条文本
PDF
文摘
客观的十年的微生物研究与IBD的改变肠道微生物群落的遗传易感性。然而,现有的肠道微生物生态失调在成人IBD患者在已发表的研究中,不一致,不允许微生物签名乳糜泻和加州大学的识别。在这里,我们旨在比较CD患者的粪便微生物拥有加州大学和non-IBD纵向研究的主题。
设计我们分析了2045年一群non-IBD和IBD的粪便样本四个国家(西班牙、比利时、英国和德国),应用16 s rRNA测序的方法,分析了数据集1.15亿序列。
结果在西班牙队列,失调CD患者被发现显著大于加州大学,如图所示,更减少了多样性,一个不太稳定的微生物群落和八个微生物组提出了CD作为特殊微生物签名。测试整个队列,签名实现了总体敏感性为80%,特异性为94%,94%,89%和91%的检测CD与健康对照组,厌食症患者,分别IBS和加州大学。
结论尽管加州大学和CD分享许多流行病学、免疫治疗和临床特征,我们的研究结果显示,它们是两个不同的亚型IBD的微生物水平。第一次,我们提议microbiomarkers独立区分CD和non-CD地理区域。
- 肠道细菌
- 炎症性肠病
这是一个开放的分布式条依照创作共用署名非商业性(4.0 CC通过数控)许可证,允许别人分发,混音,适应,建立这个工作非商业化,和其派生作品在不同的条款进行许可,提供了最初的工作是正确地引用和非商业使用。看到的:http://creativecommons.org/licenses/by-nc/4.0/
来自Altmetric.com的统计
视频摘要
本研究的意义
已知在这个问题上是什么?
微生物在克罗恩病(CD)是与减少粪便微生物多样性和在其发病机制中扮演了重要的角色。
Faecalibacterium prausnitzii和大肠杆菌发现,特别是减少和增加,分别在CD。
没有明确的对比失调在CD和加州大学已经执行。
纵向研究的成人患者的肠道微生物组IBD研究大型军团也一直不佳。
有什么新发现吗?
比加州大学失调在CD,微生物多样性较低,更改变了微生物组成和更不稳定的微生物群落。
不同的微生物组是与吸烟有关疾病的习惯和本地化CD和加州大学。
微生物包括8组Faecalibacterium一个未知的Peptostreptococcaceae,Anaerostipes,Methanobrevibacter一个未知的Christensenellaceae,Collinsella和梭菌属,埃希氏杆菌属可以用来区分从non-CD CD;一分之六组在较低的相对丰度和较高的相对丰度的最后两组CD。
它会如何影响临床实践在可预见的未来吗?
考虑到CD和加州大学的两个截然不同的亚型IBD的微生物水平可以帮助设计特定的治疗靶点。
微生物签名特定于CD结合成像技术或calprotectin数据可以帮助决策最初诊断时不确定在CD中,加州大学和肠易激综合症。
介绍
CD和加州大学,炎症性肠病的两种主要形式相似的年发病率(10 - 100 000在欧洲和北美),既有重叠又有不同的临床病理特征。1鉴于这些条件没有明确的病因学,对医生诊断仍然是一个挑战。标准临床试验诊断CD和加州大学包括血液检测和大便检查生物标志物量化、内窥镜检查和活检。炎症性肠病的诊断,特别是CD,可以错过或延迟由于非特异性肠道和消化系统症状表现的性质。在这方面,非侵入性的,具有成本效益的、快速、可再生的生物标记将有利于患者和临床医生。
失调,肠道微生物组成的改变,一直在IBD报道在过去的10年。2 - 5IBD患者,特别是患者CD,与较低的微生物α-diversity和浓缩在几组与健康对照组相比细菌(HC)。使用粪便样品和文化无关的技术,包括qPCR T-RFLP,克隆/桑格,焦磷酸测序或Illumina公司测序,几项研究已经报道,CD等梭菌的减少有关Faecalibacterium prausnitzii和Enterobacteriales增加等大肠杆菌。6 - 8UC患者在某种程度上,有关微生物多样性下降;然而,没有强大的失调报道患者与健康对照组相比或CD。5尽管许多研究已经揭示了明确的肠道菌群的改变之间的联系和炎症性肠病,他们没有解决CD和加州大学的微生物水平之间的差异也没有提出一套有用的生物标志物的诊断基于粪便样本。9
