你在这里

条文本

菜单条

下载PDF

XML
附言
信
IBD队列纵向抽样指导
  1. Yoshiki Vazquez-Baeza1，
  2. 安东尼奥•冈萨雷斯2，
  3. 镇江徐泽泽2，
  4. 亚历克斯·沃什伯恩3.，
  5. 汉斯·赫法斯4，5，
  6. R·巴尔弗·萨特4，5，6，
  7. Rob骑士1，2
  1. 1计算机科学与工程系，加州大学，圣地亚哥，加州美国
  2. 2儿科，加州大学，圣地亚哥，加州美国
  3. 3.微生物与免疫学学系，蒙大拿州立大学系统，勃兹曼，蒙大拿美国
  4. 4胃肠生物学和疾病中心，北卡罗来纳大学，教堂山分校，北卡罗莱纳美国
  5. 5内科消化与肝脏病学研究室，北卡罗来纳大学，教堂山分校，北卡罗莱纳美国
  6. 6微生物与免疫学学系，北卡罗来纳大学，教堂山分校，北卡罗莱纳美国
  1. 对应到Rob Knight教授，加州大学计算机科学与工程系，加州拉霍亚92093-0763，美国;robknight在}{ucsd.edu

http://dx.doi.org/10.1136/gutjnl-2017-315352

来自Altmetric.com的统计数据

    请求的权限

    如果您希望重用这篇文章的任何或全部，请使用下面的链接，这将带您到版权清算中心的RightsLink服务。您将能够得到一个快速的价格和即时许可，以许多不同的方式重用的内容。

    我们饶有兴趣地阅读帕斯卡的著作等最近发表于肠道．1在这里，他们报告了克罗恩病(CD)患者的挥发性微生物特征，这一特征极大地阻碍了我们使用粪便中的16S rRNA谱来区分健康受试者和受影响受试者的能力。尽管如此，他们的工作克服了这些和其他的困难，2生成一个决策树，将受试者分为乳糜泻、UC、肠易激综合征和厌食症。尽管作者指出，两种亚型的IBD，特别是CD，都增加了微生物群落的不稳定性，但这一信息并没有被用作提高分类器准确性的特征。微生物组的不稳定性是否可以通过创建一种新的分类器来实现?如果是，每个人需要多少样本来评估不稳定性?

    我们从19名CD受试者和12名对照组中收集了长达6周的每日粪便样本(见分析笔记本，了解队列描述、方法和数据)。https://github.com/knightlab-analyses/longitudinal-ibd)，分别在2个月和5个月的时间内进行2周或4周的研究，共收集了960个样本。我们认为这是对乳糜泻抽样最密集的纵向研究;以前的研究每1-3个月收集一次样本。１ ３我们的队列显示，与之前报道的CD和其他IBD亚型一样，α多样性下降，稳定性增加。1 - 5我们还注意到，与其他受cd影响的受试者相比，接受切除的受试者α多样性较低(见分析笔记，https://github.com/knightlab-analyses/longitudinal-ibd）.

    临床研究中一个关键的实验设计问题是，有限的预算是否应该最好地用于从更多的患者中收集样本，还是从每个患者中收集更多的连续样本?因此，我们创建了一个随机森林6基于每个受试者alpha多样性纵向数据聚合的模型，7β多样性8以及在回肠活检中发现与乳糜泻相关的两种系统发育因子的丰度5个9（图1）.对于每个受试者一个样本，我们的模型比在单个时间点使用微生物相对丰度的分类器表现更差，但是当每个受试者添加更多样本时，分类器优于该方法，并且以前只能通过活检样本获得结果。5此外，我们在不同的队列中重复了这一观察结果(表1）.

    Diagram for the model creation and comparison of four receiver operating characteristic (ROC) curves. (A) Diagram describing the origin for the classifying features. (B) ROC curve for a model that relies on relative abundances and one sample per subject (as used in previous publications). (C–E) ROC curve for our new model at 1, 2 and 8 samples per subject. The grey lines represent the performance at each of the 100 iterations. The dotted black diagonal line represents the performance of a classifier that guesses the labels at random.
    " data-icon-position="" data-hide-link-title="0">图1
    图1

    四种受试者工作特征(ROC)曲线的模型建立和比较图。(A)描述分类特征起源的示意图。(B)依赖于相对丰度和每个受试者一个样本的模型的ROC曲线(如先前出版物中使用的)。(C-E)每个受试者在1、2和8个样本时我们新模型的ROC曲线。灰线表示100次迭代中每次迭代的性能。黑色的虚线表示随机猜测标签的分类器的性能。

    查看该表:
    表1

    分类器在该队列(每日样本)和先前发表的队列中每个受试者增加样本时的性能总结

    新颖的分析随着时间的推移聚集了特征，并结合了α和β多样性随时间的变化，使用我们密集的日常采样表明，收集3到5个粪便样本已经获得了主要的好处，并且没有获得超过7个连续样本的额外好处。每月抽样也发现了类似的结果。这些结果强调了将乳糜泻作为一种易变的、时变的疾病来治疗的重要性，即使在临床缓解期间也是如此，但也给临床医生带来了希望，因为相对少量的样本产生了大量的额外益处，促进了患者的依从性。这一信息可用于设计粪便样本的收集，用于大型前瞻性乳糜泻患者队列，以便对宿主-微生物相互作用进行纵向研究。

