你在这里

条文本

菜单条
炎症性肠病
原始研究
粪便在炎症性肠病代谢物及其决定因素
  1. Arnau Vich维拉1,2,
  2. Shixian胡1,2,
  3. 塞吉奥Andreu-Sanchez2,3,
  4. 瓦莱丽Collij1,2,
  5. Bernadien H詹森1,
  6. 汉娜E Augustijn2,
  7. 劳拉一个Bolte拍摄1,
  8. 雷一百一十一Ruigrok1,2,
  9. Galeb阿布·阿里4,
  10. Cosmas Giallourakis4,
  11. 杰西卡·施耐德4,
  12. 约翰·帕金森4,
  13. 阿玛尔Al-Garawi4,
  14. 亚历山德拉Zhernakova2,
  15. Ranko Gacesa1,2,
  16. 靖远县傅2,3,
  17. 冲洗K Weersma1
  1. 1部门的遗传学,大学医学中心,格罗宁根、荷兰
  2. 2儿科,大学医学中心,格罗宁根、荷兰
  3. 3胃肠病学和肝脏病学,大学医学中心,格罗宁根、荷兰
  4. 4胃肠病学药物研发单位,武田制药,剑桥,麻萨诸塞州美国
  1. 对应到冲洗K Weersma博士教授,胃肠病学和肝脏病学,格罗宁根大学医学中心,格罗宁根,9713广州,荷兰;r.k.weersma在{}umcg.nl;博士Arnau Vich维拉;arnauvich在}{gmail.com

文摘

客观的炎症性肠病(IBD)是一种多因子的肠道的免疫介导的炎症性疾病,包括克罗恩病和溃疡性结肠炎。描述为代谢物在粪便,加上粪便宏基因组,宿主遗传和临床特点,我们在IBD旨在揭开代谢改变。

设计我们测量1684个不同粪便代谢物和8短链和支链脂肪酸在IBD患者粪便样本的424和255年non-IBD控制。回归分析用于比较之间的代谢物浓度情况下,控制和确定代谢物和每个参与者的生活方式之间的关系,临床特点及肠道微生物群组成。此外,全基因组关联分析进行粪便代谢物水平。

结果我们确定了超过300个分子不同丰富IBD患者的粪便。鞘脂类之间的比例和L-urobilin可以区分IBD和non-IBD样本(AUC = 0.85)。我们发现患者胆汁酸池的变化dysbiotic微生物群落和强大的粪便代谢物和肠道微生物群之间的联系。例如,大量的瘤胃球菌属gnavus与色胺水平呈正相关。此外,我们发现158代谢物之间的关联和饮食模式,和附近的多态性NAT2与咖啡的代谢密切相关。

结论在这种大规模的分析,我们确定了IBD患者代谢物的改变通常被忽视的独立的混杂因素如饮食和手术的历史。考虑在粪便微生物代谢物的影响,我们的研究结果为未来铺平道路的干预措施针对肠道炎症。

  • 炎症性肠病
  • 克罗恩氏病
  • 凳子上标记
  • 肠道微生物

数据可用性声明

合理的请求数据。表包含粪便代谢物的含量和细菌类群丰度提供了手稿。生的宏基因组,宿主基因组学和表型数据用于本研究可从欧洲Genome-Phenome归档数据存储库:1000炎症性肠病(IBD)群(https://www.ebi.ac.uk/ega/datasets/EGAD00001004194)、生命线深群(https://www.ebi.ac.uk/ega/datasets/EGAD00001001991)。这包括提交意向书到相应的数据访问委员会。代码公开:https://github.com/GRONINGEN-MICROBIOME-CENTRE/Fecal_Metabolites_IBD

http://creativecommons.org/licenses/by-nc/4.0/

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,和许可他们的衍生产品在不同的协议,提供了最初的工作是正确地引用,给出合适的信用,任何更改表示,非商业使用。看到的:http://creativecommons.org/licenses/by-nc/4.0/。

http://dx.doi.org/10.1136/gutjnl - 2022 - 328048

来自Altmetric.com的统计

    请求的权限

    如果你想重用任何或所有本文的请使用下面的链接,这将带你到版权税计算中心的RightsLink服务。你将能够获得快速的价格和即时允许重用内容在许多不同的方式。

    已知关于这个主题是什么呢

    • 肠道微生物代谢器官,也正越来越被认为是影响宿主的健康。

    • 越来越多的证据表明,肠道microbiota-derived代谢物至关重要介质之间的微生物群和免疫反应。

    • 失调在肠道社区一直在广泛地探讨炎症性肠病(IBD),解体host-microbiota交互背后的机制是复杂的,需要洞察肠道代谢活动。

    这个研究增加了

    • IBD患者肠道代谢的特点是低水平的分子来源于saccharolytic从蛋白水解发酵发酵和代谢产物增加。

    • 肠道微生物群组成粪便代谢物含量的主要因素,与主人的生活方式相比,遗传和临床表型。

    • 在肠道炎症性肠病的患者,pathobionts扩张伴随着鞘脂类浓度的增加、乙醇胺和初级胆汁酸。

    • 肠切除术有持久影响肠道胆酸和脂质代谢。

    这项研究可能会如何影响研究、实践或政策

    • 未来的研究调查宿主代谢应该占微生物组成和肠道手术的历史。

    • 的粪便代谢物为IBD标志物提供了一条新的道路和其他免疫介导的炎症性疾病。

    • 理解肠道微生物群对人体新陈代谢的贡献在健康和疾病对干预措施的设计未来的饮食至关重要。

    介绍

    描述host-microbiota共生的至关重要的肠道疾病,如炎症性肠病(IBD)的肠道环境严重不安,然而,致病机制仍然不太为人所知。胃肠道的炎症性肠病是一种慢性炎性疾病,由两个主要亚型:溃疡性结肠炎(UC)和克罗恩病(CD)。1 2在炎症性肠病,一段活动性疾病的特点是严格厌氧细菌,盛开的兼性厌氧菌和化学环境的改变肠道。3例如,减少肠道barrier-protecting短链脂肪酸(SCFA)和改变胆汁酸,鞘脂类和tryptophan-derived代谢物一直报道IBD患者的粪便。4个5然而,大量的分子在人体保持uncharacterised,因此他们对人类健康的影响仍然未知。考虑到小分子的一个子集,包括microbiome-derived代谢物,可以调节免疫反应,它是描述这些代谢物和理解的关键因素决定他们在肠道的浓度。

    最近的技术进步在质谱技术使高通量描述和量化各种已知的和未经化学分子。6在这种背景下,粪便的描述识别非侵入性标记物的代谢产物具有巨大的潜力和治疗目标。然而,到目前为止,研究执行的诸多代谢组学在IBD患者的粪便已经稀缺,在样本量有限,缺乏深入的信息在宿主基因,生活方式,饮食和临床特点。4个7

    在这项研究中,我们旨在确定IBD患者肠道代谢的变化,以确定影响因素粪便代谢物水平。我们的研究结果强调潜在的粪便代谢物作为炎症性肠病的生物标记,表明,尽管生活方式的影响,遗传和疾病,预示着粪便微生物代谢产物的水平和组成的直觉。

    方法

    队列和元数据描述

    样本来自两组建立:生命线,8人口从荷兰北部的生物,和1000炎症性肠病,9一群IBD患者来自格罗宁根大学医学中心。在这项研究中,我们包含255 non-IBD控制,238 CD和174例UC患者。样本收集和存储了在线补充方法和群体特征总结在线补充表1和表1。10 11

