當重要，但還是有其侷限性，陳菁兒醫師分析，所以有些未列入篩檢的疾病，或者是比較晚發病的寶寶，往往得等到出現症狀、生長遲緩時，才就醫檢查，可能錯過黃金治療期，而造成父母的自責與遺憾。

受惠於醫學的進展，目前已可運用基因檢技術讓新生兒篩檢更加完善，「新生兒基因檢測」只需寶寶採取幾滴血液或是刮取口腔黏膜細胞便能進行檢驗，能夠提早驗出晚發型的寶寶，且涵蓋更多疾病種類。

新生兒聽力篩檢正常，長大後卻出現聽力損傷！？

新生兒基因檢測的起源與聽力篩檢有關，陳菁兒醫師解釋，以往大家認為只要通過新生兒聽力篩檢的寶寶，聽力應該就沒有問題，但是後來卻發現，部分在 4-5 歲有語言發展遲緩的小朋友，檢查起來其實是聽力損傷造成的學習遲緩，代表仍有部份聽力損傷無法透過新生兒聽力篩檢出來。

台大醫院耳鼻喉科醫師與基因醫學部團隊針對這個問題深入研究，這才發現台灣人具有一些特別常見的聽損基因及點位，於是發展出聽損基因檢測在新生兒的應用。

陳菁兒醫師說明，上圖中藍色圈圈代表由新生兒聽力篩檢所發現當下已經有嚴重聽損的寶寶，橘色圈圈是利用基因檢測所找出來較輕微、以及晚發型的聽損寶寶。研究發現這兩種檢查重疊的部分很小，也就是說新生兒基因檢測可以找到傳統聽力篩檢無法篩檢到的族群，且兩者同等重要，無法互相取代。

這樣的研究開啟了新生兒基因篩檢的應用，在台灣也已經頗為普及，準父母在產檢過程中都可以由醫療院所獲得相關資訊。

新生兒基因檢測涵蓋更廣泛

不同檢測技術，可以找出的不同疾病特性的族群，陳菁兒醫師說明，「新生兒代謝篩檢」所檢驗的採檢當下寶寶血液中的代謝物質，可以偵測出急性且嚴重的代謝疾病，但輕型或晚發型代謝疾病就不一定驗得出來；「新生兒基因檢測」則可以提早找出高風險寶寶，後續便能加強照護和追蹤。

除了聽力損傷及代謝疾病，目前新生兒基因檢測的應用範圍很廣，還可以進階到找出特定中樞神經、血液、肌肉、心臟、視力等多種疾病，陳菁兒醫師說，透過基因檢測甚至可以了解一些藥物過敏的問題。

「基因檢測可以實現預防醫學與精準醫療的概念。」陳菁兒醫師說，「以藥物過敏為例，輕微的可能只是皮膚搔癢紅腫，但嚴重可能導致死亡。過去大家只能在用藥之後，才從臨床反應知道是否對藥物過敏，現在則可利用藥物基因檢測找出可能引起過敏反應的藥物，就醫時就能提醒醫師避免使用相關藥物，或調整藥物劑量，以降低藥物不良反應發生的機會。」

藥物基因體學包括藥物代謝與藥物不良反應的資訊，陳菁兒醫師分析，因為每個人對藥物代謝的速率不同，所以在相同劑量下可能產生不同的反應，譬如小朋友常用的退燒藥，可能因為代謝速率不同而導致不良反應，嚴重可能造成腸胃道出血。成人常用的降尿酸藥物，在某些人身上可能出現史帝芬強生症候群 (Steven-Johnson Syndrome，SJS) 或毒性上皮溶解症 (Toxic Epidermal Necrolysis，TEN)，皮膚會嚴重潰爛，甚至導致死亡。

「還有知名電視劇「麻醉風暴」中上演的惡性高熱，主要是因為帶有特殊基因的人群，在使用某些麻醉藥物後容易演變成惡性高熱，而危及性命。」陳菁兒醫師說，「以往這些比較特殊的案例，常找不到原因，但是現在透過藥物基因檢測，我們可以提早找出容易對這些高敏感藥物產生不良反應的族群，有助於提升用藥安全。」

