​

肥胖与许多疾病的风险增加有关，包括糖尿病、心血管疾病和癌症。越来越多的证据也表明肠道菌群失衡与疾病有关。通过调节肠道菌群或许能逆转或干预这些现象。

本期介绍两篇，分别以饮食控制和维生素给予为变量，同时都研究了基线时和干预后肠道菌群的变化。又是新的思路，新的挑战。

第一篇文章研究了基线肠道菌群在饮食控制的前提下是否能预测减肥轨迹？

答案是可以的，研究结论表示作为节食前个人体重减轻轨迹的预测指标，基线肠道微生物的作用超过了其他因素。

研究中对83名受试者(男47人，女36人，年龄20~45岁)进行了为期6个月的在营养师指导下的饮食干预计划。受试人群以以下标准排除：

(1)重大疾病；

(2)怀孕或哺乳；

(3)高血糖或低血糖；

(4)胃肠疾病；

(5)自身免疫性疾病；

(6)甲状腺疾病；

(7)在纳入前1个月内使用抗生素或激素；

(8)预计在研究过程中经常旅行。这也排除了服用上述条件下处方药物(如二甲双胍)的受试者。

按照中国人民解放军总医院营养科的医生设计的膳食计划，即碳水化合物含量为60%-65%，蛋白质含量为24%-26%，脂肪含量为12%-14%(能量百分比)。也包括400-500克蔬菜和100-200克低血糖指数水果，严格遵循饮食建议，卡路里控制在男性1200-1680千卡/天，女性1050-1470千卡/天。

如图，结合电子秤与智能手机应用程序，纵向收集饮食、体力活动、体重和粪便微生物组数据以及SNP基因型，然后整合成高维数据用于后续分析。对采集的粪便样本进行宏基因组鸟枪法测序，得到的序列数据进行物种注释及KEGG功能注释。

主要的结果论证：

1. 饮食因素与体重变化之间的联系因个体不同而不同。

首先确定有哪些饮食因素与所有个体的体重下降有关。使用GLMMLASSO模型，结果如图，当coef为非零时被认为是显著的。发现，在所有受试者中，体重下降与卡路里摄入量(系数=-0.153)、膳食中大量营养素组成(脂肪，系数=-0.161；碳水化合物，系数=-0.055；蛋白质，系数=0.084；纤维，系数=0.1)、膳食微量营养素含量和体力活动之间的具有弱相关。

但是在个体间有很大差异。例如在受试者F00161中，纤维摄入量的增加与减肥之间存在正相关关系，而在F00147中，受试者的脂肪摄入量增加与体重减轻之间存在负相关关系。相反，尽管纤维或脂肪摄入量发生变化，F00203人仍然对体重变化不敏感(图G)。所以，即使是相似的膳食大量营养素，体重反应也是高度个性化的。蓝色,coef> 0;红色,coef< 0

2. 作为节食前减肥轨迹的预测指标，基线肠道菌群表现更好。

为了从饮食控制前的基线数据中建立预测体重下降的模型，开发了基于梯度增强回归的机器学习算法，并保留一个受试者进行交叉验证。为了识别除了饮食数据之外最相关的变量，这些模型分别在五组输入上进行了训练：

(1)膳食数据(包括卡路里摄入量、大量营养素组成、食物种类和饮食排序的前三个特征向量)；

(2)膳食数据和肥胖相关SNPs；

(3)膳食数据和个人特征(年龄、性别和基线体重指数)；

(4)膳食数据和基线肠道微生物群(包括细菌种类丰度和功能模块)；

(5)膳食数据、个人特征、SNPs和基线肠道微生物群。

与不包含基线微生物群数据的模型相比，包含基线微生物群数据的模型的预测精度大大提高，而包括个人特征或肥胖相关的宿主基因组SNP对预测精度的贡献很小[(1)r=0.137；(2)r=0.073；(3)r=0.159；(4)r=0.523；(5)r=0.509]。因此，基线肠道菌群数据在预测6个月饮食控制计划期间体重变化方面优于其他因素(P <1e-14)。

之后，研究人员进行了更细致的模型训练，发现了对体重下降模型影响最大的几个物种：

在功能分析中，发现涉及赖氨酸生物合成(M00030)和多糖运输系统(M00216)的模块对预测模型的影响最大

以及其他影响不那么显著的变量：年龄增加对模型产生积极影响，而基线BMI则相反；增加维生素C、蛋白质和纤维的摄入量对模型产生积极影响，而增加碳水化合物、铁和硒的摄入量则相反；剩下的几种维生素和矿物质、蔬菜、油、米和面条的摄入量以及与肥胖相关的6个SNP的基因型也对该模型产生了微弱的影响。以上这些变量都是重要的因素，可能有助于或阻止普通人群在长期节食期间的减肥轨迹。

3. 饮食控制期间肠道菌群的组成变化是否会影响减肥轨迹。

研究发现许多参与者的肠道菌群组成发生了实质性的变化，0-3个月的微生物群的变化幅度与体重下降的程度呈正相关，有15个个体肠型被改变了，体重变化范围从20公斤到+7公斤。这两个时间段都是一致的。这一发现表明，在饮食控制计划中，饮食和肠道菌群之间存在着持续的相互作用。如图：