    把这个表:
    表1

    队列描述

    代谢物量化

    代谢组学测量由该公司(美国北卡罗来纳州)检测1684粪便代谢物(在线补充表2)。八个短链和支链脂肪酸的浓度测定用液相色谱串联质谱(在线补充表3)。

    代谢数据处理

    代谢组学数据处理使用集中log-ratios成分数据集和转换。代谢物被分成三类根据他们的患病率。第一组包括代谢物在70%以上的样本情况和控制(x = 854)。缺失值估算使用再邻居非难。12我们最近的邻居的数量设置为10 (k = 10)归责和欧氏距离作为度量。第二组的代谢物(发生率< 70%和> 20%,x = 514)被转换成二进制特征(代谢物存在/没有)。罕见的代谢物(发生率< 20%,x = 316)被排除在分析之外。

    识别与IBD相关的代谢物

    我们进行了线性回归分析使用lm函数r .疾病组之间相比,大量的每个代谢物(IBD / CD / UC)和控制。技术因素(储存时间、输入克粪便和示例批处理),主机特征(年龄、性别、身体质量指数(BMI)和每天排便),肠道的完整性(任何切除术:是/否)和24之间明显不同的饮食模式情况下,控制作为协变量的回归模型(在线补充表4)。少普遍代谢物(发生率< 70%和> 20%的样本)使用逻辑回归进行评估。所有p值调整使用Benjamini-Hochberg多个测试。错误发现率(罗斯福)< 0.05作为阈值的统计意义。

    预测基于代谢组学的IBD的概要文件

    我们使用CoDaCoRe13(V.0.0.1)来确定比例的代谢物和细菌丰度,可以预测IBD及其subphenotypes(见在线补充方法)。

    代谢物与表型之间的关系

    表型之间的关联分析和代谢物在每个执行组(控制、CD和加州大学)。使用线性回归每个phenotype-metabolite组合测试,包括年龄、性别、体重指数,每天排便和技术因素作为协变量。

    metabolite-phenotype分析的结果结合在一个荟萃分析使用随机模型中实现R包元(V.4.8)。结果被认为是统计学意义当meta-FDR < 0.05 (在线补充方法)。

    全基因组关联分析粪便代谢物

    外显子组测序和基因阵列数据被用于两个组别(见在线补充方法)。线性回归是用来代谢物在> 70%的样品和逻辑回归对那些出现在70%和20%之间的样本。每组分析,分析结果相结合,如前所述。14除了占上述混杂因素(见与IBD相关的代谢物鉴定部分),我们包括种群遗传结构作为协变量的分析。确定我们的研究结果有统计学意义,我们采用两个阈值:一个全基因组的意义(p < 5 e-08年),一个更保守的截止,study-wide意义(p < 2.97 e-11年)。study-wide意义阈值是由全基因组阈值除以总数量的代谢物(5.0 e-08年/ 1684)。

    同现模式之间的细菌和代谢产物

    的QIIME15的实现mmvecV.1.0.616被用来估计高度普遍代谢物之间的同现概率和细菌。此外,我们评估个体的微生物特性之间的关联(类群基因集群和代谢途径)和代谢物使用回归模型考虑细菌之间的相互作用和生态失调(在线补充方法)。

    微分的丰度分析粪便微生物特性

    线性回归分析是用来确定微生物的特性,控制和炎症性肠病之间的不同。年龄、性别、体重指数、平均每天排便,肠切除术(yes / no)的历史和原始测序深度阅读作为协变量的回归模型(在线补充方法)。

    失调和粪便代谢物之间的联系

    患者表型差异dysbiotic并使用χ建立了eubiotic微生物群2分别或Wilcoxon-rank测试分类和连续变量。大量的粪便的差异代谢物之间的两组患者使用线性回归进行了测试。年龄、性别、体重指数、肠切除(是/否),回盲瓣原位(是/否),平均每天排便和差异12饮食模式(在线补充表5)被添加作为协变量的回归模型。

    Metabolite-level预测

    预测代谢物水平的粪便,我们进行了回归模型与L1 regularisation(套索)使用glmnetR包17(见在线补充方法)。

    结果

    炎症性肠病的患者有明显的粪便代谢物概要文件

    代谢物是评估患者的粪便样本238 CD, 174 UC患者和255 non-IBD控件(表1)。平均每个样本,发现了1011种代谢物分子从784年到1241年。

    主坐标分析(PCoA)基于代谢物水平表明,炎症性肠病样品分散在一个集群,部分与控制(图1一个)。第一个组件的PCoA捕获18%的变异,是由碱和胆汁和脂肪酸的水平,而第二个组件,代表群体变异的8%,是由大量的二肽和几个不保密的代谢物(在线补充表6,图1罪犯)。

    Faecal metabolite alterations in patients with Crohn’s disease and ulcerative colitis. (A–D). Principal coordinate analyses depicting the clustering of 255 non-IBD (black), 238 CD (purple), 174 UC (green) and 12 IBDU (pink) samples according to their metabolomic composition. The first principal component is mainly driven by the levels of cholic acid and suberate (B, D) and the second component by the concentrations of phenylalanylalanine (panel C). Light–dark colour gradient represents low–high metabolite values. Metabolite concentrations are expressed as centred log-ratio (clr) of the AUC raw values. (E). Metabolite differences between cases and controls grouped into metabolomic pathways. For clarity, only categories with three or more metabolites are shown (number of metabolites per categories are indicated on the x-axis). The y-axis represents the t-statistic value from the linear regression model (see online supplemental methods). Asterisks indicate significant differences between CD and UC (FDR<0.05, online supplemental tables 7–9). AUC, area under the curve; CD, Crohn’s disease; FDR, false discovery rate; IBD, inflammatory bowel disease; IBDU, inflammatory bowel disease unclassified; UC, ulcerative colitis.
    " data-icon-position="" data-hide-link-title="0">图1
    图1

    粪便代谢物改变克罗恩病和溃疡性结肠炎患者。(模拟)。主坐标分析描绘255年的集群non-IBD(黑色),238 CD(紫色),174年加州大学(绿色)和12 IBDU(粉红色)样本根据他们的代谢组组成。第一主成分主要是由胆酸的水平和辛二酸盐(B, D)和第二部分的浓度phenylalanylalanine(面板C)。明暗色彩渐变代表低代谢物的价值观。代谢物浓度表示为集中log-ratio (clr) AUC的原始值。(E)。代谢物之间的差异情况和控制分为代谢组学途径。为了清楚起见,只有类别三个或更多代谢物所示(每个类别的代谢物数量显示在x轴上)。y轴代表了从线性回归模型(见t统计量的值在线补充方法)。星号表示CD和加州大学之间的显著差异(罗斯福< 0.05,在线补充表7 - 9)。AUC,曲线下的面积;CD,克罗恩病;罗斯福,错误发现率;炎症性肠病、炎症性肠病;IBDU,炎症性肠病非保密;加州大学,溃疡性结肠炎。

    微分丰度分析显示324年协会当CD患者比较控制和308年协会比较UC患者和控制(罗斯福< 0.05)(在线补充表7,在线补充图1 a e)。此外,当考虑降低患病率代谢物,我们发现产品胆汁酸的代谢、神经酰胺和类固醇在粪便的IBD患者更普遍比控制(182年和119年与CD和UC相关分子,分别在线补充表7)。

    突出信号在两种疾病组是维生素和脂肪的消耗acid-related分子与控制(图1 e)。IBD患者提出了更高层次的酚类化合物p-cresol硫酸。indole-propionic酸下降在加州大学的水平,而色胺和犬尿氨酸增加CD和加州大学(罗斯福< 0.05,在线补充图1 d)。IBD患者也表现出更高水平的花生四烯酸(20:4n6)和较低的比率ω- 6 /ω- 3脂肪酸(在线补充表8,在线补充图1 e)。

    我们还发现106个代谢物丰富的CD和加州大学之间有差异。例如,UC患者提出了更高水平的diaminopimelate (DAPA),一个alpha-amino酸存在于革兰氏阴性细菌的细胞膜。有趣的是,DAPA-containing肽聚糖可以触发免疫反应介导的NOD118(在线补充图1 c,在线补充表9)。