因為人體的遺傳基因不會改變，一輩子只需要驗一次即可，這些攸關用藥安全的資訊，長大以後也都非常實用。

基因檢測讓家族成員連帶受益

針對有家族史的寶寶，因為帶有相同疾病基因變異的機率比較高，需要以基因檢測確認是否為高風險寶寶，提早做預防照護。

至於沒有家族史的寶寶，則可以透過基因檢測找出相關疾病，並能藉此找出隱藏的家族史而讓整個家族受益。

也就是說，新生兒基因檢測的好處其實不只侷限在受檢的寶寶，陳菁兒醫師分析，包含已出生、未出生的兄弟姊妹、其他家族成員，甚至上一代或下一代都可能是受益的對象。

無論是否有已知家族史，如果新生兒驗出疾病基因變異，都應該接受完整遺傳諮詢，必要時再進行相對應基因檢測。「有的家族因為寶寶做了基因檢測，才發現其他家族成員其實也有相同的疾病，因而得以提早接受治療。」陳菁兒醫師說，「另外，了解遺傳疾病的狀況，也可以讓爸爸媽媽在準備生育下一胎時，做好計畫。」

貼心小叮嚀

陳菁兒醫師提醒，基因檢測是一種風險評估的概念，一生只需驗一次，就可以得到終身受用的基因疾病資訊。提早檢測就越能夠提早預防，避免錯失疾病的黃金治療期，甚至其他家族成員也可能連帶受益喔！

• 本文轉載自 Care Online 照護線上《及早發現，把握黃金治療期，新生兒基因檢測醫師圖文解說》，歡迎喜歡這篇文章的朋友訂閱支持 Care Online 喔
• 加入照護線上 LINE 官方帳號，健康資訊不漏接

文／李元昆 教授｜新加坡國立大學楊潞齡醫學院，微生物與免疫學系／外科學系。

臨床及基礎研究中，已有越來越多證據顯示人類腸道微生物菌相 (gut microbiome) 能調節免疫系統、心智及其他生理功能的發育 (1-8)。成熟的人類腸道微生物菌相可分為兩大操作類型，分別是擬桿菌屬-雙歧桿菌屬型 (Bacteroides-Bifidobacterium type) 和普雷沃氏菌屬型 (Prevotella type) ，主要決定於飲食、地理位置以及生活型態(9-13)。擬桿菌屬-雙歧桿菌屬型主要分布於歐洲、北美洲和東亞 (9, 13–15)，普雷沃氏菌屬型則是常見於東南亞、蒙古與非洲 (9, 14, 16)。母親會在懷孕與生產的過程中將自己的微生物菌相轉移給孩子 (17–20)。在嬰兒出生後，微生物菌相在母嬰之間的垂直轉移主要發生在腸道、產道、母乳、口腔以及皮膚等部位 (20–27)。西方國家自然產的新生兒，經由產道傳遞，會和母親有相同的腸道微生物菌相類型，也就是擬桿菌屬-雙歧桿菌屬型 (21, 26–29)。實際上不同菌種之間的相對豐富度在滿周歲前仍會改變 (23, 28, 30–32)。這些研究結果暗示，這類能「遺傳」到嬰兒的腸道微生物菌相組成，或許能夠保護兒童未來的健康。

母親只給了寶寶腸道微生物藍圖，並不決定其終其一生的發展

諷刺的是，這種常見於西方國家微生物菌相型的優勢菌：擬桿菌屬 (Bacteroides) 卻被列為許多已開發國家常見疾病的獨立風險因子，包含心血管疾病 (24, 25)、第二型糖尿病 (26, 27)、大腸直腸癌 (28-30)、心肌病變 (31)、類風溼性關節炎 (32)、發炎型腸道疾病 (33)、帕金森氏症 (34)、乳糜瀉 (35) 以及阿茲海默症 (36)。另外一方面，普雷沃氏菌屬(Prevotella) 為東南亞居民和素食者腸道主要菌群，也有直接或間接的證據暗示其與慢性發炎型疾病有關，包括牙周病、陰道菌叢變化症 (bacterial vaginosis) (37)、扁桃腺炎(38)、非酒精性脂肪肝引發的後期肝纖維化 (39)、心血管代謝疾病風險 (40) 以及氣喘 (41)等。 這些研究導向一個值得思考的重要健康問題：難道我們一生的健康與可能得到的疾病竟然被連結到出生那一刻？在回答這個問題之前，我們必須先了解決定腸道微生物菌相發展與建立的幾個關鍵因子。

如上所述，自然產嬰兒，其第一時間接觸的微生物菌相來自於母親的垂直傳遞。因此，有人可能會假設我們的健康狀況或許在這個時刻就已經被母親「設定」了。令人意外地是，一份近期於東南亞的研究結果顯示，新生兒至離乳前，其腸道微生物菌相屬於擬桿菌屬-雙歧桿菌屬型，並非他們母親所擁有的普雷沃氏菌屬型 (42)。且這些嬰兒的腸菌相，會在離乳過程中逐步轉變成與母親相同的普雷沃氏菌屬型 (12, 14)。