同时使用随机森林算法，基于相对于基线的种水平物种变化来预测体重下降，预测精度R=0.271，发现R. gnavus (MGS0160), Bacteroides massiliensis (MGS1424)和Bacteroides finegoldii (MGS0729)这三个物种在模型中贡献度最大。

继续统计了一些在肥胖个体中丰富或减少的物种和功能以及那些与体重变化共同变化的细菌种类。其中，粪球菌属Coprococcus sp. (MGS0232)、Holdemanellabiformis (MGS1464)、Solobacterium moorei (MGS0945)、活泼瘤胃球菌R. gnavus (MGS0160)和Clostridium (MGS0558) 在肥胖个体中显著富集，且它们的减少与体重下降显著相关;Coprobacter (MGS1138)、Bacteroides intestinalis (MGS0117和MGS1302)、阿克曼菌Akkermansia muciniphila (MGS0120)、Alistipes obesi (MGS0342)和坦纳菌属Tannerella sp. (MGS0276)在瘦人个体中显著富集，且其在饮食控制过程中的增加与体重下降显著相关；在瘦人个体中，编码脂肪酸生物合成(M00085)的基因在基线时显著富集，且其增加与体重减轻相关。如下图：

这些结果表明可以基于基线肠道菌群组成和饮食数据建立个性化的体重预测模型。我们可以利用肠道菌群的分布做个性化的饮食推荐，以此调节体重，进而促进宿主健康。文章中发现的R. gnavus (MGS0160)、B. massiliensis(MGS1424)和B. finegoldii (MGS0729)这三种物种与体重下降显著相关，它们的减少有利于体重下降。这可以记一下，要是有机会做肠道菌群检测，可以参考参考。

第二篇文章，主要研究对结肠靶向给维生素对人体肠道菌群的组成和代谢活性的影响。通过人类临床研究和体外的批量发酵实验，结合评估屏障和免疫功能的细胞模型，研究了结肠输送的维生素A、B2、C、D和E对肠道菌群的影响。大家都比较熟知益生元或一些益生元成分如低聚果糖(FOS)、低聚半乳糖(GOS)和菊粉对肠道的影响。

最近一篇使用高剂量维生素或结肠靶向配方的干预研究表示，维生素会影响肠道菌群。补充100 mg核黄素14d可以增加健康受试者每克粪便中丁酸产生菌(Faecalibacterium prausnitzii和Roseburia)的数量，并减少炎症性肠病(IBD)患者的肠杆菌科细菌数量。

临床研究：

一共96名健康志愿者参与了这项研究，其中12人分成6组不同的维生素组(维生素A、维生素B2、维生素C、维生素B2+C、维生素D3和维生素E)，安慰剂组有24人参与。

排除标准如下：严重急性或慢性疾病；吸烟；怀孕；在过去3个月内使用抗生素；药物和/或酒精滥用史(每天2份以上)；过去3个月的主要饮食变化；饮食障碍；素食或纯素食；灌肠；膳食补充剂，包括基线访问前4周内和干预期间的益生元、益生菌或富含纤维的补充剂；高纤维饮食(即>30克)；治疗活动性胃肠道疾病的慢性药物(除非该产品在筛查前服用至少2个月，并在整个研究期间保持相同的剂量)；最近排便习惯的改变(<3个月)；以及腹痛。

所有受试者在为期4周的时间里每天服用维生素补充剂或安慰剂，一共三次数据采集：筛查，基线（筛查后1周），基线后4周。每次都采集空腹静脉血样本，填写问卷，并在基线时和干预4周后，从每个受试者身上收集两份粪便样本。用于获知粪便微生物组成、粪便短链脂肪酸水平、粪便氨含量、血浆和粪便维生素B2浓度、粪便氧化还原和pH值、生活质量和胃肠道症状问卷等信息。

对肠道菌群组成分析，比较了结肠注射维生素干预前后的多样性指数。

结果表明，与基线组(p=0.042)和安慰剂组(p=0.012)相比，维生素C在第四周显著提高了肠道微生物群落的均匀性。此外，与基线相比，维生素B2显著增加了观察到的物种数量(p=0.023)。

Bray-Curtis距离的置换多变量方差分析(PERMANOVA)表明，肠道微生物beta多样性的总体变化在组间或组内与基线相比没有显著差异。

不同的维生素引起组内以及治疗组和安慰剂组在门、科、属和种水平上肠道微生物组成的变化。

门水平：维生素B2+C导致变形杆菌显著减少(p=.021)，与基线相比菌落数量增加和拟杆菌数量减少。此外，服用维生素D后，与基线相比，拟杆菌有减少的趋势(p=.052)，与安慰剂相比有显著差异(p=.038)。最后，与安慰剂相比，维生素D和维生素A显著增加了放线杆菌的数量(p=.033和p=.041)。