    UC患者显示的最低浓度SCFAs粪便

    SCFAs至关重要的浓度对免疫调制,及其合成依赖于结肠细菌多糖的发酵。19在纠正潜在的干扰,包括人体测量,批处理和存储时间(见样例在线补充方法,在线补充表4)、乙酸、丙酸和丁酸盐被发现在低浓度UC患者相比,控制(罗斯福加州大学< 0.05)。没有观察到显著差异在这些代谢物之间的CD和控制。相比之下,己和戊酸水平在两组显著降低患者(在线补充图2,在线补充表7)。

    粪便代谢组学资料正确IBD样本进行分类

    考虑到实质性的变化观察之间的代谢物水平IBD患者和non-IBD控制,我们调查的可能性,加强粪便calprotectin测试的准确性通过结合多种代谢物。识别潜在的生物标记物,我们采用机器学习的方法来预测疾病表型(见在线补充方法)。包括鞘脂类之间的比例lactosyl-N-palmitoyl-sphingosine (d18:1/16:0)和L-urobilin改善的准确性年龄、性别、体重指数和粪便作为疾病预测(AUC calprotectin水平简历= 0.85,AUC测试= 0.83,p = 9.89 e-13年,图2,在线补充表10)。此外,这两个代谢物之间的比率是一个长期的缓解患者比对照组高(没有冲突注册1年之前和之后的示例集合,n = 61, Wilcoxon测试,p = 0.0036),但与其他个体的样本相比明显降低与IBD的队列(Wilcoxon测试,p = 5.05 e5,在线补充图3)。类似的性能与细菌丰度(AUC实现简历= 0.86,AUC测试= 0.84,p = 6.04 e-14年,在线补充图3 b, C)。结合代谢物和微生物比例导致温和但性能(AUC显著增加模型测试= 0.85,p = 4.34 e-09年)。在炎症性肠病的患者中,代谢产物表现出有限的权力正确分类CD或加州大学(AUC样品简历= 0.78,AUC测试= 0.67)和活动性疾病与缓解(AUC简历= 0.72,AUC测试= 0.60)(在线补充表10)。

    Biomarker discovery for the diagnosis of IBD. (A, B) Show the abundance of the metabolites with the highest potential to discriminate between samples from non-IBD (grey) and IBD (UC in green and CD in purple). (C). Boxplots depict the value of a potential biomarker for IBD. The y-axis is the log-transformed value of the ratio constructed from the levels of lactosyl-N-palmitoyl-sphingosine (d18:1/16:0) and L-urobilin. Boxplot in grey depicts values in non-IBD controls. Boxplot in red depicts values in patients with IBD. (D). Receiver operating characteristic curve (ROC curve) of the prediction model based on patient characteristics (age, sex and BMI), the levels of faecal calprotectin (expressed as a binary trait (yes/no) if levels of this marker were >200 µg/g of faeces) and the ratio between metabolites. The prediction value, expressed as the area under the curve (AUC), reached a value of 0.83 in the test dataset. Metabolite values are clr-transformed. Boxplot shows the median and interquartile range (25th and 75th). Whiskers show the 1.5*IQR range. Asterisks indicate significant differences between groups (FDR<0.05). BMI, body mass index; CD, Crohn’s disease; FDR, false discovery rate; UC, ulcerative colitis.
    " data-icon-position="" data-hide-link-title="0">图2
    图2

    炎症性肠病的诊断的生物标志物的发现。(A, B)显示最高的代谢物的丰度可能区分样本non-IBD(灰色)和炎症性肠病(加州大学在紫色绿色和CD)。(C),箱线图描述潜在生物标志物IBD的价值。y轴的对数转换价值比例由lactosyl-N-palmitoyl-sphingosine的水平(d18:1/16:0)和L-urobilin。箱线图灰色描绘non-IBD控件中的值。箱线图IBD患者用红色描绘了值。(D)。接受者操作特征曲线(ROC曲线)的预测模型根据病人特征(年龄、性别和体重指数),粪便calprotectin的水平(表示为一个二进制特征(yes / no)如果这个标记水平> 200µg / g(粪便)和代谢物之间的比率。预测的值,表示为曲线下的面积(AUC),达到一个值的0.83测试数据集。clr-transformed代谢物值。箱线图显示了中位数和四分位范围(第25和第75位)。 Whiskers show the 1.5*IQR range. Asterisks indicate significant differences between groups (FDR<0.05). BMI, body mass index; CD, Crohn’s disease; FDR, false discovery rate; UC, ulcerative colitis.

    肠切除术与长期代谢改变有关

    确定变更后粪便代谢物与IBD的个人,我们的目的是描述的生活方式,饮食和临床因素导致粪便代谢产物的水平。我们评估了粪便代谢物之间的联系和229主机的特点,包括饮食习惯、药物使用和临床特征。我们协会进行分析(即每条件。,CDonly, UC only and controls only) and combined the results of overlapping metadata in a meta-analysis.

    在CD患者,切除的回盲瓣与大量的212种代谢物的变化,包括胆酸和几个monoacylglycerols。结肠切除与修改在CD和56个分子水平8分子在加州大学(在线补充表11,图3 a - c)。例如,结肠切除与粪便的维生素b6水平负相关(维生素B6)。

    Potential determinants of faecal metabolite levels. (A) Bar plot showing the number of significant associations between phenotypes and metabolites in each of the cohorts and in the meta-analysis (online supplemental table 11). Only phenotypes with more than three associations are shown. Red labels indicate phenotypes exclusively available for cases and blue labels for controls. (B). Correlation plot showing the relation between AAMU (expressed as clr-transformed AUC values) and coffee consumption (x-axis) per cohort. Coffee consumption is represented as the estimated consumption per day (grams/day) adjusted by overall individual calorie intake (see online supplemental methods). (C). Boxplots showing the levels of 1-palmitoylglycerol (16:0). Boxplot shows the median and IQR (25th and 75th). Whiskers show the 1.5*IQR range. Data distribution is represented by background violin-plot. Lines in the correlation plot show linear regression and shadows indicate the 95% CI. AAMU, 5-acetylamino-6-amino-3-methyluracil; AUC, area under the curve.
    " data-icon-position="" data-hide-link-title="0">图3
    图3

    粪便代谢物水平的潜在决定因素。(A)条图显示重要的表型之间的关联和代谢物的数量在每个军团和荟萃分析(在线补充表11)。只显示表型有超过三个关联对象。红色标签显示表型专门用于病例和蓝色标签控件。(B)。相关情节显示之间的关系AAMU(表示为clr-transformed AUC值)和咖啡消费每组(x轴)。每天饮用咖啡表示为估计消费(克/天)调整整体个人卡路里摄入量(见在线补充方法)。(C),箱线图显示1-palmitoylglycerol的水平(16:0)。箱线图显示了值和差(第25和第75位)。须显示1.5 *差范围。数据分布是由背景violin-plot表示。行相关情节显示线性回归和阴影表示95%可信区间。AAMU 5-acetylamino-6-amino-3-methyluracil;AUC,曲线下的面积。

    不同组之间没有明显的差异代谢物的疾病行为或疾病严重程度的统计调整后肠道手术(切除vs non-resected)。然而,我们观察到一些有趣的趋势(p < 0.05,罗斯福> 0.05,在线补充表12)。丁酸水平较低的CD和穿透疾病患者(B1和B3)。疾病严重程度(蒙特利尔年代分数)与酪胺粪便丰度呈正相关。在UC患者中,参与者与直肠炎(E1)分类2 r-3r-hydroxybutyrate水平较低和较高水平的胞嘧啶核苷与广泛的结肠炎症患者相比(E3分类)(在线补充图4 a, B)。

    chromogranin的水平显示最大数量的关联与粪便代谢物non-IBD控制,包括N-formylmethionine积极联系、胆固醇和次级胆汁酸。Chromogranin报道作为潜在生物标志物的肠道健康,表现出很强的相关性与肠道微生物群组成。10此外,参与者µg calprotectin > 200 / g显示,粪便和低水平的胞嘧啶核苷鞘氨醇增加和神经酰胺在加州而不是CD (图3一,在线补充表11)。