剖腹產也會影響寶寶的腸胃道微生物菌相？

這項於印尼的研究，發現擬桿菌屬、雙岐桿菌屬 (Bifidobacterium) 與腸細菌科 (Enterobacteriaceae) 是嬰幼兒糞便中佔比最高的細菌，和過去於西方國家的研究結果相同 (23, 28–30)。在這群印尼嬰幼兒的糞便中，菌相隨著年紀的變化，主要來自於年紀較長的嬰幼兒糞便出現了一些特定的菌屬：在 6-12 月齡和 12-24 月齡的兩組中，主要是普雷沃氏菌屬、布勞特氏菌屬 (Blautia)、普拉梭菌屬 (Faecalibacterium)、毛螺菌科 (Lachnospiraceae) 以及瘤胃菌科 (Ruminococcaceae)等。同時，擬桿菌屬、雙岐桿菌屬、腸細菌科與克雷伯氏菌屬 (Klebsiella) 的相對豐富度則在離乳後逐漸下降 (6-12 月齡時)，並在 24–48 月齡時持續維持較低的比率。在出生後短短不到一個月內，擬桿菌屬和雙岐桿菌屬就能以母親菌相的少數菌之姿，迅速在嬰兒的腸道內建立優勢微生物菌相，顯示新生兒的腸道環境可能非常適合這類菌屬的定殖與生長。同時卻又讓我們思考，為什麼剖腹產嬰兒即使是由母親哺乳，腸道內的擬桿菌屬和雙岐桿菌屬卻生長速度較為緩慢呢 (28, 43)？過去曾認為，這個差異可能是來自於剖腹產胎兒與母親有較少的垂直傳遞 (28, 43)，然而根據這份印尼的研究，嬰兒早期腸道微生物菌相的快速建立，未必需要高量菌數之殖入。一個可能的解釋是，剖腹產手術過程會影響腸道的環境，進而阻撓共生菌在嬰兒腸道的建立過程。人類乳汁中的寡醣類能幫助雙岐桿菌屬在嬰兒腸道中成長 (44–46)，且母乳富含脂質 (47)，會促進膽酸分泌，進一步抑制普雷沃氏菌屬，並促進擬桿菌屬和雙岐桿菌屬的生長 (48, 49)。確實在該篇研究中，印尼嬰兒離乳前的排泄物 (糞水) 中含有較多的初級膽酸 (primary bile acids)。 離乳後的腸道微生物菌相改變也使得初級膽酸被轉換成次級膽酸 (secondary bile acids)，與過去日本的研究結果相符 (42, 50)。離乳前嬰兒腸道中擬桿菌屬和雙岐桿菌屬的功能以及它們之所以佔據菌相多數的原因，值得注意。以該篇印尼研究來說，擬桿菌屬和雙岐桿菌屬不太可能與成人後的營養消化有關，因為在離乳後就會迅速轉成普雷沃氏菌屬主導的微生物相，且母親 (成人) 的腸道微生物菌相中擬桿菌屬和雙岐桿菌屬分布本就較低。在這篇研究中，與免疫細胞生長、成熟有關的細胞激素含量 (IL-1β, −2, −5, −8, −12, TNF-α 和 IFN-β) 也在離乳後上升。這也暗示了幼兒的主動免疫在離乳期開始發展。在一篇小鼠研究中， 腸道殖入Bacteroides fragilis (來自擬桿菌屬) 能夠抑制促發炎的TH17 免疫細胞反應 (51)。推測此篇印尼研究，離乳前擬桿菌屬的優勢定殖或許能抑制腸道中的促發炎細胞。在產後一個月內，普雷沃氏菌是母親陰道裡含量最豐富菌種。然而，即使生產過程中，嬰兒暴露於較多的普雷沃氏菌，但哺乳期間此菌的含量卻一直只在嬰兒的腸道微生物菌相佔少數。直到離乳後，嬰兒開始吃母乳以外的食物才逐漸轉為優勢菌種。有趣的是，歐洲與北美的母親，雖然腸道微生物菌相屬於擬桿菌屬-雙岐桿菌屬型，其陰道菌相卻仍以大量的普雷沃氏菌為主 (20, 23)，即便歐美常見離乳後攝食的高脂/高蛋白飲食並不利於與此菌於腸道之繁衍 (12, 15)。儘管已開發國家飲食型態近數十年來有相當的演變，內源性因子所造就的普雷沃氏菌在母親陰道中的優勢，完全沒有受到影響。因為早期人類的飲食主要是以蔬菜為主，與現今的印尼族群飲食型態近似。然而，來自母體的微生物傳遞依舊被認為是嬰幼兒腸道微生物菌相的重要來源之一，因為所有孩子腸道中的菌種都可以在母親的微生物相中找到。不過，母親的微生物菌相中仍有許多額外的菌種，這表示只有少部分菌種可以透過腸道、陰道以及母乳傳遞給嬰兒，並且成功建立起嬰兒的微生物菌相。更重要的是，在母體優勢的菌種，並不一定在嬰兒腸道環境中也具相同的競爭優勢。這現在的其中一個解釋為，嬰兒的腸道環境可能偏好具有帶著某些特定功能基因的菌種 (27)， 也有可能是除了垂直傳遞以外，菌相的水平傳遞也占了一席之地 (52)。無論如何，該篇研究最後也顯示嬰幼兒的腸菌相，會隨著成長而逐漸與母親的腸菌相愈來愈相近 (26, 28)。

