||
[TOC]
本文由同济大学赵晗编译,宏基因组公众号编辑。
npj Systems Biology and Applications-2018
基于宏基因组数据个性化计算分析微生物组:预测克罗恩症的膳食补充物
From metagenomic data to personalized in silico microbiotas: predicting dietary supplements for Crohn’s disease (npj Systems Biology and Applications,2018)
PDF全文:https://www.nature.com/articles/s41540-018-0063-2.pdf
克罗恩病:用菌群建模指导个性化膳食干预
mildbreeze 08-06 热心肠日报
原标题:从宏基因组学数据到个性化的电脑模拟菌群:为克罗病预测膳食补充
① 将28例克罗恩病患者和26例健康个体的宏基因组学数据,与细菌代谢模型进行整合,用软件进行个体菌群模拟;
② 对患者和对照个体的菌群代谢物短链脂肪酸(SCFA)水平进行预测,结果整体上与实验发现一致;
③ SCFA水平低是克罗恩患者的特征,而每个患者又有独特的SCFA谱;
④ 基于菌群数据,预测了个性化膳食干预方法,如补充果胶和不同的聚糖,用于改善患者的SCFA水平;
⑤ 这种计算机建模方法或许有临床应用潜力,帮助患者进行个性化膳食干预。
主编评语:克罗恩病与肠道菌群失调有关,需要有针对性的个性化疗法。npj Systems Biology and Applications发表的一项最新研究,基于宏基因组数据进行建模,针对恢复患者的短链脂肪酸水平,预测了个性化的膳食干预方法,有临床应用前景,也有扩展到其它疾病的潜力。
人体肠道微生物群由上千种不同的细菌组成,具有超过人类基因的巨大功能多样性。肠道微生物群可以分解不可消化的膳食纤维和产生为人类利用短链脂肪酸(SCFA)来促进健康发展。
局部性肠炎,又名克罗恩病(Crohn’s disease)是一种发炎性肠道疾病,可能影响肠胃道从口腔至肛门的任何部分。
克罗恩病可以通过特定的饮食来减轻疾病的症状,然而食物疗法在不同的病人中治疗效果很不一样。此外在症状缓解后,患者很难找到适当的饮食习惯,并且症状会时常复发。因为人体肠道的代谢的影响,饮食曾被建议用来调节肠道菌群。
总的来说,克罗恩病患者的微生物多样性降低。并且SCFA的减少和微生物的减少是一致的。而微生物的SCFA类代谢物被认为对于免疫的调节和营养的供给方面起到重要作用。表明了提升SCFA水平对于克罗恩病恢复的作用。
克罗恩病是与数百种肠道微生物组成的肠道菌群的生态失衡有关联,通过菌群出具定义患者个体化的治疗方法。
鉴于人体肠道微生物群是一个复杂的微生物群落,有许多不同的微生物具有不同的代谢潜能,很难知道患者和健康个体之间不同的相互作用。宏组学分析方法虽然可以鉴别肠道中的菌群以及他们的代谢物,然而并不能知道对于外来物(比如食物)的刺激对于肠道菌群的影响。
作者通过已经注释的细菌代谢网络,根据特定的约束,建立需要特定营养的个体化的菌群代谢模型。这个模型可以模拟外界刺激对于肠道菌群和其代谢产物的扰动,并且此方法已经有R包BacArena(https://cran.r-project.org/web/packages/BacArena/index.html)可以实现。
北美人群中26个健康人和28个肠道菌群失调的克罗恩疾病患者。
已经注释的773个菌株代谢模型。
作者通过软件BacArena(R中安装install.packages("BacArena")