    此外,一些代谢物的检测方面的参与者的生活方式反映在我们的队列。我们发现158代谢物之间的关联和饮食模式(罗斯福元< 0.05,在线补充表11),然而,大约三分之一的这些相关的消费咖啡(n = 57),包括积极的咖啡摄入量之间的相关性和吡啶甲酸和5-acetylamino-6-amino-3-methyluracil (AAMU),一个主要的咖啡因代谢物(图3 b)(罗斯福元< 0.05,在线补充表11)。可替宁,一个烟草植物中生物碱,粪便中发现了自我报告的吸烟者(罗斯福吗元e = 1.31-06年,在线补充表13)和O-desmethyltramadol,发现的主要代谢物阿片类药物曲马多,在一些CD患者使用阿片类药物(罗斯福= 0.009,在线补充表13)。

    调查如果观察到的生活方式之间的关联,临床因素和粪便代谢物由改变肠道微生物群我们中介进行分析。119年我们观察证据,38 - 695介导效应控制,分别加州大学和CD。具体来说,我们发现Lawsonibacter asaccharolyticus介导的咖啡摄入量之间的关系和一些咖啡因衍生物,如1、3-dimethylruic酸。在CD患者中,我们观察到回盲瓣的切除导致大量的下降Faecalibacterium prausnitzii抗炎代谢物水平的负面影响,包括丁酸盐(在线补充表14,在线补充图5)。

    NAT2基因型与咖啡代谢密切相关

    接下来,我们进行了一次粪便代谢物全基因组关联分析研究宿主基因和粪便代谢物水平之间的相关性。总的来说,遗传学显示一个相对较小的影响粪便代谢物水平相比,基因对血液代谢物水平的影响在其他的研究报道。20 - 22在study-wide意义层面上,我们发现了一个基因多态性之间的联系密切NAT2(rs4921913)和AAMU (p元e = 1.79-11年)。这种基因变异在连锁不平衡报道的SNP与1之间的比率,3-dimethylurate和AAMU (rs35246381, r2> 0.8)。23正如预期的那样,我们还可以复制这个发现在我们组(p炎症性肠病e = 8.46-09年p控制e = 4.17-09年p元e = 3.57-13年,图4)。AAMU代谢物来自咖啡,和它的粪便与咖啡消费水平。然而,即使这种gene-metabolite协会仍然显著调整咖啡摄入量(p炎症性肠病e = 2.2-16年p控制e = 2.0-09年,在线补充表15)。

    Genome-wide association between genetic polymorphisms and faecal metabolites. (A) Manhattan plot shows the strong association between a single nucleotide polymorphism located near the NAT2 gene and AAMU, a metabolite derived from caffeine. Solid horizontal line signifies the significance threshold corrected by multiple hypothesis testing. Dashed line indicates the classic genome-wide significance threshold. Metabolites passing this threshold (in red) are considered suggestive associations (online supplemental table 15). (B) Boxplot depicting the levels of AAMU in non-IBD controls and IBD, stratified by SNP rs4921913 genotype. (C) Boxplot showing the relation between SNP rs4921913 and the ratio of 1,3-dimethylurate to AAMU. This association was previously described in the TwinsUK cohort.23 Metabolite values are presented as the residuals of the model regressing the covariates age, sex, BMI and technical confounders. Boxplot shows the median and IQR (25th and 75th). Whiskers show the 1.5*IQR range. Data distribution is represented by background violin-plot. AAMU, 5-acetylamino-6-amino-3-methyluracil; BMI, body mass index; IBD, inflammatory bowel disease.
    " data-icon-position="" data-hide-link-title="0">图4
    图4

    全基因组基因多态性和粪便代谢物之间的联系。曼哈顿(A)情节展示了强大的关联单核苷酸多态性附近NAT2基因和AAMU代谢物来自咖啡因。固体水平线象征意义阈值由多个假设检验修正。虚线显示典型的全基因组意义阈值。代谢产物通过这个阈值(红色的)被认为是暗示协会(在线补充表15)。(B)箱线图描述AAMU non-IBD控制和IBD的水平,分层SNP rs4921913基因型。(C)箱线图显示了SNP rs4921913与1的比例关系,3-dimethylurate AAMU。这个协会是以前TwinsUK队列中描述。23代谢物值作为协变量的回归模型的残差年龄、性别、体重指数和技术混杂因素。箱线图显示了值和差(第25和第75位)。须显示1.5 *差范围。数据分布是由背景violin-plot表示。AAMU 5-acetylamino-6-amino-3-methyluracil;体重指数、体重指数;炎症性肠病、炎症性肠病。

    肠道微生物群组成与代谢组学概要文件

    肠道微生物群的IBD患者经常发生转换从一个健康的状态(生态平衡)一种不健康的状态(失调)。3个24理解代谢变化伴随失调可能提供重要的见解pathomechanisms IBD。

    在我们的群体中,参与者与失调的人更容易患有乳糜泻(n = 130,χ2测试罗斯福= 2.45 e-04年)和回盲瓣切除术(n = 76,χ2测试中,罗斯福= 2.93 e-10年),但未发现显著差异在粪便calprotectin水平(的患者比例calprotectin > 200µg / g,χ2测试罗斯福= 0.65)。等丰富的pathobionts显著增加梭状芽胞杆菌boltae, Erysipelatoclostridium ramosum和瘤胃球菌属gnavus观察,以及52个细菌物种的丰度降低dysbiotic社区(在线补充表5,图5 a, B)。

    Metabolic signature of patients with intestinal dysbiosis. (A) Principal coordinate analysis on microbiome composition per sample (dots). Colours indicate disease phenotypes: CD (purple), UC (green), IBD-undetermined (pink), non-IBD (black). (B) Red dots depict samples considered to be dysbiotic based on the median distance to non-IBD samples. (C) Volcano plot showing the p value (y-axis) and regression coefficients (x-axis, positive values indicate enrichment in dysbiosis) of the association analyses between dysbiotic and non-dysbiotic IBD samples (online supplemental table 5). Dot colour indicates pathway annotations provided by Metabolon (online supplemental table 2). CD, Crohn’s disease; IBD, inflammatory bowel disease; UC, ulcerative colitis.
    " data-icon-position="" data-hide-link-title="0">图5
    图5

    代谢特征的患者肠道失调。(一)主坐标分析微生物组成每个样本(点)。颜色显示疾病表型:CD(紫色),加州大学(绿色),IBD-undetermined(粉红色),non-IBD(黑色)。(B)红点描述样本被认为是dysbiotic基于中值距离non-IBD样本。(C)火山情节显示p值(轴)和回归系数(轴,正值表明浓缩失调)之间的关联分析dysbiotic和non-dysbiotic IBD样本(在线补充表5)。该公司提供的点颜色显示通路注释(在线补充表2)。CD,克罗恩病;炎症性肠病、炎症性肠病;加州大学,溃疡性结肠炎。

    比较IBD患者样本的代谢物成分失调与eubiotic微生物群落揭示了浓缩的202种代谢物,258种代谢物的损耗。dysbiotic样本中,我们观察到减少indolin-2-one和3-phenylpropionate水平和提高水平的丙酸咪唑,长链多不饱和脂肪酸(欧米伽)和初级胆汁酸(罗斯福< 0.05,在线补充表5,图5 c)。胆汁酸池的变化也反映在更高的taurine-conjugated患病率和硫酸化胆汁酸dysbiotic样本(罗斯福< 0.05,在线补充表5)。