這篇研究，使用了一個相關係數指標來評估腸道共生菌與一些已知致病菌之間的相關程度；此指標係將共生菌與潛在致病菌的相關係數予以加總，指標 0 表示任何共生菌與病原菌均不相關。這個指標在這篇印尼嬰兒的研究中，離乳前為 4.9，而在離乳後則是上升到 31.0。前後的數字變化顯示，離乳前的共生菌群和母乳中可提供被動免疫防護的抗體、免疫球蛋白能夠壓制並避免潛在致病菌的生長。這些共生菌會提供嬰兒保護力，直到離乳前後他們自己的免疫系統完整發育。這種微生物菌相也許是一個演化上的保護策略，能在較不注重衛生習慣的過去，或者是某些開發中國家的現今，提供較早離乳的嬰兒足夠的保護力。 霍亂弧菌為開發中國家最廣泛的致命腸道病原菌。

雙岐桿菌屬在各年齡層均與複雜碳水化合物、當地水果以及乳製品的攝取呈負相關。此印尼的研究結果也支持了先前的研究發現，飲食中抗性澱粉的存在會與雙岐桿菌屬數量呈現負相關(14)。印尼人的主食為秈米 (Indica rice)，含有較多的抗性澱粉。印尼嬰兒離乳後攝取秈米，抗性澱粉持續存在於腸道中，造成腸道中游離膽酸被移除，進而使得普雷沃氏菌屬增殖，而降低雙岐桿菌屬 (10)。此外，普雷沃氏菌屬能夠發酵碳水化合物 (14, 15)，攝食高碳水化合物的印尼人腸道環境有利其增殖。再者，研究也發現當地的水果及乳製品似乎會抑制雙岐桿菌屬的生長，且具有強烈的劑量效應。當地的果樹為了在高溫、容易滋生細菌的環境下生長，會產生抗菌的化學物質 (54–56)。而雙岐桿菌屬是否屬於對這類抗菌化學物質敏感的微生物，還需要進一步的研究證實。若屬實，這可能就是印尼幼兒離乳後腸道雙岐桿菌屬急遽下降的原因，同時也可解釋為何母親的腸道微生物菌相含有較少雙岐桿菌屬。在某些幼兒攝取較為西化飲食 (速食) 的案例中，來自麵包或洋芋片的可消化碳水化合物，可能造成速食攝取與雙岐桿菌屬之間出現正相關 (14)。過去在歐洲、北美洲以及東亞兒童所觀察到的雙岐桿菌屬保健功能 (33-36, 43, 53)，在印尼兒童或許是由別種共生菌所取代，例如腸球菌 (Enterococcus faecalis) (57, 58)。嬰幼兒成長到 24-48 月齡時，可能已發展出一套成熟平衡的腸道微生物菌相系統。或許因與母親的飲食日趨相似，其與母親的微生物菌相亦就非常雷同。

綜此，至今研究指出：

• 在出生僅僅一個月內，嬰兒體內優勢菌相即可相對快速的建立，其起始於來自母親極少菌量之殖入，但決定於嬰兒腸道環境因子，非母親菌相中含量最多的菌。
• 嬰兒離乳前的腸道優勢菌相與內外緣因子有關，包括膽酸濃度、細胞激素、母乳中寡醣以及黏液素的醣基 (mucin glycans) 等，這些因子有利於擬桿菌屬及雙岐桿菌屬成為優勢菌種。
• 在嬰兒離乳前，擬桿菌屬及雙岐桿菌屬的量與潛在致病菌的量呈負相關。唯其於抵抗傳染性疾病中所扮演的角色還需要更多臨床研究證實。
• 離乳後的飲食型態，驅動嬰兒糞便微生物菌相組成的改變，故離乳期代表了微生物菌相變化的過渡期窗口。
• 綜而言之，決定兒童腸道微生物菌相主要應是腸道環境和飲食組成，而非完全轉殖自母體。也就是說，離乳期的飲食為改善腸道微生物菌相的一個務實捷徑。