深入描述加州大学的微生物和CD,我们结合669年新收集的样品与1376年之前完成的,因此建筑最大的人群覆盖序列数据来自四个国家(西班牙、比利时、英国和德国)。我们的研究结果显示,CD和加州大学是两个截然不同的肠道疾病的微生物水平。我们还开发和验证一个微生物检测签名的CD。
方法
研究设计
我们执行一个队列研究(西班牙IBD队列)来识别微生物生物标志物乳糜泻和验证结果与其他几个发表和未发表的研究:比利时CD组,西班牙IBS组,英国健康双队列和一个德国厌食症患者队列。比利时CD队列是未发表的研究的一部分,而其他军团从发表的研究。西班牙IBD和比利时的CD军团,协议被提交并经当地大学医院伦理委员会批准Vall d ' hebron(西班牙巴塞罗那)和鲁汶大学医院Gasthuisberg(比利时),分别。所有志愿者收到信息关于他们参与这项研究,并书面知情同意。
研究人群
研究不同微生物组成IBD和健康受试者之间动态和静态疾病之间(缓解与复发),34个CD患者和33例UC患者报名参加了一个在西班牙队列随访研究。入选标准是UC的诊断和CD内镜和组织学证实了过去,由验证临床缓解期至少3 months-defined结肠炎活动指数(CAI)加州大学和CD活动指数(CDAI) CD,10稳定的维持疗法(amino-salicylates、硫唑嘌呤或没有药物)和以前的历史至少有三个临床复发在过去的5年。HC没有先前的慢性疾病的历史。在包容和随访期间(每3个月),我们收集的诊断标准,位置和行为的CD,加州大学的延伸,包括烟草使用和医疗和临床数据。临床复发由4或更高的价值定义为CDAI CAI和高于150。收集血液样本评估ESR,血液细胞计数和CRP。排除标准包括怀孕或哺乳,严重的伴随疾病包括肝脏、心脏、肺和肾脏,在前4周和治疗用抗生素。共收集415份粪便样本进行微生物分析从178名参与者(111 HC和67 IBD患者)在不同时间点(表1)。CD和UC患者显示复发在研究过程中还提供了粪便样本的时候复发。
在比利时前瞻性群组,54 CD患者接受治疗的回盲肠的切除病变肠包括鲁汶大学医院。最初,CD患者登记之前回盲肠的切除为了研究早期引发炎症和解开之前和期间的事件序列早期炎性病变的发展。共收集187份粪便样本在四个时间点前和术后随访期间(基线,1、3和6个月手术后)进行微生物分析。基线特征所示表1。
粪便微生物分析
样本收集和基因组DNA提取
粪便样本收集在西班牙和比利时被参与者立即冻结在家里冰箱−20°C的西班牙队列和冷却(最大24小时)比利时队列和冰箱包装后带到实验室,在那里,他们储存在−80°C。基因组DNA提取后,建议国际人类微生物组的标准(的事实;http://www.microbiome-standards.org)。11冰冻的整除(250毫克)的每个样本在250年暂停了µL硫氰酸胍,40µL 10%N月桂酰肌氨酸,500µL 5%N月桂酰肌氨酸。DNA提取的机械破坏微生物细胞和珠,和核酸被酒精沉淀法从明显的溶解产物中恢复过来。一个相当于1毫克的每个样本用于DNA量化使用NanoDrop nd - 1000分光光度计(Nucliber)。DNA完整性由micro-capillary电泳检查使用安捷伦2100与DNA生物分析仪12 000工具包,它解决了分布的双链DNA片段长度17 000个基点。
高通量DNA测序