    接下来,我们研究肠道微生物群之间的相关性和代谢物而纠正疾病表型(non-IBD、CD或加州大学)和dysbiotic状态(yes / no)(见在线补充方法)。我们发现总共有13 761细菌之间存在显著关联/缺失和代谢产物的水平,和5942重要的细菌丰度和代谢物之间的联系(16日和17日在线补充表,图6,在线补充图6,富兰克林·德兰诺·罗斯福< 0.05)。

    Metabolite co-occurrence with faecal microbes. (A) Biplot representing conditional probabilities of co-occurrence between metabolites (dots) and microbes (arrows). Distances between dots and arrow tips represent the probability of co-occurrence of each metabolite and microbe (online supplemental table 21). Orange dots highlight metabolites enriched in samples from patients with IBD in the linear regression analysis (online supplemental table 7). Arrow direction indicates the probability of microbes co-occurring with the levels of metabolites To enhance interpretability, names of only a few metabolites are shown and only the top-10 species explaining the largest amount of variation are visualised. (B) Taurine levels stratified by the presence or absence of Bilophila wadsworthia in faecal metagenomes. (C) Correlation between levels of tryptamine and abundance of Ruminococcus gnavus. Only samples in which the bacterium had a non-zero relative abundance are shown (n=339). (D–F) The relation between histidine and MetaCyc Histidine degradation pathway (D), between oleoyl-ethanolamide and the eut operon (E) and between cholic acid and the bai operon (F) are shown as examples of the correlation between microbiota metabolic potential and metabolite levels. Metabolite, bacteria and pathway values are clr-transformed. Boxplot shows the median and IQR (25th and 75th). Whiskers show the 1.5*IQR range.Correlation plot lines show linear regression. Shadows indicate the 95% CI. IBD, inflammatory bowel disease.
    " data-icon-position="" data-hide-link-title="0">图6
    图6

    与粪便微生物代谢物同现。(A) Biplot代表条件概率之间的共生微生物代谢物(点)和(箭头)。点之间的距离和箭头代表每个代谢物的同现概率和微生物(在线补充表21)。橙色点突出代谢物浓缩在IBD患者样本线性回归分析(在线补充表7)。箭头方向表示微生物共病的概率与代谢产物的水平提高可解释性,只有少数代谢物的名字所示,只有十大物种解释变异量最大的是形象化。(B)牛磺酸水平分层的存在与否Bilophila wadsworthia在粪便基因组。(C)水平的色胺之间的相关性和丰富的瘤胃球菌属gnavus。只有样品中细菌有一个非零元素丰度(n = 339)所示。(D-F)组氨酸的关系和MetaCyc组氨酸降解途径(D), oleoyl-ethanolamide和之间得过操纵子(E)和胆酸和白操纵子(F)显示为例子的微生物群的代谢潜力和代谢物水平之间的相关性。clr-transformed代谢物、细菌和路径值。箱线图显示了值和差(第25和第75位)。须显示1.5 *差范围。Correlation plot lines show linear regression. Shadows indicate the 95% CI. IBD, inflammatory bowel disease.

    这些协会,1137年显示出显著的交互效应与生态失调状态,只有56协会dysbiotic之间表现出不同的方向性和eubiotic样本。例如,检测Ruthenibacterium lactatiformanseubiotic样本与丁酸水平呈负关联,而在dysbiotic样本,这种相关性是正面的。不管失调,的存在Akkermansia municiphila和Oscillibacter仕达屋优先计划(CAG 241)的粪便与更高水平的有关二元羧酸酸、癸二酸酯(C10-DC)和dodecanedioate (C12))的存在Bilophila wadsworthia与低水平的牛磺酸和N, N, N-trimethyl-alanyl-proline甜菜碱(图6 b,富兰克林·德兰诺·罗斯福< 0.05)。此外,我们的研究结果显示强阳性之间的相关性f . prausnitzii和次黄嘌呤丰度(罗斯福= 1.46 e-11年),r . gnavus和色胺(罗斯福= 1.46 e-11年)(图6 c),以及丙酸咪唑链球菌parasanguinis(罗斯福= 0.007)。

    此外,大量的特定微生物代谢途径和基因簇被发现与代谢(图6 d-f)。丰度之间的正相关性观察胆汁acid-inducible操纵子(白操纵子)和水平的石胆酸(罗斯福= 9.76 e-19年),以及负相关性与胆酸(罗斯福= 8.90 e-06年,在线补充表18,图6 f)。然而,这些影响在dysbiotic样本(罗斯福更明显相互作用失调< 0.05)。另一方面,减少了palmitoyl-ethanolamide和oleoyl-ethanolamide与增加大量的乙醇胺利用操纵子(得过操纵子,富兰克林·德兰诺·罗斯福< 0.05,图6 e)。的得过操纵子是由几种肠道pathobionts,允许使用乙醇胺碳和氮的来源。25此外,更高的丰富的组氨酸降解通路中的基因我(MetaCyc ID: HISDEG-PWY)与低水平的组氨酸,代谢物发现增加在IBD患者样本(罗斯福= 3.64 e-06年,在线补充表S19,图6 d)。

    粪便微生物组合预测代谢物水平

    最后,每个代谢物的可预测性估计使用主机信息的结合,饮食习惯和粪便微生物。预测37代谢物水平的膳食摄入量解释变异(> 20%),与十大dietary-predicted代谢物7不保密的分子和3咖啡主题代谢物。同时,细菌丰度都预示着82种代谢物变化的(> 40%),包括lithocholate等分子的水平(41%,其中。18%)和dimethylarginine(南达科他州ADMA / SDMA 53%。4%)。增加饮食和参与者的特征略有改善microbiome-based模型(Wilcoxon-test配对,p < 2.2×106)(图7,网上补充表20)。

    Metabolite prediction. Microbial abundances (light red) and bacterial pathways (dark red) show the largest potential to predict the levels of metabolites. Boxplots show the ability to predict metabolites levels of eight different models using seven types of data. Dots represent metabolites, and values in the y-axis represent the percentage of variation explained from cross-validated penalised regression methods using different sets of predictors (see online supplemental methods). The number of features in each model are indicated in parentheses in the legend (online supplemental table 20).
    " data-icon-position="" data-hide-link-title="0">图7
    图7

    代谢物的预测。微生物丰度(淡红色)和细菌通路(暗红色)预测代谢物的含量最大的潜力。箱线图显示预测代谢物水平的八个不同的模型使用七种类型的数据。点代表代谢物和价值观在y轴表示的百分比变化解释从旨在惩罚回归方法使用不同的预测(见在线补充方法)。特征的数量在每个模型显示在传说中括号(网上补充表20)。

    讨论

    全面描述粪便代谢物在IBD患者样本和荷兰人口的代表。我们的结果显示,超过300的水平改变高度普遍在IBD患者粪便代谢物。此外,我们描述了粪便的潜在决定因素代谢物成分通过整合诸多代谢组学与广泛的关于饮食习惯的信息,主机遗传学、临床特点和肠道微生物群组成。

    大幅改变粪便代谢物成分IBD患者建议从saccharolytic转向蛋白水解发酵代谢,26就是明证代谢物水平上升源于芳香族氨基酸的代谢,如硫酸p-cresol(罗斯福炎症性肠病e = 8.29-06年)和硫酸3-indoxyl-(罗斯福炎症性肠病= 0.04)。(在线补充表7)。这些化合物的积累与各种疾病,如慢性肾脏疾病30.和结肠直肠癌31日32;表明这些分子和低水平的更高saccharolytic产品,像SCFAs一样,可能表明一个不健康的肠道环境。

    粪便中的重叠代谢物之间的签名CD和UC患者显示了一个共同的潜在改变肠道代谢。总共58%的代谢物与加州大学还发现与CD。当比较患者的粪便代谢物档案CD和加州大学,我们观察到在106年的水平显著差异代谢物。例如,改变胆汁酸池是一个CD的独特特性,同时减少SCFAs的浓度是加州大学的一个共同特征。