參考文獻 

1. Turroni F, Milani C, Duranti S, Lugli GA, Bernasconi S, Margolles A, Di Pierro F, van Sinderen D, Ventura M. The infant gut microbiome as a microbial organ influencing host well-being. Italian J Pediatrics. 2020;46:16.
2. Olsza k T, An D, Zeissig S, Vera MP, Richter J, Franke A,Glickman JN, Siebert R, Baron RM, Kasper DL, et al. Microbial exposure during early life has persistent effects on natural killer T cell function. Science. 2012;336(6080):489–493. doi:10.1126/science.1219328.
3. Gensollen T, Iyer SS, Kasper DL, Blumberg RS. How colonisation by microbiota in early life shapes the immune system. Science. 2016;352(6825):539–544. doi:10.1126/science.aad9378.
4. Scheepers L, Penders J, Mbakwa CA, Thijs C, Mommers M, Arts I. The intestinal microbiota composition and weight development in children: the KOALA birth cohort study. Int J Obesity. 2015;39:16–25. doi:10.1038/ijo.2014.178.
5. Milani C, Duranti S, Bottacini F, Casey E, Turroni F, Mahony J, Belzer C, Delgado Palacio S, Arboleya Montes S, Mancabelli L, et al. The first microbial colonizers of the human gut: composition, activities and health implications of the infant gut microbiota. Microbiol Mol Biol Rev. 2017;81(4):e00036–17.
6. Mulligan CM, Friedman JE. Maternal modifiers of the infant gut microbiota: metabolic consequences. J Endocrinol. 2017;235(1):R1–R12. doi:10.1530/JOE-17-0303.
7. Fujimura KE, Sitarik AR, Havstad S, Lin DL, Levan S, Fadrosh D, Panzer AR, LaMere B, Rackaityte E, Lukacs NW, et al. Neonatal gut microbiota associates with childhood multisensitised atopy and T cell differentiation. Nat Med. 2016;22(10):1187–1191. doi:10.1038/nm.4176.
8. Ismail IH, Boyle RJ, Licciardi PV, Oppedisano F, Lahtinen S, Robins-Browne RM, Tang MLK. Early gut colonization by Bifidobacterium breve and B. catenulatum differentially modulates eczema risk in children at high risk of developing allergic disease. Paediatric Allergy Immunol. 2016;27(8):838–846. doi:10.1111/pai.12646.
9. De Filippo C, Cavalieri D, Di Paola M, Ramazzotti M, Poullet JB, Massart S, Collini S, Pieraccini G, Lionetti P. Impact of diet in shaping gut microbiota revealed by acomparative study in children from Europe and rural Africa. Proc Natl Acad Sci USA. 2010;107(33):14691–14696. doi:10.1073/pnas.1005963107.
10. Khine WWT, Zhang YW, Goie JY, Wong MS, Liong MT, Lee YY, Cao H, Lee Y-K. Gut microbiome of preadolescent children of two ethnicities residing in three distant cities. Sci Rep. 2019;9(1):78931. doi:10.1038/s41598-019-44369-y.
11. Kisuse J, La-Ongkham O, Nakphaichit M, Therdtatha P, Momoda R, Tanaka M, Fukuda S, Popluechai S, Kespechara K, Sonomoto K, et al. Urban diets linked to gut microbiome and metabolome alterations in children: a comparative cross-sectional study in Thailand. Front Microbiol. 2018;9:1345. doi:10.3389/fmicb.2018.01345.
12. Nakayama J, Yamamoto A, Palermo-Conde LA,Higashi K, Sonomoto K, Tan J, Lee Y-K. Impact of Westernized diet on gut microbiota in children on Leyte islands. Front Microbiol. 2017;8:197. doi:10.3389/fmicb.2017.00197.
13. Yatsunenko T, Rey FE, Manary MJ, Trehan I, Dominguez-Bello MG, Contreras M, Magris M, Hidalgo G, Baldassano RN, Anokhin AP, et al. Human gut microbiome viewed across age and geography. Nature. 2012;486(7402):222–227. doi:10.1038/nature11053.
14. Nakayama J, Yamamoto A, Palermo-Conde LA, Higashi K, Sonomoto K, Tan J, Lee Y-K. Diversity in gut bacterial community of school-age children in Asia. Sci Rep. 2015;5:8397. doi:10.1038/srep08397.
