精准肿瘤学SaCas9完全性基因敲除Cpf1完全性基因敲除    SpCas9完全性敲除      传统条件性敲除            传统完全性敲除            基因敲除小鼠传统同源重组基因敲入SaCas9基因敲入         SpCas9基因敲入        Cpf1基因敲入            基因敲入小鼠ES囊胚注射嵌合体小鼠细胞产品        转基因小鼠    定点突变        CAR-T细胞    人源蛋白质PCA筛选      验证人源蛋白质相互作用人源蛋白质PCA检测人源蛋白质两两之间相互作用的PCA检测验证人源蛋白质共定位  全基因组甲基化测序分析动植物基因组重测序      人类全基因组重测序      外显子测序                    人类基因组测序    16S/18S/ITS扩增子测序细菌基因组测序          真菌基因组测序          小基因组测序              宏基因组测序              微生物基因组测序转录组测序分析    Small RNA测序    IncRNA测序        RNA测序分析      基因芯片              小鼠胚胎及相关产品      小鼠基因型鉴定            打靶载体构建                胚胎冻存                       8细胞胚胎注射          原核/胞质注射          常规囊胚注射             显微注射                        质粒选购载体自建

咨询热线

020-80925240   34438810  18027152056

美格生物

MAGIGEN

日常抽样数据揭示人类个体化饮食与微生物群的关系

来源:CELL作者:Abigail J. Johnson

观点概括

每日微生物群变化与食物选择有关,但与常规营养素无关。

每天微生物群的变化取决于至少两天的饮食史。

相似的食物对不同的人的微生物有不同的影响。


饮食是人体肠道微生物群变异的关键决定因素。然而,日常食物选择与人体肠道微生物群组成之间的细微关系仍未清楚。

为了研究日常饮食选择与人体肠道微生物成分之间的细微关系,我们对习惯性饮食对微生物构成的影响进行了一项超密集的纵向研究,用34名受试者,进行17天的每日鸟枪粪便宏基因组微生物成分测序,并进行完整的每日24小时饮食记录。我们开发并应用多变量方法来模拟饮食摄入,这超越了传统的基于营养的分析。

日常鸟枪宏基因组学和日常饮食结合,提供了一个独特的丰富的数据集,来测量饮食对微生物动力学个性化的影响。密集的纵向数据集也使我们能够研究饮食摄入与瞬时微生物稳定性之间的关系。


结果

每日膳食摄入量和微生物组分是高度可变和个性化的。

我们的研究旨在利用密集的纵向饮食微生物群数据来确定习惯性饮食摄入与每日微生物群变化之间的关系。

为了描述饮食和微生物组分之间的纵向关系,我们连续17天收集了34名受试者的饮食摄入数据和粪便样本(详细的受试者信息见表1,按性别和星级分类的队列特征)。

女性受试者的体重、身高、腰围和高密度脂蛋白明显低于男性受试者(T检验,P值<0.05)。

使用美国Bethesda国家癌症研究所自动自助24小时(ASA24)饮食评估工具,收集每日食物记录。

有趣的是,两组(11名和12名)报告的饮食主要包括4种不同口味的营养膳食替代饮料(Soylent、Rosa Foods)。

我们将这些受试者称为“摇饮者”。

该研究还包括一项为期10天、平行、双盲的干预试验,以测试中链甘油三酯MCT与特级初榨橄榄油EVOO的长链膳食甘油三酯(长链甘油三酯)对微生物组分的影响(Star方法;膳食补充组研究对象的特征见表S1)。

由于所有的MCT或EVOO补充与微生物群之间的相关性测试结果都是无效的(图s1),因此我们使用所有可用样本,重点分析了总体饮食与微生物群的共变。


表1 按性别划分的主题特征

特征                           总体       女性(n=20)   男性(n=14)   P值(女性对男性)