    这里展示的方法以前没有用于微生物组分析，但已经用于其他工程应用，例如，在生产线上预测钢铁制造商设施的产品规格结果。10我们希望这些结果能够推广到其他系统，包括其他胃肠道和肝脏疾病，其中微生物组的动态特征、宿主基因表达或其他可获得的描述符可以作为潜在的生态失调状态的指标。

    致谢

    我们感谢北卡罗来纳大学多学科IBD中心的研究协调员招募患者。此外，我们感谢Gail Ackermann、Jamie Morton和Justin Silverman在编写本文过程中提供的宝贵反馈和讨论。

    参考文献

    1. ↵
      2. 帕斯卡V，
      3. Pozuelo米，
      4. BorruelN，等
      ．克罗恩病的微生物特征．肠道2017；66：813- - - - - -22．doi: 10.1136 / gutjnl - 2016 - 313235
      OpenUrl 摘要/免费的全文
    2. ↵
      2. 裁缝RB，
      3. 吴GD
      ．肠道细菌、病毒和真菌在炎症性肠病发病机制和治疗方法中的作用．胃肠病学2017；152：327- - - - - -39．doi: 10.1053 / j.gastro.2016.10.012
      OpenUrl
    3. ↵
      2. HalfvarsonJ，
      3. BrislawnCJ，
      4. LamendellaR，等
      ．炎症性肠病中人类肠道微生物组的动态．Nat Microbiol2017；2：17004．doi: 10.1038 / nmicrobiol.2017.4
      OpenUrl
    4. ↵
      2. 弗兰克DN，
      3. 圣阿曼达艾尔，
      4. 费尔德曼类风湿性关节炎，等
      ．人类炎症性肠病微生物群落失衡的分子系统发育特征．美国国家科学基金委2007；104：13780- - - - - -5．doi: 10.1073 / pnas.0706625104
      OpenUrl 摘要/免费的全文
    5. ↵
      2. GeversD，
      3. Kugathasan年代，
      4. 丹森拉，等
      ．新发克罗恩病治疗初期的微生物组．细胞宿主微生物2014；15：382- - - - - -92．doi: 10.1016 / j.chom.2014.02.005
      OpenUrl CrossRef PubMed 科学网
    6. ↵
      2. Breimanl
      ．随机森林．机器学习2001；45：5- - - - - -32．doi: 10.1023 /: 1010933404324
      OpenUrl CrossRef 科学网
    7. ↵
      2. 信仰DP，
      3. 贝克我
      ．系统发育多样性(PD)与生物多样性保护:一些生物信息学挑战．进化生物信息在线2007；2：121- - - - - -8．
      OpenUrl CrossRef
    8. ↵
      2. LozuponeC，
      3. 骑士R
      ．UniFrac:一种比较微生物群落的系统发育新方法．苹果环境微生物2005；71：8228- - - - - -35．doi: 10.1128 / aem.71.12.8228 - 8235.2005
      OpenUrl 摘要/免费的全文
    9. ↵
      2. 沃什伯恩广告，
      3. 西尔弗曼JD，
      4. 列夫JW，等
      ．组分数据的系统发育分解在微生物组数据集中产生谱系水平的关联．PeerJ2017；5：e2969．doi: 10.7717 / peerj.2969
    10. ↵
      2. 基督米，
      3. Kempa-Liehr亚历山大-伍尔兹，
      4. Feindt米
      ．面向工业大数据应用的分布式并行时间序列特征提取．2016https://arxiv.org/abs/1610.07717

    脚注

    • HHH、RBS和RK的贡献相同。

    • 贡献者YVB撰写稿件，管理数据存档，并对数据进行解读和分析。AG对手稿做出了贡献，并对数据进行了解释和分析。ZZX对数据进行解释和分析。AW对手稿做出了贡献，并对数据进行了解释和分析。HHH参与撰写了论文，设计了实验，并对数据进行了解释和分析。RBS撰写了手稿，设计了实验，并解释和分析了数据。RK撰写了手稿，并对数据进行了解释、排序和分析。所有作者最终定稿并批准了手稿的当前版本。

    • 资金我们感谢NIH (P01-DK094779)和克罗恩病和结肠炎基金会的资助支持。

    • 相互竞争的利益没有宣布。

    • 伦理批准北卡罗来纳大学。

    • 出处和同行评审不是委托;内部同行评审。

    • 数据共享声明序列将在EBI中沉积。此外，处理后的序列和样本信息可在齐塔(https://qiita.ucsd.edu/study/description/2538)数据库，研究标识符为2538。Jupyter notebooks, and source code describing all the analyses in this paper can be found online (https://github.com/knightlab-analyses/longitudinal-ibd)。