15. Wu GD, Chen J, Hoffmann C, Bittinger K, Chen -Y-Y, Keilbaugh SA, Bewtra M, Knights D, Walters WA, Knight R, et al. Linking long-term dietary patterns with gut microbial enterotypes. Science. 2011;334:6052. doi:10.1126/science.1208344.
16. Zhang JC, Guo Z, Lim AA, Zheng Y, Koh EY, Ho D, Qiao J, Huo D, Hou Q, Huang W, et al. Mongolians core gut microbiota and its correlation with seasonal dietary changes. Sci Rep. 2014;4:5001. doi:10.1038/srep05001.
17. Pelzer E, Gomez-Arango LF, Barrett HL, Nitert MD. Review: maternal health and the placental microbiome. Placenta. 2017;54:30–37. doi:10.1016/j.placenta.2016.12.003.
18. Rautava S, Luoto R, Salminen S, Isolauri E. Perinatal microbial contact and the origins of human disease. Nat Rev Gastroenterol Hepatol. 2012;9:565–576. doi:10.1038/nrgastro.2012.144.
19. Penders J, Thijs C, Vink C, Stelma CV, Snijders B, Kummeling I, van den Brandt PA, Stobberingh EE. Factors influencing the composition of the intestinal microbiota in early infancy. Paediatrics. 2006;118(2):511–521. doi:10.1542/peds.2005-2824.
20. Dominguez-Bello MG, Costello EK, Contreras M, Magris M, Hidalgo G, Fierer N, Knight R. W. W. T. KHINE ET AL. Delivery mode shapes the acquisition and structure of the initial microbiota across multiple body habitats in newborns. Proc Natl Acad Sci USA. 2010;107(26):11971–11975. doi:10.1073/pnas.1002601107.
21. Asnicar F, Manara S, Zolfo M, Truong DT, Scholz M, Armanini F, Ferretti P, Gorfer V, Pedrotti A, Tett A, et al. Studying vertical microbiome transmission from mothers to infants by strain-level metagenomics profiling. mSystem. 2017;2(1):e00164–16. doi:10.1128/mSystems.00164-16.
22. Funkhouser LJ, Bordenstein SR. Mom knows best: the universality of maternal microbial transmission. PLoS Biol. 2013;11(8):e1001631. doi:10.1371/journal.pbio.1001631.
23. Mueller NT, Bakacs E, Combellick J, Grigoryan Z, Dominguez-Bello MG. The infant microbiome development: mom matters. Trends Mol Med. 2015;21(2):109–117. doi:10.1016/j.molmed.2014.12.002.
24. Roger LC, Costabile A, Holland DT, Hoyles L, McCartney AL. Examination of fecal Bifidobacterium populations in breast- and formula-fed infants during the first 18 months of life. Microbiology Society. 2010;156(11):3329–3341. doi:10.1099/mic.0.043224-0.
25. Koenig JE, Spor A, Scalfone N, Fricker AD, Stombaugh J, Knight R, Angenent LT, Ley RE. Succession of microbial consortia in the developing infant gut microbiome. Proc Natl Acad Sci USA. 2011;108(Suppl.1):4578–4585. doi:10.1073/pnas.1000081107.
26. Ferretti P, Pasolli E, Tett A, Asnicar F, Gorfer V, Fedi S, Armanini F, Truong DT, Manara S, Zolfo M, et al. Mother-to-infant microbial transmission from different body sites shapes the developing infant gut microbiome. Cell Host Microbe. 2018;24:133–145. doi:10.1016/j.chom.2018.06.005.
27. Yassour M, Jason E, Hogstrom LJ, Arthur TD, Tripathi S, Siljander H, Selvenius J, Oikarinen S, Hyöty H, Virtanen SM, et al. Strain-level analysis of mother-tochild bacterial transmission during the first few months of life. Cell Host Microbe. 2018;24:146–154. doi:10.1016/j.chom.2018.06.007.
28. Bäckhed F, Roswall J, Peng Y, Feng Q, Jia H, KovatchevaDatchary P, Li Y, Xia Y, Xie H, Zhong H, et al. Dynamics and stabilization of the human gut microbiome during the first year of life. Cell Host Microbe. 2015;17:690–730. doi:10.1016/j.chom.2015.04.004.
29. Makino H. Bifidobacterial strains in the intestines of newborns originate from their mothers. Biosci Microbiota Food Health. 2018;37:79–85. doi:10.12938/bmfh.18-011.