    在CD患者中,我们观察到显著增加粪便的鞘脂类水平,包括几个鞘磷脂,磷脂质。鞘脂类是肠道细胞膜的成分和生产的新创凝结丝氨酸palmitoyl-CoA或内源性和膳食鞘脂类的吸收。除了结构作用,鞘脂类可以作为信号分子,调节细胞分化、细胞凋亡、炎症。33先前的研究已经表明鞘脂类的积累在结肠炎小鼠模型和IBD患者的粪便34;然而,这个机制失调以及是否先于炎症的发展仍不清楚。

    实验证据表明,神经酰胺水平的增加,由于神经酰胺合成酶的激活或鞘磷脂分解的增加成天然保湿因子,能激活促炎转录因子NF-κB,导致前列腺素E的生产2通过cox - 2基因表达的诱导。35天然保湿因子也可以转化为神经酰胺1-phosphate或进一步退化为鞘氨醇,也可以磷酸化形成鞘氨醇1-phosphate (S1P)。这些分子起着关键的作用在调节炎症过程,使S1P IBD的承诺目标由于其在调节淋巴细胞迁移的作用从淋巴结。36

    相反的促炎效应host-produced鞘脂类,它已经表明,鞘脂类产生的细菌如拟杆菌可以起到抗炎作用,31日强调的重要性microbial-produced分子在维护肠道健康和促炎和抗炎分子之间的微妙的平衡。

    除了鞘脂类水平的增加,我们也报告更高水平的N-acylethanolamines (palmitoyl-ethanolamide、linoleoyl-ethanolamide oleoyl-ethanolamide和stearoyl-ethanolamide)患者的粪便CD相比non-IBD控制。虽然这些非典型内源性大麻素的积累背后的机制仍然需要阐明,目前的证据表明,ethanolamides可能形状肠道微生物群在炎症。37

    我们的研究发现,炎症性肠病的患者也有高浓度的长链脂肪酸(LCFAs)和欧米伽,acylcarnitines和花生四烯酸等,他们的粪便。先前的研究由史密斯等已经确定palmitoylcarnitine (C16)作为炎症性肠病的粪便生物标志物,连接acylcarnitine积累在肠道内腔在colonocytes LCFA吸收减少炎症。38此外,越来越多的证据表明,饮食中富含欧米伽可以促进肠道炎症。ω- 3和ω- 6 PUFA可以触发炎症反应从CD患者肠道瀑样和在小鼠模型中受损的谷胱甘肽过氧化物酶4 (GPX4)基因的表达。

    我们还观察到显著增加的水平在IBD患者氨基酸及其衍生物。这些发现与之前的研究进行一群新诊断患者炎症性肠病(n = 78),几种氨基酸的水平可以区分IBD样本和高精度控制。39特别是,我们发现一个强大的牛磺酸含量增加IBD样本。

    它已经表明,细菌在结肠可以使用牛磺酸作为衬底,释放亚硫酸盐,它可以进一步转化为硫化氢。40这种硫化氢的积累与上皮损伤和结肠炎。b . wadsworthia是硫酸盐还原细菌已被证明有能力代谢牛磺酸,它提供了一个潜在的解释之间的反向关系观察检测吗b . wadsworthia在我们群和牛磺酸水平。

    此外,粪便从核苷酸IBD患者表现出损耗,enterolactone(细菌产品产生故障的饮食木酚素)和生物素(维生素B7)。这些发现表明,肠道内的细菌多样性和生物量损失IBD的患者41可以驱动减少纤维消化和维生素生产等基本功能。微生物生产的恢复这些代谢物通过膳食管理的前体可以作为一个潜在的战略,防止冲突和解决肠道微生物在IBD的失调。

    基因和生活方式的影响,在粪便代谢物水平

    与炎症性肠病的影响,饮食和生活方式是大量的小分子的决定因素在人类的身体。饮食数据关联的代谢物,药物的使用和生活方式因素,我们发现日常习惯如吸烟或咖啡和茶消费强烈与他们衍生分子(在线补充表11 - 13)。尽管有这些关联,长期的饮食习惯是适度与粪便代谢物成分有关。我们预测模型显示,只有少数粪便代谢物可以预测使用饮食信息(15代谢物,解释方差> 25%,网上补充表20),包括一些非机密的代谢物,咖啡和衍生品(AAMU, N-methyl pipecolate,茶碱)和enterolactone(木酚素衍生物)。相反,最近的研究报道更多实质性的膳食摄入量的影响循环代谢产物的水平。21我们假设,我们的饮食数据低估了食物摄入量的粪便代谢物水平的贡献,因为它是基于食物频率问卷调查。未来的研究应该考虑使用24小时膳食回忆捕捉日常饮食变化当旨在探索关系食物摄取和排泄代谢产物,food-microbiome交互。此外,主人的吸收率的影响,在胃肠道代谢和生物转化研究时应该考虑饮食习惯和粪便代谢物之间的关系。

    中介分析提供统计证据的肠道微生物群作用作为调停者粪便代谢物和临床和生活方式因素之间关联。例如,一些咖啡主题的水平在粪便部分依赖于大量的代谢物l . asaccharolyticus。虽然这种形式与咖啡摄入量有关,42产能代谢分子中发现咖啡,如AAMU和1,3-dimethylruic酸,仍然未知。然而,暴露之间的关系、微生物群和代谢物是复杂的,例如,代谢物可以塑造肠道微生物群组成和细菌可以建立槽代谢网络;因此,功能验证需要更好地估计这些交互的方向性。

    宿主基因显示一个小对粪便的代谢物水平的影响。唯一的协会,通过我们的意义阈值附近的单核苷酸多态性之间的关系NAT2基因和AAMU咖啡因代谢产品(在线补充表15)。NAT2编码一个解毒作用的N-acetyltransferase酶几种外源性物质,包括咖啡和某些类型的药物。TwinsUK生物库的研究也报道了这个协会估计,宿主基因有一个温和的对粪便代谢物的影响,平均遗传~ 18%。23这个相对较低的遗传与宿主基因影响循环代谢产物的水平43 44和可能被这一事实解释了粪便代谢物主要是受到微生物转换发生在结肠的影响,它可能会掩盖遗传效应。此外,样本大小发现metabolite-genome协会仍然是一个限制因素。事实上,当使用一个宽松意义截止(p < 5×10−8),我们发现> 200暗示联想指着胆固醇和5 -羟色胺的代谢。例如,LRP5L与5 -羟色胺和吗PNLIPRP2与1-palmitoyl-2-linoleoyl-digalactosyl甘油(16:0/18:2)(在线补充表15)。LRP5L属于低密度脂蛋白(LDL)受体家族发现十二指肠参与控制血清素水平。45这两个PNLIPRP2和1-palmitoyl-2-linoleoyl-digalactosyl甘油(胆碱衍生物)与胆固醇代谢,支持,胆碱补充维持血液胆固醇体内平衡,46和PNLIPRP2与血液中的低密度脂蛋白水平有关。47

    肠道微生物群组成和肠道代谢之间的关系

    强的微生物和代谢物之间的关系使我们能够估计的粪便代谢物水平使用宏基因组测序数据(网上补充表20)。与以前的研究一致23 43 48 49推测分子包括腐胺、尿胆素、胆盐和脂肪酸。然而,进一步的功能性证据必须验证所有这些推测分子确实可以微生物新陈代谢的产物。值得注意的是,模型训练在炎症性肠病控制和测试样本显示模型相比,预测精度降低IBD和non-IBD训练数据集。例和控制之间的这种低cross-predictability也被穆勒报道等49意味着一些microbiota-metabolite关联可能是特定于上下文或微生物群落是摄动时变得更加明显。例如,IBD患者经常表现出改变肠道微生物群组成,导致失调。符合这一点,我们的分析显示1137 metabolite-microbiota关联显著受生态失调的影响。