为分析微生物组成、hyper-variable地区(V4)的细菌和古细菌16 s rRNA基因被PCR扩增。我们的分析的基础上,通过使用底漆勘探者软件,12V4底漆对用于这项研究将扩大近100%的细菌和古细菌域。的5′端向前(V4F_515_19: 5′- GTGCCAGCAMGCCGCGGTAA 3′)和反向(V4R_806_20: 5′- GGACTACCAGGGTATCTAAT 3′)引物针对16 s基因标记与特定的序列如下:5′- {AATGATACGGCGACCACCGAGATCTACACTATGGTAATTGT}12{GTGCCAGCMGCCGCGGTAA} 3′, 5′- {CAAGCAGAAGACGGCATACGAGAT}{戈利条形码}{AGTCAGTCAGCC} {GGACTACHVGGGTWTCTAAT} 3′。多路复用标识符,称为戈利代码,有12个基地和被指定反向引物序列的下游(V4R_806_20)。13,14
标准PCR(0.15单位的聚合酶(罗氏)和20 pmol /μL正向和反向引物)是运行在一个Mastercycler梯度(股份)在94°C 3分钟,其次是35周期45 94°C的年代,56为60°C, 72°C的90年代和72°C的最后一个周期为10分钟。使用QIAquick PCR扩增子第一次提纯净化设备(试剂盒,巴塞罗那,西班牙),量化使用NanoDrop nd - 1000分光光度计(Nucliber),然后集中在平等的浓度。合用的扩增子(2海里)然后使用Illumina公司MiSeq受到测序技术在巴塞罗那自治大学的技术支持单位(阿拉巴马大学、西班牙),以下标准Illumina公司平台协议。
序列数据分析
微生物分析,我们首先加载原始序列QIIME 1.9.1管道,所述Navas-Molina等。14第一步是过滤掉低质量的序列读取通过应用默认设置的最低可接受phr评分20。正确的引物和适当的条形码序列也被检查。过滤后,从共有2206份粪便样本,我们共获得115.5数以百万计的高质量的序列与读取每个样本从1到223 896。我们使用了USEARCH15集群类似的过滤算法序列为操作分类单元(辣子鸡)基于相似度阈值的97%。然后,我们使用UCHIME识别和移除嵌合序列。16因为每个OTU可以包括许多相关序列,我们选择了一个代表从每一个序列。代表序列对齐的使用对绿色煤电PyNAST模板对齐(gg_13_8释放),和一个分类作业步骤是使用基本的局部比对搜索工具执行映射每个代表序列对联合数据库包括绿色煤电和帕特里克数据库。脚本make_phylogeny。py是用于创建使用FastTree计划系统发育树。17正确定义为分析点之间的多样性、物种丰富度称为β多样性,OTU表是稀薄的每样6760序列,为进一步分析共2045个样本和115.5数以百万计的读取。稀疏是用来克服的情况下,读计数不相似的样本之间的数字。总结分类单元表被用来从域分类类群物种水平。提供社区α多样性的估计,我们计算了Chao1和香农多样性指数。18,19计算点之间多样性、加权和未加权的UniFrac指标被应用于构建系统发育的距离矩阵,然后用于构造分层集群树使用未加权的两组与算术平均法和主坐标分析(PcoA)表示。
统计分析
统计分析进行了QIIME和r与正常数据,我们分析了同等数量的序列组。Shapiro-Wilk测试20.被用来检查数据分布的常态。参数正态分布数据是由学生的学习任务比较配对或未配对的数据;否则,魏克森讯号等级测试是用于成对数据和未配对的Mann-Whitney U测试数据。克鲁斯卡尔-沃利斯单向方差的考验21是用来比较平均的组合数的群体,也就是说,不同组的患者与HC,根据不同的参数在不同分类水平。弗里德曼测试被用于单向重复测量的方差分析。我们使用了mixed-analysis方差(方差分析),一个混合设计方差分析模型,考虑到重复测量收集在一个随时间变化的纵向研究评估。我们进行分析的非参数多变量方差分析(NPMANOVA)称为“阿多尼斯测试,非参数方差分析,测试不同的微生物群落组成。我们应用多元与线性模型找到临床元数据之间的关联(年龄、身体质量指数(BMI)、性别、吸烟习惯、药物摄入量和站点的疾病)和微生物群落丰度。在可能的情况下,提供的分析错误发现率(罗斯福)—p值。罗斯福< 0.05被认为是重要的所有测试。