)将个体宏基因组测序数据和已经注释的菌代谢数据整合,建立个体化的肠道菌群代谢模型。本文通过模型预测疾病和健康人群的代谢差异(图1),首先比较了健康人和病人的SCFA类代谢物和菌群的丰度差异,其次通过两组之间的SCFA类代谢物的比较,找到个体化的SCFA的特征。最后通过建立的个体化肠道菌群模型,找到补充食物中的果胶和不同的聚糖可以维持并达到更健康的SCFA代谢物水平。综上所述,本文使用计算模型来整合个体的高通量菌群数据并且预测了对于克罗恩疾病的个体化食疗方法。
图1 肠道菌群个性化代谢模型的计算框架。基于发表的克罗恩病人和对照的菌群相对丰度,预测其代谢物的水平。
本文首先将样本的测序序列比对到773种菌株的基因组序列,平均来说有近300种菌株被比对上。虽然疾病人群比对上较少的菌,但是也有些健康人比对上少于40种菌,疾病人比对上超过600种菌。总体上,通过比对得到的个体的菌群丰度达到原数据的73.5% (标准差16%)。
可以观察到基于菌群丰度下,健康组和疾病组可以被很好的分开(图2a)。其中健康组和疾病组的差异最大的原因是在疾病组中Bacilli和Gammaproteobacteria的丰度显著增高(p < 0.05,Wilcoxon秩和检验),Bacteroidia 和Clostridia丰度显著降低(p < 0.001,Wilcoxon秩和检验)(图2d)。
接着,根据建立的个体化模型也能很好的反应人群的菌群差异(图2b)。但是以菌属的角度来说,在28个测到的菌属中有4个菌群在模拟模型中的显示在疾病人群中更高的差异,但未能和传统比对方法以及前人的实验数据保持一致(图3a)。这个中不一致可能是因为疾病人群的菌多样性较低,所以在菌属层面丰度也就显示的更高。
总体上,通过模型的模拟的菌群差异结果和前人研究大致吻合,并且这些菌在模型中表达稳定。
图2 健康和疾病人群的菌群以及代谢差异。a. 菌群丰度Bray Curtis距离的主坐标轴分析(PCoA);b. 模拟丰度的Bray Curtis距离的PCoA;c. Reaction的jaccard距离的PCoa;d. 菌群相对丰度差异比较;e. 代谢产物相对丰度比较(Wilcoxon秩和检验);f. 代谢活性。
是否在个体化模型中预测的微生物丰度的差异也与菌的代谢反应过程的差异相对应?平均来说每个个体化模型300万多个反应,这些反应有3000多种类型。疾病和健康组中这些反应种类也是具有差异性的(图2c)。 通过PCA分析,PC1和PC2占了造成两组差异的80%,并且这种差异主要的原因是因为运输纤维的反应的存在。观察到的基于反应的差异与上述微生物类别的差异(图2d)以及Bacteroides独特的纤维代谢特性相一致。
本文分析了个体化模拟24小时后菌群SCFAs的分泌,以确定是否可以通过这种的建模方法重复已知的分泌SCFA产物的微生物水平差异。疾病组的SCFAs类的丁酸酯、丙酸酯、异丁酸酯和乙酸酯显著降低(p < 0.05,Wilcoxon秩和检验,图2e),只有L-乳酸水平略高。为了验证模拟代谢物浓度的有效性,我们将结果与前人研究中实验研究进行比较。疾病组和健康组的差异与我们的模型得到的结果一致(图3b)。然而预测的丁酸和丙酸浓度在健康人中比在疾病人中高出三倍(图3b),这远远高于前人实验得到的差异结果,可能是由于我们的模型设置中缺少吸收丁酸酯和丙酸盐的宿主细胞。总体上,我们的个体化模型可以模拟真实实验下疾病人和健康人的SCFA产物的差异。
使用计算模型的一个优点是,我们可以找到模拟的菌群中的哪些微生物导致了SCFA产物的差异。因此,通过分析了每个微生物类群的摄取和分泌,发现Clostridia产生丁酸盐占总量的50%,Bacteroidia产生丙酸盐占总量的将近100%,产生异丁酸盐占总量的10%左右,Bacilli产生少量(<5%的总浓度)的L-乳酸,而Gammaproteobacteria产生乙酸几乎达到总量的50%(图2f)。这些结果表明,主要微生物类群的改变导致在健康和疾病人中SCFA代谢的差异。