30. Vaishampayan PA, Kuehl JV, Froula JL, Morgan JL, Ochman H, Francino MP. Comparative metagenomics and population dynamics of the gut microbiota inmother an infant. Genome Biol Evol. 2010;2:53–66. doi:10.1093/gbe/evp057.
31. Milani C, Turroni F, Duranti S, Lugli GA, Mancabelli L, Ferrario C, van Sinderen D, Ventura M. Genomics of the genus Bifidobacterium reveals species-specific adaptation to the glycan-rich gut environment. Appl Environ Microbiol. 2015;82(4):980–991. doi:10.1128/AEM.03500-15.
32. Duranti S, Lugli GA, Mancabelli L, Armanini F, Turroni F, James K, Ferretti P, Gorfer V, Ferrario C, Milani C, et al. Maternal inheritance of bifidobacterial communities and bifidophages in infants through vertical transmission. Microbiome. 2017;5:66. doi:10.1186/s40168-017-0282-6.
33. Milani C, Duranti S, Bottacini F, Casey E, Turroni F, Mahony J, Belzer C, Delgado Palacio S, Arboleya Montes S, Mancabelli L, et al. The first microbial colonizers of the human gut: composition, activities and health implications of the infant gut microbiota. Microbiol Mol Biol Rev. 2017;81(4):e00036–17.
34. 34. Mulligan CM, Friedman JE. Maternal modifiers of the infant gut microbiota: metabolic consequences. J Endocrinol. 2017;235(1):R1–R12. doi:10.1530/JOE-17-0303.
35. Fujimura KE, Sitarik AR, Havstad S, Lin DL, Levan S, Fadrosh D, Panzer AR, LaMere B, Rackaityte E, Lukacs NW, et al. Neonatal gut microbiota associates with childhood multisensitised atopy and T cell differentiation. Nat Med. 2016;22(10):1187–1191. doi:10.1038/nm.4176.
36. Ismail IH, Boyle RJ, Licciardi PV, Oppedisano F, Lahtinen S, Robins-Browne RM, Tang MLK. Early gut colonization by Bifidobacterium breve and B. catenulatum differentially modulates eczema risk in children at high risk of developing allergic disease. Paediatric Allergy Immunol. 2016;27(8):838–846. doi:10.1111/pai.12646.
37. Wampach L, Heintz-Buschart A, Fritz JV, RamiroGarcia J, Habier J, Herold M, Narayanasamy S, Kaysen A, Hogan AH, Bindl L, et al. Birth mode is associated with earliest strain-conferred gut microbiome functions and immunostimulatory potential. Nat Commun. 2018;9:5091. doi:10.1038/s41467-018-07631-x.
38. Fouhy F, Watkins C, Hill CJ, ÓShea C-A, Nagle B, Dempsey EM, ÓToole PW, Ross RP, Ryan CA, Stanton C. Perinatal factors affect the gut microbiota up to four years after birth. Nat Commun. 2019;10:1517. doi:10.1038/s41467-019-09252-4.
39. Shao Y, Forster SC, Tsaliki E, Vervier K, Strang A, Simpson N, Kumar N, Stares MD, Rodger A, Brocklehurst P, et al. Stunted microbiota and opportunistic pathogen colonisation in caesarean-section birth. Nature. 2019;574:117–121. doi:10.1038/s41586-019-1560-1.
40. Nogacka A, Salazar N, Suárez M, Milani C, Arboleya S, Solís G, Fernández N, Alaez L, Hernández-Barranco AM, de Los Reyes-gavilán CG, et al. Impact of intrapartum antimicrobial prophylaxis upon the intestinal microbiota and the prevalence of antibiotic resistance genes in vaginally delivered full-term neonates. Microbiome. 2017;5(1):93. doi:10.1186/s40168-017-0313-3.
41. Neuman H, Forsythe P, Uzan A, Avni O, Koren O. Antibiotics in early life: dysbiosis and the damage done. FEMS Microbiol Rev. 2018;42:489–499. doi:10.1093/femsre/fuy018.
42. Khine WWT, Rahayu ES, See TY, Kuah S, Salminen S, Nakayama J, Lee YK. Indonesian children fecal microbiome from birth until weaning was different from microbiomes of their mothers, Gut Microbes, doi: 10.1080/19490976.2020.1761240.
43. Dzidic M, Boix-Amorós A, Selma-Royo M, Mira A, Collado MC. Gut microbiota and mucosal immunity in the neonate. Med Sci (Basel). 2018;6:E56.