粪便calprotectin化验
粪便calprotectin (FC)测定肠道炎症的标志在西班牙的一个子集参与者使用商业ELISA (Calprest;Eurospital SpA、意大利的里雅斯特),遵循制造商的指示。光学密度与微型板块ELISA阅读器阅读405海里(Multiskan交货;热电子公司,芬兰赫尔辛基)。样本进行重复测试,从标准曲线计算和结果,表示为μg / g凳子上。
microbiomarkers的验证
调查人员有兴趣测试算法的病人群体,无法应用本身的描述方法被邀请与我们联系用我们的专用电子邮件(cdmicrobiomarkers@gmail.com)有自己的数据处理。
结果
CD dysbiotic比加州大学
微生物群落特征的IBD我们招收了178名参与者(40 HC不相关的患者,34 CD患者和33 UC患者35和36健康亲属(人力资源)的CD和UC患者,分别)在纵向研究(发现队列)。人力资源是患者的一级亲属。然而,信息是否住在同一房子病人抽样的时候并不是可用的。下HC提供粪便样本在一个单一的时间点,而人力资源在3个月的间隔中提供两个样品。加州大学和CD患者在缓解期提供样品每隔3个月/一年随访。开发的IBD患者复发时,粪便样本的提供。1年随访期间,13 CD患者(38%)和18 UC患者(54%)复发。共收集415个样本进行微生物分析。
使用加权UniFrac距离度量用于比较样本之间的微生物群落组成,我们评估了稳定的微生物UC患者和CD随着时间的推移,比较样本在基线以下时间点:3、6、9和12个月。CD患者在3个月的时间间隔,但不是UC患者,显示高UniFrac距离与健康亲属(人力资源)(Mann-Whitney测试,p = 0.01),从而显示不稳定的CD微生物组比对照组高(图1)。相反,UC患者提供了一个更稳定的微生物比他们的亲戚(Mann-Whitney测试,p = 0.015)。此外,在1年随访,我们比较了UniFrac收集的样本之间的距离获得基线和其余的时间点使用混合设计方差分析模型,重复测量方差分析。结果表明,微生物的CD患者明显比这更不稳定的UC患者(mixed-ANOVA, p < 0.001)。
微生物的稳定性。未加权的UniFrac健康亲属之间的距离计算不同时期人力资源(CD) (CD)患者的亲属,人力资源(加州大学)(UC患者的亲属),和CD和UC患者(3米,3个月;6米,6个月;9米,9个月;12米,12个月)。CD-RC复发发作期间和UC-RC参考样本收集。在3个月的时间间隔,CD和UC患者呈现显著差异UniFrac索引相比,他们的人力资源(Mann-Whitney U测试* p = 0.01)。我们比较UniFrac指标之间获得样品收集在基线和其余的时间点使用混合设计方差分析模型,发现微生物的CD患者明显比这更不稳定的UC患者(mixed-ANOVA, p < 0.001)。CD,克罗恩病。
我们在距离矩阵进行了多元方差分析(加权和不加权的UniFrac)使用NPMANOVA测试。两组控制的微生物群落(无血缘关系亲属(人力资源)和(HC))没有显著不同(p = 0.126加权和未加权的UniFrac距离),除了一个属。Collinsella更加丰富(克鲁斯卡尔-沃利斯检验,52×10−5vs 1.7×10−5;罗斯福= 1.6×10−5)人力资源与HC。相反,CD和UC患者的微生物是明显不同于控制(无血缘关系的亲戚和(All-HC)) (NPMANOVA测试;p = 0.001加权和未加权的CD UniFrac距离;未加权的p = 0.001, p = 0.004为加权UniFrac距离加州大学)(图2),CD和UC患者也表现出显著差异的微生物(NPMANOVA测试,p = 0.001加权和未加权的UniFrac距离)。CD患者而不是UC患者显示较低的微生物α多样性与控件的两组(p < 0.05),所反映的Chao1和香农指数(图2B)。
