《自然》
　　出生方式与微生物组紊乱有关
　　《自然》9月19日发表的一项研究指出，剖宫产婴儿的肠道菌群容易发生改变，且较易受到潜在致病菌的定植。这一同类研究中已知规模最大的研究证实了此前的研究结果，即在生命最初几周内，分娩方式是决定肠道菌群的主要因素。
　　新生儿从母体和周围环境中获得各种微生物，并进行肠道菌群定植；这一过程受到破坏被认为与童年时期或日后的疾病发展有关。研究人员曾试图理解哪些因素会影响婴儿出生后第一个月里（新生儿期）的肠道菌群组成，但一直受制于样本量过小和菌群分辨率较差。
　　英国剑桥惠康桑格研究所的Trevor Lawley和同事对英国医院出生的596名足月婴儿的肠道菌群进行了全基因组测序，试图明确剖宫产会如何影响新生儿期的肠道菌群组成。这些婴儿中，314名是阴道分娩，282名为剖宫产。
　　分析显示，剖宫产的分娩方式与母体共生菌传递受到破坏以及耐药条件致病菌的定植率较高有关，而后者可能来源于环境。研究发现，约83%的剖宫产婴儿携带潜在的致病菌，而这一比例在阴道分娩的婴儿中只有49%左右。此外，孕期使用抗生素是造成阴道分娩婴儿肠道菌群组成最大差异的原因。
　　研究人员最后表示，生命早期肠道菌群紊乱以及携带致病菌的临床后果还有待进一步研究。
　　相关论文信息：
　　https://doi.org/10.1038/s41586-019-1560-1
　　《自然》
　　深度学习协助预测厄尔尼诺
　　《自然》近日发表的一篇论文报道了一种可以提前一年半预测厄尔尼诺事件的深度学习方法，攻克了该领域内长期存在的一项挑战。
　　厄尔尼诺事件发生于太平洋东部和中部，会引起极端气候，对当地生态系统造成严重损害。预测这些事件一直困难重重，因为传统的预测方法无法提供超过一年的准确预测。
　　韩国光州全南国立大学的Yoo-Geun Ham及同事报道了能够预测厄尔尼诺事件的深度学习方法，该模型利用1871年至1973年的历史气候数据以及厄尔尼诺事件的模拟数据进行训练，并通过1984年至2017年的数据进行测试。与现行的气候预测方法相比，该深度学习算法的预测准确性更高，预测时间最多可提前一年半。
　　研究人员还能借此预测某一厄尔尼诺事件是发生于太平洋中部还是东部，并且在其发生之前鉴定海面温度变化。
　　研究人员认为上述方法提供的预测或许也可用于未来的气候预测，帮助制定政策应对厄尔尼诺的影响。
　　相关论文信息：
　　https://doi.org/10.1038/s41586-019-1559-7
　　《自然—通讯》
　　抗热珊瑚在较低温条件下仍保持耐热性
　　根据《自然—通讯》近日发表的一项研究，抗热珊瑚在较低温条件下仍可以保持健康和耐热性。但是，这些珊瑚在适应了较高温条件后，并不能提高自身的白化阈值。这表明来自极端高温条件下的珊瑚或可用来帮助恢复因白化而退化的低温珊瑚礁，但是它们适应快速变暖环境的能力较为有限。
　　可以在温度变化巨大的条件下生存的珊瑚礁燃起了人们的一丝希望：某些珊瑚或许能够适应较高的海洋温度，但是它们的适应速度能否赶上气候变化的速度仍不确定。
　　西澳大利亚大学的Verena Schoepf和同事利用来自澳大利亚西北部金伯利地区的珊瑚种群开展了热实验，这些珊瑚能够忍受极端温度波动。他们将珊瑚移植到温度条件不同的水箱里面：或是与珊瑚自然生境的温度类似，或是在温度稳定或波动的情况下低4℃或是高1℃。珊瑚适应了低温（为期9个月）和高温（为期6个月）条件，但是一旦最高温度超过了正常的季节性波动范围，珊瑚的健康状况就开始降低。研究人员对珊瑚做了两周的热应力测试，发现它们无法提高白化的阈值温度。
　　这些发现表明，即使是能够适应极端环境的珊瑚礁，其适应未来海洋变暖的能力仍较为有限。但是，这类珊瑚能在暴露于较低温的条件下仍保持耐热性，说明这类种群或可以提供天然避难所，让珊瑚幼虫有可能定殖在温度更低且白化敏感型区域。
　　相关论文信息：
　　https://doi.org/10.1038/s41467-019-12065-0