相关性不等于因果：菌群研究的方法学门槛

从差异到机制的差距

对比两组样本的菌群构成，找出丰度差异显著的物种，是常见第一步。但差异可能来自疾病本身，也可能来自伴随的饮食改变、用药或生活方式，方向并不明确。

把相关当成因果，容易推出看似合理却无效的干预。这也是许多早期发现难以在实际中复现的原因之一。

混杂因素的控制

年龄、体重、饮食结构、睡眠与运动都会影响菌群构成。若两组在这些方面不均衡，观察到的差异很可能只是混杂的投影。

统计上可以做匹配与校正，但校正只能处理已测量的因素。未记录或测量不准的变量，依然会悄悄影响结论。

干预实验的价值与限制

把候选菌种移植到动物模型，观察指标是否随之改变，是建立因果线索的常用手段。若指标改善，说明该菌种至少具备影响能力。

但动物模型的菌群背景、饲养环境与人类差异明显，效果能否迁移仍需人体试验验证。跨物种外推应保持谨慎。

个体间差异很大

不同人的菌群构成差异显著，同一个人在不同时间的波动也不小。这意味着基于群体平均得出的结论，未必适用于特定个体。

因此结果更适合表述为趋势与概率，而不是对每个个体都成立的规律。样本量不足时，这种不确定性会被进一步放大。

可重复性的基础设施

样本获取、保存、测序流程与分析脚本的差异，都会导致结果不一致。统一流程并公开代码，是提高可重复性的基础工作。

此外，阴性结果与失败的复现同样值得记录。只发表正向结果会让领域对某结论的信心出现系统性偏差。