年龄(岁)                 31±10     29±10             34±11              0.2

重量(kg)                 69±15    60±8               81±13              <0.001

高度(cm)                172±9    165±5             180±8              <0.001

腰围(cm)                 87±8      83±6               91±8                0.006

胆固醇(mg/dl)         164±32   169±34           158±3               0 0.6

trigs(mg/dl)             66±20   67±19             65±22               0.1

高密度脂蛋白(mg/dl)57±11    59±12             55±9                0.02

低密度脂蛋白(mg/dl)94±29    97±31             90±28              0.9

葡萄糖(mg/dl)          86±7      85±8               87±6               0.4

胰岛素(mu/l)            8±4        8±2                 9±4                0.5


我们对每个粪便样本进行深度为7195302±2442901的单端鸟枪宏基因组测序,读数大致均匀分布在每个时间点上,移除人类DNA后,每个样本的平均深度为506133±323896。

Hillmann等人证实低深度的宏基因组测序可以恢复物种水平的分类分配,也可以评估功能概况。

我们移除了测序接头,根据使用SHI7的质量,修剪和过滤了鸟枪宏基因组,使用 BURST分配了分类法,以及一个数据库,该数据库由染色体水平装配或更高版本RefSeq 86中注释的所有细菌菌株组成。

我们保留了483个微生物组样本进行分析,去除了深度较低的微生物组。根据ASA24的指南,通过比较宏观营养成分和总能量摄入与参考水平来确定饮食异常值,以确定低质量报告。

剔除饮食异常值后,我们保留了566份24小时食品记录。虽然喝“摇匀”的人在食用食物的数量和类型方面都是异常值,但在营养成分方面却不是异常值。

这些受试者保留在数据集中,用于对饮食稳定性进行独特的子集分析,但不包括在习惯性饮食摄入和微生物组分分析中。

20190618A.jpg

在整个研究期间,某些受试者的微生物组分比其他受试者的变化更大(图1a)。

最常见的微生物功能模块在受试者内部和跨受试者之间高度一致;然而,我们发现,在所有样本中,功能的一个子集高度可变(高变异系数)(图1b)。

三个最可变的功能是Baes-Baer(包膜应力响应)双组分调节系统模块(M00450)、负责硝酸盐转化为氮气的反硝化模块(M00529)和负责甲酸盐转化为甲烷的产甲烷模块(M00347)。

在比较平均功能模块与平均营养素和食物摄入量时,我们发现样本中变化最大的功能模块与饮食特征之间没有显著相关性。

我们假设,这些宏基因组功能可能是高度可变的,因为个性化诱导不同的细菌对饮食化合物的反应,不包括在我们的营养数据库。

从个别食物选择中恢复饮食多样性

虽然饮食摄入量在受试者之间和受试者内部具有高度个性化和可变性(图1c),但在整个研究期间,宏观和微量营养素的分布相对稳定(图1d)。

为了将观察到的最大饮食复杂性纳入我们的分析中,我们选择根据报告的食物选择来研究饮食。

虽然超过20名受试者共有少量食物选择,但在17天的研究期间(如香蕉、咖啡、切达干酪、生菜、胡萝卜、鸡胸肉),许多食物仅由一名受试者食用。

为了解释食物选择的高度个性化性质,我们从饮食研究的食品和营养数据库FNDDs中创建了一个层次、规律的食物树。

20190618B.jpg

图2 使用食物选择树图分析与微生物组分相关的生物多样性

我们用Procrustes分析来测试不同受试者的微生物群变化和饮食变化。分析表明,当使用未加权的基于Unifrac的食物距离(Procrustes;Monte Carlo p值=0.008)

和Aitchison的微生物群距离进行分析时,受试者的平均食物摄入量与受试者的平均微生物群组成相对应。

当我们使用探索性方法将UniFrac应用于低深度鸟枪宏基因组学时,这一发现仍然存在。

有趣的是,当使用直接从食物选择计算出的、或者用65种宏量和微量营养素得到的平均营养摄入得到的非基于树的食物距离时,我们没有发现平均微生物群和平均饮食之间有类似的对应关系。