在IBD患者失调。(一)微生物集群基于未加权的加权(右)(左)和主坐标Analysis-UniFrac指标。所有控件之间的显著差异观察(All-HC,结合HC,健康亲属人力资源(CD)和人力资源(加州大学))和CD患者(NPMANOVA测试;p = 0.001加权和未加权的UniFrac索引)和所有控件与UC患者(NPMANOVA测试,p = 0.001未加权和加权UniFrac p = 0.004)。微生物丰富度计算是基于Chao1指数(B(左)和微生物丰富度和香农均匀度指数(B)。使用学生的学习任务,CD患者提出的微生物丰富度和均匀度显著低于健康对照组(HC、人力资源(CD)和人力资源(加州大学))和UC患者,但是患者在缓解和复发(CD-RC和UC-RC)不存在显著差异。* p < 0.05。(C)分类差异检测HC和加州大学和HC和CD之间利用克鲁斯卡尔-沃利斯检验(纠正p值;错误发现率< 0.01)。CD,克罗恩病; NPMANOVA, non-parametric multivariate analysis of variance.
在基线、6属浓缩在CD患者相比,12在HC(罗斯福< 0.003)。只有两个属浓缩在UC患者相比之下,一个在HC(罗斯福< 0.03),从而表明失调也在CD比在UC患者分类水平,总体上有明显的蚀变18属和3分别为(图2C)。为了揭示微生物签名的复发,我们利用克鲁斯卡尔-沃利斯检验比较UC患者的粪便样本和CD的时候复发与患者处于缓解期后1年的随访。我们没有发现显著差异。此外,为了发现复发的预测价值在CD和UC患者,使用相同的测试中,我们比较了基线粪便样品开发的那些复发以后(n = 13为加州大学CD和n = 18)与那些处于缓解期经过1年的随访(n = 21 UC CD和n = 15)。结果没有显示任何生物标志物预测复发乳糜泻或加州大学。
我们的研究结果表明,损失的有益微生物与CD患者比增加更多的致病的。有益微生物包括那些参与丁酸盐生产等Faecalibacterium,22Christensenellaceae,Methanobrevibacter和Oscillospira。我们的发现证实了其他研究的结果报告的相对丰度较低Faecalibacterium患者的CD,也表明该属不是失踪在UC患者,从而使这一个有用的标记来区分从UC患者CD患者。Christensenellaceae,Methanobrevibacter和Oscillospira与主题相关的BMI较低(< 25),第23 - 25他们可能与肠道免疫系统维持体内平衡。潜在的病原微生物,称为pathobionts,包括梭菌属和埃希氏杆菌属。前者是与感染有关26和结肠直肠癌27,28而后者与炎症性肠病。8,29日
微生物之间的关系、吸烟习惯和临床数据
先前的工作已经证明吸烟习惯与炎症性肠病有关。30.因此,我们测试了吸烟和疾病严重程度之间的联系使用χ(缓解和复发)2测试。我们没有发现吸烟者或烟民和疾病严重程度之间的联系。然后我们研究之间的联系相对丰富的组的细菌和吸烟习惯利用克鲁斯卡尔-沃利斯检验。在CD患者,属属于Peptostreptococcaceae在场中占相当大的比例在吸烟者(罗斯福= 0.006),Eggerthella lenta在不吸烟者被发现在一个更高的比例(见在线吗补充材料1)。在UC患者中,我们观察到,吸烟者更丰富Butyricimonas,普氏菌和Veillonellaceae(罗斯福< 0.04),而不吸烟者有更高比例的Clostridiaceae和双歧杆菌adolescentis(罗斯福< 0.03)。