通过测量粪便中的SCFA浓度来评估肠道微生物群的代谢活性(下图)。

我们发现，与基线相比，维生素C显著增加了总SCFA(p=.025)、丙酸(p=.007)和丁酸(p=.006)浓度。与安慰剂相比，这些效果也很明显(分别为p=.041，p=.010和p=.020)。与安慰剂相比，服用维生素C对粪便pH值的降低更明显，但是，两组之间没有显著差异。

在服用维生素C后，粪便氧化还原电位降低，而服用安慰剂后，粪便氧化还原电位升高；然而，两组间也没有显著差异。最后为了确认维生素是否被输送到结肠，测量了干预前后粪便和血浆中维生素B2的浓度，并与安慰剂进行了比较。与基线(p=0.06)和安慰剂(p=0.05)相比，粪便中的维生素B2增加了。但是，这对血浆维生素B2浓度没有显著影响。

 体外研究：

对3名粪便样本供体(男性，26岁；女性，35岁；女性，29岁)进行了短期结肠发酵实验，选出一名SCFA产量平衡的供体进入最终发酵实验。在发酵前(0h)和发酵后(48h)分别从每个发酵瓶采集出水样品，用0.22μm滤器过滤灭菌。样品用来分析粪便微生物组成、微生物体外代谢活性、Caco-2和HT29-MTX-E12细胞培养及屏障功能、HT29细胞培养和免疫功能。

加权UniFrac距离的主坐标分析(PCoA)显示发酵前(0h)和发酵后(24h)样品之间的分离，表明发酵随时间的影响(图a)。大多数维生素处理24 h的微生物群与24 h对照样品聚集在一起，表明维生素和对照样品之间的beta多样性没有变化。

然而，经维生素E(1x和5x)、维生素C(0.2x和5x)、维生素D(1x)和维生素B2+C(5x)处理24h的样品与对照样品明显分离，表明维生素处理对发酵过程中微生物群落的组成有一定的影响。此外，添加不同浓度的维生素C、E、B2+C、B2、A和叶酸，与24小时的对照相比，观察到的物种数量增加，表明对α多样性有影响。

同时，经维生素处理后，所有分类水平都有了些许变化，在门水平上变化最明显的是放线菌门(Actinobacteria)、厚壁菌门(Firmicutes)和Verrucomicrobia的增加以及拟杆菌门(Bacteroidetes)的减少，特别是维生素E、B2、B2 + C和C的添加。

在属水平上，除维生素B2以外，所有维生素都使Roseburia增加，而维生素C、B2、B2 + C、D和E增加了Akkermansia、Bifidobacterium和Faecalibacterium的相对丰度。

与对照相比，大多数维生素对SCFA的产生有明显的影响。维生素A处理的总SCFA浓度最高(0.2倍)，而所有浓度的叶酸都持续增加总SCFA浓度。乳酸浓度、产气量和pH值为体外发酵系统的代谢活性提供了额外的衡量标准。在添加维生素C(1x和5x)和维生素E(5x)后，pH、产气量和乳酸积累量显著降低。

当HT29细胞与经维生素处理的微生物群的发酵样品孵育时，观察到IL8-CXCL8的分泌发生了变化。在所有浓度的维生素E中，IL8-CXCL8(956.67 pg/mL、1010.00 pg/mL、1544.00 pg/mL)与对照组(590.00 pg/mL)相比有轻微但一致的上调(p<0.05)。使用细胞肠道模型研究维生素C和维生素E对肠道屏障完整性的影响，发现在发酵之前，大多数维生素以剂量依赖的方式增加TEER。

此外，在发酵后用对照(水)上清液处理的细胞中，TEER显著增加，这一效果在所有实验中都是一致的(文章中只显示维生素C和E；其他维生素未显示)。橙色，发酵前；蓝色，发酵后。

这只是一项初步研究，文章中的研究人员也提到了有些许不足需要进一步验证的地方。但是这些图表数据也实打实的给出了一些结果。

经结肠传递的维生素对人体肠道菌群和相关代谢活动起了调节作用，根据在人体和体外观察到的效果，维生素C、B2和D似乎是被测试的维生素中影响最显著的。

在人类中，维生素C的效果最为明显，与安慰剂相比，维生素C显著增加了微生物α多样性和粪便SCFA。

在肠道菌群领域研究的科研人员从未停止脚步，如果肠道菌群是通往健康的其中一把钥匙，那么在大家的打磨之下，终将可以打开更加精准的个体化医疗技术大门。

参考文献：

Jie Zhuye,Yu Xinlei,Liu Yinghua et al. The Baseline Gut Microbiota Directs Dieting-Induced Weight Loss Trajectories.[J] .Gastroenterology, 2021.

Pham Van T,Fehlbaum Sophie,Seifert Nicole et al. Effects of colon-targeted vitamins on the composition and metabolic activity of the human gut microbiome- a pilot study.[J] .Gut Microbes, 2021, 13: 1-20.

相关阅读：

维生素D与肠道菌群的互作

深度解析 | 炎症，肠道菌群以及抗炎饮食

本文转自：谷禾健康