    IBD患者和失调显示202高度的浓缩普遍代谢物,包括小学和结合胆汁酸水平显著增加而eubiotic IBD样本(在线补充表5)。胆酸的积累在结肠内被证明施加选择压力肠道生态系统由于其抗菌性,50这就可以解释的扩张bile-resistant细菌,如c . boltae和r . gnavus在生态失调。此外,某些细菌的损失也可能导致初级胆汁酸的积累,可以在大量的减少白操纵子和比率的增加主要次级胆汁酸dysbiotic样本与eubiotic样本。此外,胆汁酸发挥关键作用,调节新陈代谢,施加信号保护肠道屏障的影响和调节宿主的免疫系统,51从而使他们在IBD治疗干预的一个极具吸引力的目标。

    在我们的群体中,生态失调与回肠疾病介入和回盲瓣切除(在线补充表5)。积累的文献表明,中断在小肠由于炎症或手术可以显著影响粪便的代谢物和微生物组成。52 53例如,Halfvarson等24显示手术患者肠道微生物群在回肠更不稳定,更频繁地eubiotic和dysbiotic状态之间的转换。考虑到关键作用的小肠营养吸收,在本节中,这是合理的中断的肠道导致胆汁酸的浓度持续改变,氨基酸和脂质在结肠,这可能重塑微生物组成对dysbiotic状态。患者根据疾病的分层位置和微生物组成应考虑在未来的代谢组学研究和临床干预措施,因为它可能会发现更有针对性和有效的治疗疾病。

    此外,执行coabundance分析在这项研究提供了洞察细菌及其相关代谢产物之间的关系。这些信息可以作为识别潜在的治疗靶点治疗IBD的基础。例如,f . prausnitzii,一个硬币耗尽在IBD患者的粪便,SCFAs呈正相关,和次黄嘌呤含量(在线补充表17)。次黄嘌呤可以产生的f . prausnitzii通过metabolisation腺嘌呤54和扮演一个角色在维持肠道上皮细胞。55同样的,r . gnavus这是高度丰富的IBD患者dysbiotic样本中,56色胺的水平呈正相关,(在线补充表17)。r . gnavus能产生色胺通过色氨酸进行脱羧反应的酶。57色胺的积累可能通过激活5 -羟色胺receptor-4增加肠道蠕动,这可以解释为什么有些病人耀斑期间减少肠转运时间的经验。58符合我们的发现,更高水平的色胺已报告在患有肠易激综合症和腹泻和相关的代谢活动r . gnavus。59此外,我们之间观察到的正相关美国parasanguinis和咪唑丙酸的能力可以解释这种细菌降解组氨酸。60咪唑丙酸与2型糖尿病的风险和调节mTORC1信号通路的激活,61 62这是与炎症性肠病。63年

    总的来说,大量代谢物组成eubiotic和dysbiotic微生物群落之间的差异,以及代谢物之间的强烈的同现和细菌物种,支持了这样的观点,即粪便代谢组学部分反映了肠道微生物群的代谢活动。进一步的功能验证和纵向监测microbial-metabolite协会是必要的,以确定这些关系的方向和评估它们对疾病进展的影响。

    粪便代谢物作为ibd的新颖的生物标志物

    相对于结肠镜检查,当前入侵炎症性肠病诊断的金标准,我们证明了粪便的潜力代谢物作为非侵入性疾病诊断的方法。两个代谢产物的水平之间的比例,lactosyl-N-palmitoyl-sphingosine (d18:1/16:0)和L-urobilin被确认为IBD的生物标志物群(在线补充表10)。其他研究也发现减少L-urobilin水平和增加了IBD患者粪便的鞘脂类。3个5在北美的纵向队列研究,3我们观察到,鞘脂类之间的比率(神经酰胺(18:1/16:0)),和L-urobilin IBD患者持续高于non-IBD控制突显我们的发现(在线补充图7)。粪便测量定位这两个分子可能相对容易实现结合粪便calprotectin测试。

    重要的是要注意,我们的研究对象主要包括主题与IBD的长期历史。因此,鉴定生物标记的有效性必须确认在新诊断炎症性肠病的患者,以及个人与其他胃肠道功能紊乱。

    最后,同样重要的是要承认的诸多代谢组学方法的局限性。这项研究集中在注释分子相对较高的患病率,但大量的代谢物仍不明,及其生理意义是未知的。大约三分之一的代谢物中发现我们的数据集(492 1684代谢物)不能与以前的特征化合物,强调需要进一步充分描述人体的分子多样性。此外,诸多代谢组学的半定量的性质限制了能力建立每个代谢物在粪便的正常浓度范围。

    总之,这项研究提供了一个确定详细的粪便代谢物在健康和肠道炎症,复制已知disease-relevant分子和扩大我们的知识异质性的疾病。此外,我们确定多个微生物群之间的关联,饮食和粪便代谢物水平,我们相信提供有价值的参考资料进一步调查metabolite-based或microbiota-based干预和治疗炎症性肠病。

    数据可用性声明

    合理的请求数据。表包含粪便代谢物的含量和细菌类群丰度提供了手稿。生的宏基因组,宿主基因组学和表型数据用于本研究可从欧洲Genome-Phenome归档数据存储库:1000炎症性肠病(IBD)群(https://www.ebi.ac.uk/ega/datasets/EGAD00001004194)、生命线深群(https://www.ebi.ac.uk/ega/datasets/EGAD00001001991)。这包括提交意向书到相应的数据访问委员会。代码公开:https://github.com/GRONINGEN-MICROBIOME-CENTRE/Fecal_Metabolites_IBD