我们还研究了之间的联系相对丰富的组的细菌和疾病本地化CD和扩展为加州大学(蒙特利尔获得的分类)。31日在CD患者,该病是本地化主要在回肠(L1, 35%)和ileocolon (L3, 64.7%)。Mann-Whitney测试显示粪肠球菌和一个未知的物种属于Erysipelotrichaceae疾病时更丰富的凳子比ileocolon回肠本地化。UC患者、疾病的分布行为在抽样如下:直肠炎(E1, 27.3%),左侧结肠炎(E2, 33.3%)和pancolitis (39.4%)。利用克鲁斯卡尔-沃利斯的测试,我们相关的疾病行为和微生物群落组成,发现直肠炎与更大的相对丰度未知的梭菌的梭状芽胞杆菌,未知Peptostreptococcaceae Mogibacteriaceae(罗斯福< 0.05)在凳子上。最后,我们并没有发现任何药物的使用之间的关系(表1)和微生物组成。
微生物标记的发现
FC的有效性来衡量IBD活动评估在粪便样本的一个子集(从发现队列)提供的122名参与者(图3)。患者CD和加州大学,FC在基线测量,1年期后缓解或复发。在缓解,FC CD和UC患者明显高于人力资源和复发过程中显著高于在缓解期(图3)。然而,FC浓度CD和UC患者没有差异,在缓解或复发,使他们无用的区别这两个障碍。
Calprotectin:炎症生物标记。Calprotectin大便中测量的健康的亲属CD (HR (CD)和加州大学(HR(加州大学))患者,患者的粪便,CD和加州大学在基线(TP0)和1年在复发缓解(RM)和(RC)。Mann-Whitney测试是用来比较组间差异。CD,克罗恩病。
的微生物组提出最重要的差异之间的CD和加州大学和CD和HC利用克鲁斯卡尔-沃利斯(罗斯福< 0.05)测试选择开发一个算法与潜在的歧视CD和non-CD (图4A)。该算法保留样本:“不包含Faecalibacterium或Peptostreptococcaceae; g,Anaerostipes和Christensenellaceae; g或包含梭菌属和埃希氏杆菌属但不是Collinsella和Methanobrevibacter”。FaecalibacteriumPeptostreptococcaceae属未知,Anaerostipes,Methanobrevibacter和属未知的Christensenellaceae丰富的HC和加州大学和缺失或CD的,几乎没有梭菌属和埃希氏杆菌属丰富的CD患者和几乎没有在HC和加州大学。Collinsella,发现大部分在加州大学的情况下,允许我们区分加州大学和CD。这八个属,我们实现了该算法识别患者CD。
微生物标志物的发现和验证。八个细菌属显示潜力区分HC(无关的HC)和CD和UC患者发现队列:34 HC和33 UC患者和34 CD患者(A)和2045年验证组粪便样本HC (n = 1247), CD (n = 339),加州大学(n = 158),肠易激综合症(n = 202)和厌食症(n = 99) (B)。每个蓝色条代表每个微生物组的存在为每个主题。在每组参与者强调与特定的颜色代码(蓝色=所有HC;红色= CD;黄色=加州大学;绿色= IBS和紫色=厌食症)。情节上使用一个R脚本执行的相对丰度八细菌属。梯度酒吧对应颜色的白色=缺席,湛蓝=低丰度和暗=丰度高。(C)未加权的UniFrac主坐标分析的各种群表示的主题:HC =健康对照组无关,CD,克罗恩病、CD和HC之间的显著差异被发现,加州大学,肠易激综合症和厌食症(NPMANOVA测试,p < 0.001)。NPMANOVA,非参数多变量方差分析。
使用该算法,我们首先测试其性能的其他3个月后收集的样本集基线的亲戚HC(167个样本),3、6、9和12个月后基线IBD患者(CD和135年加州大学135个样本)。我们获得了平均77.7%的真阳性CD检测和平均7.3%和12.8%的假阳性的检测HC和加州大学,分别是(表2)。因此,诊断精度区分CD患者从HC和UC患者为85.1%和82.4%,分别。34的CD,患者疾病的平均持续时间在抽样是6.5年。四个病人,疾病的诊断是同年抽样,和算法能够检测出三个(75%)。