除了全面分析受试者之间的饮食差异外,我们还采用基于树的饮食方法比较了受试者在纤维来源和微生物群方面的差异。

我们使用未加权的Unifrac距离计算了四个纤维含量高的独立食物群(谷物、水果、蔬菜和豆类)的纤维源β多样性。

利用这些距离,我们将纤维源β多样性与微生物组β多样性进行了比较,发现从类似食物中获取水果纤维或谷物纤维的受试者的微生物组特征更为相似。

每日饮食微生物群的关联是个性化的。

受试者的饮食和微生物群协变。

我们假设微生物组分和食物选择会在每个受试者中纵向配对。我们使用Procrustes分析对每个受试者的微生物组β多样性和基于树的食物β多样性进行了纵向配对评估。

我们对29名习惯性饮食的受试者进行了这项分析。

我们发现,对于78%的受试者,当使用食品记录前一天的饮食史衰减加权平均值(2-n)与给定的微生物组样本配对时,饮食与微生物组有显著的纵向配对。

只有21%的受试者使用每个微生物组样本的前一天食物记录进行了显著配对,但通过增加额外的食物记录,配对效果得到了改善。

当考虑到受试者的中位数p值时,上面描述的衰减平均值表现最佳;使用2天、3天、4天或5天的食物记录总和,几乎同样表现良好。

食物种类相关性是个性化的

饮食模式提高了对次日物种丰度的预测

我们发现,我们可以使用线性模型中的前五个微生物组主要成分(平均皮尔逊r=0.7)合理准确地预测受试者的第二天物种概况。

稳定的饮食与稳定的微生物群无关。对饮用摇匀饮料者数据的分析进一步支持这样一个假设:单靠饮食单调性不足以稳定微生物群。

因此,稳定性似乎是微生物群落的一个内在属性,由群落成员构成,而不是饮食的稳定性。

讨论

我们通过收集34名17天以上受试者的全部每日饮食记录和每日粪便样本,研究了人体肠道微生物组分的每日变化及其与每日饮食摄入的关系。

我们的纵向数据集让我们能够测试每个受试者的日常饮食微生物群相互作用是否是该个体独有的。

我们发现,大多数受试者在食物的每日变化和微生物群中物种相对丰度的每日变化之间存在可检测的相互作用。

然而,很少有这种食物与微生物的相互作用在人类中得以保存。

我们为每一个受试者建立了一个自定义预测模型,该模型可以仅使用受试者当前的微生物组和最近的饮食预测第二天的微生物组概况;替换一个受试者饮食和微生物组培训的模型导致预测失败。

这些发现表明,食品微生物之间的相互作用具有高度的个性化。这种个性化反应可能是在人群水平研究中观察到饮食对肠道微生物群形成影响较小的一个原因。

正如最近的研究结果表明,益生菌干预对不同人群有不同的效果。

我们的研究结果表明,针对特定细菌种类的促进或抑制的食品干预可能需要针对特定的受试者微生物群的组成。

尽管如此,我们发现特定的饮食化合物可能会对某些微生物菌株或代谢途径产生一致的影响。Zeevi等人最近证明,对食物的血糖反应是个性化的,可能取决于个人独特的微生物组分。然而,个性化饮食微生物群相互作用的具体情况仍需要研究,而不仅仅是与血糖控制指标的关系。

我们发现仅使用传统的营养状况来评估饮食,不足以将饮食摄入量与微生物群的变化联系起来。

我们认为这是因为可获得的有关营养物质和与微生物群有关的底物的信息有限。

这项研究的一个有趣的发现是,利用饮食史对每日微生物群变化影响的指数衰减模型比用前几天的简单平均值表现更好,支持了昨天的饮食对明天的微生物群影响最大、前天的影响中等、前天的影响更小等观点。

总之,我们的研究加深了对个性化饮食微生物群相互关系的理解。虽然传统的基于营养的饮食分析不足以研究饮食微生物群之间的相互作用,而我们研究表明,可以在相关食物之间共享统计信息。

这种方法结合纵向取样和多天的饮食记录,揭示了个性化的饮食微生物群相互作用,可能在未来的人群研究中使用,这些研究旨在确定饮食食物在形成肠道微生物群中的确切作用。



返回首页


参考文献

Daily Sampling Reveals Personalized Diet-Microbiome Associations in Humans

Abigail J. Johnson, Pajau Vangay,Gabriel A. Al-Ghalith ,Ravi Menon,Katie Koecher,Dan Knights


技术与服务
会员登录
登录
我的资料
我的收藏
购物车
0
留言
回到顶部