44. Aakko J, Kumar H, Rautava S, Wise A, Autran C, Bode L, Isolauri E, Salminen S. Human milk oligosaccharide categories define the microbiota composition in human colostrum. Benef Microbes. 2017;8(4):563–567. doi:10.3920/BM2016.0185.
45. Marcobal A, Barboza M, Froehlich JW, Block DE, German JB, Lebrilla CB, Mills DA. Consumption of human milk oligosaccharides by gut-related microbes. J Agric Food Chem. 2010;58(9):5334–5340. doi:10.1021/jf9044205.
46. Duranti S, Lugli GA, Milani C, James K, Mancabelli L, Turroni F, Alessandri G, Mangifesta M, Mancino W, Ossiprandi MC, et al. Bifidobacterium bifidum and the infant gut microbiota: an intriguing case of microbehost co-evolution. Environ Microbiol. 2019;21 (10):3683–3695. doi:10.1111/1462-2920.14705.
47. Andreas NJ, Kampmann B, Mehring L-DK. Human breast milk: a review on its composition and bioactivity. Early Hum Dev. 2015;91(11):629–635. doi:10.1016/j. earlhumdev.2015.08.013.
48. Hayashi H, Shibata K, Sakamoto M, Tomita S, Benno Y. Prevotella copri sp. Nov. and Prevotella stercorea sp. Nov., isolated from human feces. Int J Syst Evol Microbiol. 2007;57:941–946. doi:10.1099/ijs.0.64778-0.
49. Wahlstrom A, Sayin SI, Marschall H-U, Backhed F. Intestinal crosstalk between bile acids and microbiota and its impact on host metabolism. Cell Metab. 2016;24(1):41–50. doi:10.1016/j.cmet.2016.05.005.
50. Masaru. T, Sanefuji M, Morokuma S, Yoden M, Momoda R, Sonomoto K, Ogawa M, Kato K, Nakayama J. The association between gut microbiota development and maturation of intestinal bile acid metabolism in the first three years of healthy Japanese infants. Gut Microbes. 2019. doi:10.1080/19490976.2019.1650997.
51. Round JL, Lee SM, Li J, Tran G, Jabri B, Chatila TA, Mazmanian SK. The Toll-like receptor 2 pathway establishes colonisation by a commensal of the human microbiota. Science. 2011;332:974–977. doi:10.1126/science.1206095.
52. Moeller AH, Suzuki TA, Phifer-Rixey M, Nachman MW. Transmission modes of the mammalian gut microbiota. Science. 2018;362:453–457. doi:10.1126/science.aat7164.
53. Kim Y-G, Sakamoto K, Seo SU, Pickard JM, Gillilland MG 3rd, Pudlo NA, Hoostal M, Li X, Wang TD, Feehley T, et al. Neonatal acquisition of Clostridia species protects against colonization by bacterial pathogens. Science. 2017;356:315–319. doi:10.1126/science.aag2029.
54. Oyedemi BOM, Kotsia EM, Stapleton PD, Gibbons S. Capsaicin and gingerol analogues inhibit the growth of efflux-multidrug resistant bacteria and R-plasmids conjugal transfer. J Ethnopharmacol. 2019;245:111871. doi:10.1016/j.jep.2019.111871.
55. Kariu T, Nakao R, Ikeda T, Nakashima K, Potempa J, Imamura T. Inhibition of gingipains and Porphyromonas gingivalis growth and biofilm formation by prenyl flavonoids. J Periodontal Res. 2017;52(1):89–96. doi:10.1111/jre.12372.
56. Cushnie TP, Cushnie B, Lamb AJ. Alkaloids: an overview of their antibacterial, antibiotic-enhancing and antivirulence activities. Int J Antimicrob Agents. 2014;44:377–386. doi:10.1016/j.ijantimicag.2014.06.001.
57. Are A, Aronsson L, Wang S, Greicius G, Lee Y-K, Gustafsson JA, Pettersson S, Arulampalam V. Enterococcus faecalis from newborn babies regulate endogenous PPARgamma activity and IL-10 levels in colonic epithelial cells. Proc Natl Acad Sci USA. 2008;105:1943–1948. doi:10.1073/pnas.0711734105.
58. Wang SG, Hibberd ML, Pettersson S, Lee Y-K. Enterococcus faecalis from healthy infants modulates inflammation through MAPK signaling pathways. PLoS One. 2014;9(5):e97523. doi:10.1371/journal.pone.0097523.