我们验证方法和一些未发表和出版的数据。评估标志物的敏感性,我们分析了一群54 CD患者招募鲁汶大学医院(比利时CD队列)。微生物DNA提取、16 s rRNA基因扩增和测序数据分析进行在我们实验室在西班牙。我们生成大约520万个高质量的序列读取187个样本。我们应用整个队列算法,确定一个总体敏感性81.8%的样本作为CD(真阳性)(表2)。此外,评估复发的预测价值,我们执行一个克鲁斯卡尔-沃利斯术前采集粪便样本的分析,比较患者的基础上Rutgeerts分数获得手术后6个月。结果表明,患者术后复发(Rutgeerts分数的i3预告,n = 28)怀有更高的相对丰度链球菌(p = 0.002;罗斯福= 0.17)比那些处于缓解期(Rutgeerts分数的钱数和i1, n = 26)。这一结果表明,的存在链球菌手术前在粪便样本是未来复发的预测指标。
评估的特异性标记检测CD与加州大学,我们分析一群患者41加州大学录取大学Vall d ' hebron医院(西班牙UC组)。这项研究是一个欧洲项目的一部分(MetaHIT;http://www.metahit.eu),包括UC患者长期缓解。临床信息所示表1。我们提取并测序粪便微生物组在基线(即任何干预之前收集),产生了150万序列读取这个数据集和测试我们的算法。我们获得95.1%的特异性检测CD和加州大学(表2)。我们还测试了我们的算法在一些non-IBD特异性数据集出版,即在肠易激综合症,受试者有厌食症和健康的话题。肠易激综合症和CD可能目前常见的症状,包括腹痛、痉挛、便秘和腹泻,一个简单的方法区分CD与IBS可能也有助于减少不必要的内窥镜检查。因此,我们应用我们的算法之前的粪便样本125例诊断为肠易激综合症。序列数据是来自最近发表的一项研究。32125例IBS的算法确定七是CD,从而显示只有5.6%的假阳性和特异性为94.4% (表2)。
然后算法测试一组收集的1016份粪便样本国王学院(伦敦)从977年一群健康的两个人23和158份粪便样本来自HC和病人诊断出患有厌食症。33包括健康的成年女性双胞胎来自英国,前者研究最初被设计成评估宿主肠道微生物遗传变异的形状。我们的算法检测到75的1016个样品(假阳性)的7.3%作为CD,从而显示92.7%的特异性。第二项研究旨在解决失调厌食症患者相比HC和评价转变后的微生物群落在厌食症患者体重增加。34如图所示在这项研究中,厌食症与肠道微生物组成的改变。为了评估变化是否发生在肠道社区由于IBD以外的一个条件,我们测试了该算法厌食症患者队列。我们的工具检测到9假阳性的158个样本,从而表现出特异性为94.3%。
图4B的概要说明了8微生物标记在整个数据集的2045份粪便样本不同条件:HC, CD,加州大学,肠易激综合症和厌食症。结果清楚地证实,CD的特点是不同的丰富的八个标记与其他群体相比,也显示由一个单独的集群基于未加权的UniFrac PcoA表示(图4C)。
测试方法的准确性,我们也应用到一组最近发表的数据从一个法国的IBD的主题5尽管这些作者用不同的方法分析微生物群落相比之下,我们的方法。在这种情况下,他们解决了一个不同的变量的区域16 s rRNA基因(V3-V5代替V4)和不同的测序平台(离子激流测序而不是Illumina公司Miseq)。在这个研究中,索科尔等特征的微生物235 well-phenotyped IBD患者和38 HC。尽管技术差异,我们重复使用他们的原始序列数据分析和序列分析协议(见部分)的方法。用我们的质量控制标准,我们恢复850万IBD患者高质量的序列为232 (146 CD和86加州大学)和38 HC。我们的方法显示预测的准确性为64%的CD与加州大学(敏感性60%,特异性68%)和77%的CD和HC的预测(敏感性60%,特异性94.8%),分别为。此外,我们注意到,这个数据集不携带任何序列属于属Collinsella和丰富的很低Methanobrevibacter,我们的算法允许加州大学之间的分化和CD。