图3 实验结果和模拟结果的定量比较。
a. 实验数据来自原文,与比对和模拟结果的比较。
b. 来自不同实验代谢物的浓度与预测比较。
前人的研究报道了健康人和疾病人中之间有明显的差异菌,但这个也有个体差异。因此,模型中的菌相对丰度也具有个体差异性(图4,左侧)。接下来,本文研究了模型中预测的SFCA产量在病人之间的变化。通过图4发现不同病人的SFCA类代谢产量不同,表明每个病人都有特殊的SCFA产物表达谱。这个结果可以由微生物群的代谢活性来解释,表明疾病人中菌群的代谢物刺激可能造成某些患者特异性差异。
图4 在疾病人群和健康人群中个体差异 呈现的差异微生物为灰色,相对丰度为蓝色梯度。微生物分类采用纲水平着色。预测代谢物浓度基于模拟。基于代谢流(metabolic fluxes)计算微生物对浓度的贡献。
通过制定饮食方案是对克罗恩疾病的一种可能的治疗策略。然而,这种治疗的成功率在患者之间有所不同。文章接下来研究是否可以设计个性化的饮食干预措施,使SCFA的代谢产量恢复到健康人的水平。首先添加食物的代谢物到任何一种病人中存在的菌的模型中,看在模型中的5种SCFAs的代谢产物有所恢复到比较健康的水平。有趣的是,食物的小分子代谢物对每个病人作用不一样,大概病人会对1种到55种这样食物代谢小分子受到作用(平均是19种)(图5b)。
接着将这些确定对菌有影响的食物代谢物加到模拟的个体化菌群模型中,去看这个群体是否也可以产生更健康的SCFA水平。计算模型中饮食干预的成功率在患者之间有所不同(图5c)。总的来说,丁酸酯、丙酸酯和乙酸盐是最成功的代谢物水平恢复,而在模型中对异丁酸酯和L-乳酸的恢复成功率较低(图5c,e)。由于患者的菌群已经代谢失调,并且缺乏健康人的菌,模型中的治疗对菌的相对丰度的影响较小(图5d)。因此结果表明了,添加食物代谢物在个体病人中改善了SCFA水平和与健康人之间的差异。
图5 对克罗恩疾病病人的个体化治疗
a. 每个病人特异的代谢模型预测代谢物的最优,实现迭代式的膳食补充。
b. 预测获得的代谢物种类
c. 不同个体对代谢物的反映
d/e. 代谢物的相对浓度
Bauer E. & Thiele I. From metagenomic data to personalized in silico microbiotas: predicting dietary supplements for Crohn’s disease [J]. npj Systems Biology and Applications, 4, 2018. https://www.nature.com/articles/s41540-018-0063-2
热心肠日报:https://www.mr-gut.cn/papers/read/1097125648?kf=mobile.search
为鼓励读者交流、快速解决科研困难,我们建立了“宏基因组”专业讨论群,目前己有国内外2300+ 一线科研人员加入。参与讨论,获得专业解答,欢迎分享此文至朋友圈,并扫码加主编好友带你入群,务必备注“姓名-单位-研究方向-职称/年级”。技术问题寻求帮助,首先阅读《如何优雅的提问》学习解决问题思路,仍末解决群内讨论,问题不私聊,帮助同行。
学习扩增子、宏基因组科研思路和分析实战,关注“宏基因组”
点击阅读原文,跳转最新文章目录阅读
https://mp.weixin.qq.com/s/5jQspEvH5_4Xmart22gjMA
Archiver|手机版|科学网 ( 京ICP备07017567号-12 )
GMT+8, 2024-9-1 09:26
Powered by ScienceNet.cn
Copyright © 2007- 中国科学报社