【原】科研 | 大鼠生命过程中肠道菌群与脑代谢组关联的新策略（上海六院作品）

本文由董小橙编译，董小橙、江舜尧编辑。

原创微文，欢迎转发转载。

导读

微生物-肠-脑轴集成了神经，激素和免疫信号，并且对哺乳动物的生长和健康有着深远的影响。一些研究已经表明肠道菌群及其代谢产物广泛参与脑与肠道之间的相互作用。目前，微生物-肠-脑轴对生长和健康的影响尚不清楚，还需要进一步研究。

论文ID

原名：A strategy for an association study of the intestinal microbiome and brain metabolome across the lifespan of rats

译名：大鼠生命过程中肠道菌群与脑代谢组关联的新策略

期刊：Analytical Chemistry

IF：6.320

发表时间：2018年

通信作者：Wei Jia

通信作者单位：上海交通大学附属第六人民医院

实验设计

        本研究分为两个试验。试验1为正常生长试验：收集6只大鼠在7个时间点(出生后第1周、第3周、第7周、第12周、第24周、第56周和第111周)的脑组织和肠内容物进行分析。试验2为饮食限制试验：选取12只大鼠(4周龄)喂养自由采食3周，然后随机选取6只喂养自由采食5周，另外6只喂养60%的自由采食5周。12周时，收集它们的脑组织和肠内容物进行分析。设计流程图如图1所示：

图1 试验流程图

实验内容

1、生命过程中脑代谢物和肠道菌群的变化规律研究

脑代谢组组成中脂质和氨基酸是主要的代谢物，占比42%；而肠道菌群组成中厚壁菌门和变形菌门是主要的细菌门，占比为51%(图2a和2d)。脑代谢组和肠道代谢组随年龄变化的相关轨迹是相似的(图2b和2e)，从W1到W3和W5到W7轨迹是明显变化的。各个年龄段下的大鼠的主要代谢物类型和肠道菌群中细菌门组成都发生了变化，通过Krukal-Wallis检测发现几乎所有代谢类型(除酚类、多肽和嘌呤外)和所有细菌门(放线菌门除外)都发生了显著的变化(图2c和2f)。

图2 生命过程中脑代谢组和肠道菌群的组成及变化

2、不同类型代谢物与细菌门的相关性分析

        对脑代谢组和肠道菌群之间整体相关性做出贡献较大的5种代谢物分别为胆酸、脂质、游离脂肪酸、吡啶和神经递质；做出贡献较大的6种细菌门分别为衣原体门、厚壁菌门、绿菌门、螺旋体门、硝化螺旋菌门及拟杆菌门(图3a)。通过LEfSe分析发现1周时的代谢功能最为丰富，其次是第7周和第111周。在1周时脂质代谢、甘油磷脂代谢、脂质合成蛋白、氨基酸代谢和脂肪酸代谢是明显丰富的，7周时初级胆汁酸合成、次级胆汁酸合成是显著丰富的(图3b)。此外，在不同年龄段，预测代谢功能与相应的代谢类型的变化是一致的(图3c-j)。通过Spearman分析每种代谢类型与细菌门之间的相关性，结果发现与大多数细菌门相关代谢物类型为脂质、游离脂肪酸和胆酸，与大多数代谢物类型相关的细菌门为厚壁菌门和螺旋体门(图3k)，其中，脂质-螺旋体门、游离脂肪酸-厚壁菌门、胆汁酸-厚壁菌门和神经递质-拟杆菌门被作为关键的关联配对(图3l-o)。

图3 代谢类型和细菌门的相关性分析

3、不同类型代谢物与细菌门的相关性分析

通过Spearman分析178个细菌(144细菌属和34细菌种)与354种代谢产物之间的相关性，共获得8131个显著关联分析结果，其中5039个为正相关，3092个为负相关。图4为4种关键关联网络信息，其中涉及到28种脂质、27种游离脂肪酸、9种胆酸和5种神经递质，包括18种厚壁菌门中的属水平或种水平物种、12种拟杆菌门中的属水平或种水平物种和1种螺旋体门中的属水平物种。具体关联信息信息主要包括：(1)螺旋体门中的Treponema.spp与28种脂质的关联(图4a)；(2)厚壁菌门中的Facklamia.spp与19种游离脂肪酸的关联(图4b)；(3)厚壁菌门中的Ruminococcus gnavus与5种胆汁酸的关联(图4c)；(4)5种神经递质和12个拟杆菌门种的属水平物种或种水平物种的关联(图4d)。

图4 代谢物与菌种间的相关性分析

4、通过饮食限制实验验证相关性

通过相同的试验方法和预处理，选择两个实验中相同的代谢产物及菌群做关联性分析，结果表明在两项试验中关键的关联信息总体上基本保持一致(图5)。

图 5 正常生长组(蓝色)和饮食限制组(红色)的Spearman相关性系数和关键相关对的散点图

实验结论

        

        本研究的贡献主要在于关键关联对的筛选。考虑到数据大小，代谢组的分层结构和微生物群的复杂分类，代谢物和细菌在不同水平的不同表现，以及代谢组和微生物群内不可预测的交叉相关性，本研究进行了两个水平的相关分析，并将所有年龄段的数据组合在一起。首先，单变量和多变量相关性分析和功能分析共同应用于关键相关对的筛选。其次，集中于对结果有积极贡献的关键关联对的研究。通过多层次和多种方法结合的策略降低了数据的复杂度，高度保证了结果的重要性和一致性。

点评