结论
尽管加州大学和CD分享许多流行病学、免疫治疗和临床特征,我们的微生物群落分析的结果证实,他们是两个不同的亚型IBD的微生物水平。基于微生物群落的比较在HC和CD和HC和加州大学之间,我们决定,第一次,一个非侵入性的测试和评估其潜在的临床效用作为成人的筛选标记。我们首先测试它的性能在西班牙IBD队列用作发现队列和验证其敏感性新入校比利时CD队列。整个IBD队列由最近诊断为CD和IBD患者在缓解期或活动性疾病。我们评估其特异性健康英国双队列和几个群non-IBD患者。测试显示,大约80%的敏感性CD,使用西班牙和比利时的军团,特异性为94.3%,94.4% %,89.4%,90.9%的CD检测与HC,厌食症患者,分别IBS和加州大学。此外,所有的样品来自比利时CD患者抗生素检测的算法,从而表明摄入抗生素前抽样并不影响检测的算法。然而,80%的整体灵敏度获得西班牙和比利时军团可能是膨胀的结果,我们应用该算法独立样本。我们的分析的另一个限制是,85.4%的精度高,检测CD与加州大学,获得使用西班牙语组与60%的法国组差异可以解释的方法论的方法。法国数据可能获得的低精度的限制这种方法作为诊断工具,随着实验室分析病人的微生物应在本研究中使用的方法。 This finding also demonstrates the importance of the development and use of standardised methods to analyse the microbiome. Further experimental designs could be proposed to evaluate the extent to which the method used here could be implemented in a laboratory.
人类肠道微生物的快速收集信息,这是集体的基因组肠道微生物群,有可能由于以下几点:培养技术的进步,从而允许一个完整的微生物多样性的照片出现在生物样品;新的测序技术的发展,导致一个指数降低测序成本和强大的生物信息学工具分析序列数据的出现。在一起,这些发展允许我们执行粪便样本的微生物分析小规模的不到150欧元,1天。在更大的规模可以显著降低成本。
此处描述的非侵入性诊断工具可能是有价值的在评估患者非特异性炎症性肠病的体征和症状暗示,从而促进临床决策当CD最初确定的诊断。事实上,这个工具可以结合成像技术或calprotectin数据证实诊断。
确认
感谢茱莉亚Goodrich共享信息发表在她的双胞胎研究来自英国,圣地亚哥Perez-Hoyos建议统计分析和安德鲁Schoenenberger统计分析。
引用
脚注
副总裁和MP co-first作者分享
贡献者CM:研究概念和设计;FC、NB、FG和SV:采集样品;作为特区GS,公里,EV和HS:获取数据;副总统、议员和XM:数据分析;CM:解释数据;CM:起草的手稿;FG, HS, SV和CM:关键的修订手稿的重要知识内容;副总裁,议员:统计分析;CM:获得资金)。所有作者手稿修改。
资金本研究由两笔赠款支持学院祝您健康的卡洛斯三世/菲德尔(CP13/00181 PI14/00764)。公里是一个博士后,SV高级临床研究者科研基金的弗兰德斯,比利时(FWO-Vlaanderen)。
相互竞争的利益没有宣布。
病人的同意获得的。
伦理批准当地大学医院伦理委员会巴塞罗那大学的Vall d ' hebron医院Gasthuisberg鲁汶。
出处和同行评议不是委托;外部同行评议。