    伦理语句

    病人同意出版

    伦理批准

    本研究涉及人类参与者和M12.1139652008.338批准。参与者给知情同意参与这项研究之前的部分。

    确认

    作者感谢凯特Mc Intyre实质性的英语编辑。

    引用

    1. ↵
      1. 卡普兰GG,
      2. NgSC
      。了解和预防炎症性肠病的全球增长。胃肠病学2017年;152年:313年- - - - - -21。doi: 10.1053 / j.gastro.2016.10.020
      OpenUrl CrossRef PubMed
    2. ↵
      1. Kostic广告,
      2. 泽维尔RJ,
      3. GeversD
      。炎症性肠病的微生物:现状和未来。胃肠病学2014年;146年:1489年- - - - - -99年。doi: 10.1053 / j.gastro.2014.02.009
      OpenUrl CrossRef PubMed 网络的科学
    3. ↵
      1. 罗伊德•普莱斯J,
      2. ArzeC,
      3. Ananthakrishnan一个,等
      。Multi-omics肠道微生物生态系统的炎性肠道疾病。自然2019年;569年:655年- - - - - -62年。doi: 10.1038 / s41586 - 019 - 1237 - 9
      OpenUrl CrossRef PubMed
    4. ↵
      1. Lavelle一个,
      2. 索科尔H
      。肠道microbiota-derived代谢物作为炎症性肠病的关键参与者。Nat牧师杂志2020年;17:223年- - - - - -37。doi: 10.1038 / s41575 - 019 - 0258 - z
      OpenUrl CrossRef PubMed
    5. ↵
      1. FranzosaEA,
      2. Sirota-Madi一个,
      3. Avila-PachecoJ,等
      。作者更正:肠道微生物结构和代谢活动在炎症性肠病。Nat Microbiol2019年;4:898年。doi: 10.1038 / s41564 - 019 - 0442 - 5
      OpenUrl
    6. ↵
      1. 约翰逊CH,
      2. IvanisevicJ,
      3. SiuzdakG
      。代谢组学:除了生物标志物和实现机制。Nat牧师摩尔细胞杂志2016年;17:451年- - - - - -9。doi: 10.1038 / nrm.2016.25
      OpenUrl CrossRef PubMed
    7. ↵
      1. BausetC,
      2. Gisbert-Ferrandizl,
      3. Cosin-RogerJ
      。代谢组学作为一个有前途的潜在标志物的资源为炎症性肠病。中国医疗2021年;10:622年。doi: 10.3390 / jcm10040622
    8. ↵
      1. Tigchelaar英孚,
      2. Zhernakova一个,
      3. Dekens果酱,等
      。群组简介:生命线深,未来,在荷兰北部一般人群队列研究:研究设计和基线特征。BMJ开放2015年;5:e006772。doi: 10.1136 / bmjopen - 2014 - 006772
    9. ↵
      1. ImhannF,
      2. 范德威尔德KJ,
      3. 巴比里R,等
      。1000年的ibd项目:multi-omics数据1000炎症性肠病的患者;数据发布1。BMC杂志2019年;19:5。doi: 10.1186 / s12876 - 018 - 0917 - 5
    10. ↵
      1. Zhernakova一个,
      2. Kurilshikov一个,
      3. 接合器乔丹,等
      。基于宏基因组分析显示标记为肠道微生物组成和多样性。科学2016年;352年:565年- - - - - -9。doi: 10.1126 / science.aad3369
      OpenUrl 文摘/免费的全文
    11. ↵
      1. Vich维拉一个,
      2. ImhannF,
      3. CollijV,等
      。肠道微生物群组成和功能变化在炎症性肠病和肠易激综合症。Sci Transl地中海2018年;10:eaap8914。doi: 10.1126 / scitranslmed.aap8914
    12. ↵
      1. Kowarik一个,
      2. Templ米
      。VIM归罪与R包。J Stat Softw2016年;74年:1- - - - - -16。doi: 10.18637 / jss.v074.i07
      OpenUrl
    13. ↵
      1. Gordon-RodriguezE,
      2. 奎因TP,
      3. 坎宁安摩根大通
      。学习稀疏log-ratios高通量测序数据。生物信息学2021年;38:157年- - - - - -63年。doi: 10.1093 /生物信息学/ btab645
      OpenUrl
    14. ↵
      1. Kurilshikov一个,
      2. Medina-GomezC,
      3. BacigalupeR,等
      。大型协会分析识别宿主因素影响人类肠道微生物组成。Nat麝猫2021年;53:156年- - - - - -65年。doi: 10.1038 / s41588 - 020 - 00763 - 1
      OpenUrl CrossRef
    15. ↵
      1. BolyenE,
      2. 赖德奥特小,
      3. 狄龙先生,等
      。可再生的、互动的、可扩展的和可扩展的微生物数据科学使用QIIME 2。生物科技Nat》2019年;37:852年- - - - - -7。doi: 10.1038 / s41587 - 019 - 0209 - 9
      OpenUrl CrossRef PubMed
    16. ↵
      1. 莫顿JT,
      2. AksenovAA,
      3. Nothias低频,等
      。学习表示microbe-metabolite交互。Nat方法2019年;16:1306年- - - - - -14。doi: 10.1038 / s41592 - 019 - 0616 - 3
      OpenUrl CrossRef PubMed
    17. ↵
      1. 弗里德曼JH,
      2. 黑斯蒂T,
      3. TibshiraniR
      。正则化路径对广义线性模型通过坐标下降。J Stat Softw2010年;33:1- - - - - -22。doi: 10.18637 / jss.v033.i01
      OpenUrl CrossRef PubMed 网络的科学
    18. ↵
      1. Chamaillard米,
      2. 桥本米,
      3. 崛江Y,等
      。必不可少的角色NOD1在主机识别包含二氨基庚二酸的细菌肽聚糖。Nat Immunol2003年;4:702年- - - - - -7。doi: 10.1038 / ni945
      OpenUrl CrossRef PubMed 网络的科学
    19. ↵
      1. Parada贝D,
      2. De la葡萄酒可,
      3. LandskronG,等
      。勘误表:短链脂肪酸(SCFAs)介导肠上皮细胞和免疫调控和炎性肠道疾病的相关性。前面Immunol2019年;10:1486年。doi: 10.3389 / fimmu.2019.01486
    20. ↵
      1. DienerC,
      2. 戴CL,
      3. WilmanskiT,等
      。Genome-microbiome相互作用提供了洞察人类血液代谢物的决定因素。Nat金属底座2022年;4:1560年- - - - - -72年。doi: 10.1038 / s42255 - 022 - 00670 - 1
      OpenUrl
    21. ↵
      1. 陈l,
      2. ZhernakovaDV,
      3. Kurilshikov一个,等
      。微生物的影响,饮食和基因在人类血浆代谢物inter-individual变异。Nat地中海2022年;28:2333年- - - - - -43。doi: 10.1038 / s41591 - 022 - 02014 - 8
      OpenUrl
    22. ↵
      1. 阴X,
      2. 陈LS,
      3. 玻色D,等
      。全基因组关联研究的代谢物在芬兰男人识别disease-relevant位点。Nat Commun2022年;13:1644年。doi: 10.1038 / s41467 - 022 - 29143 - 5
      OpenUrl CrossRef PubMed
    23. ↵
      1. ZiererJ,
      2. 杰克逊马,
      3. KastenmullerG,等
      。粪便代谢物作为功能性肠道微生物组的读出。Nat麝猫2018年;50:790年- - - - - -5。doi: 10.1038 / s41588 - 018 - 0135 - 7
      OpenUrl CrossRef PubMed
    24. ↵
      1. HalfvarsonJ,
      2. BrislawnCJ,
      3. LamendellaR,等
      。人类肠道微生物动力学在炎症性肠病。Nat Microbiol2017年;2:17004年。doi: 10.1038 / nmicrobiol.2017.4
      OpenUrl
    25. ↵
      1. Garsin达
      。乙醇胺细菌病原体的利用率:角色和监管。Nat Microbiol牧师2010年;8:290年- - - - - -5。doi: 10.1038 / nrmicro2334
      OpenUrl CrossRef PubMed
    26. ↵
      1. KorpelaKD
      。健康饮食、微生物群和代谢:saccharolytic和蛋白水解发酵之间的权衡。为食品Sci抛光工艺2018年;9:65年- - - - - -84年。doi: 10.1146 / annurev -食物- 030117 - 012830
      OpenUrl CrossRef PubMed
    27. ↵
      1. GrypT,
      2. VanholderR,
      3. Vaneechoutte米,等
      。P-cresyl硫酸。毒素(巴塞尔)2017年;9:52。doi: 10.3390 / toxins9020052
    28. ↵
      1. 菊池K,
      2. SaigusaD,
      3. KanemitsuY,等
      。肠道microbiome-derived苯硫酸导致糖尿病肾病蛋白尿。Nat Commun2019年;10:1835年。doi: 10.1038 / s41467 - 019 - 09735 - 4
      OpenUrl
    29. ↵
      1. EdamatsuT,
      2. Fujieda一个,
      3. 伊藤Y
      。硫酸苯硫酸,硫酸吲哚酚和p-cresyl减少谷胱甘肽水平呈现细胞容易受到氧化应激在肾小管细胞。《公共科学图书馆•综合》2018年;13:e0193342。doi: 10.1371 / journal.pone.0193342
    30. ↵
      1. 刘含水量,
      2. TominoY,
      3. 陆c
      。影响硫酸吲哚酚和硫酸p-cresol慢性肾脏疾病和减轻影响的ast - 120。毒素(巴塞尔)2018年;10:367年。doi: 10.3390 / toxins10090367
    31. ↵
      1. 布朗DG,
      2. 饶年代,
      3. 堰TL,等
      。代谢组学和代谢途径网络从人类结肠直肠癌,相邻的粘膜和凳子。癌症金属底座2016年;4:11。doi: 10.1186 / s40170 - 016 - 0151 - y
      OpenUrl
    32. ↵
      1. 艾尔HinaiEA,
      2. KullametheeP,
      3. 罗兰红外,等
      。造型微生物p-cresol结肠癌基因毒性的作用。肠道微生物2019年;10:398年- - - - - -411年。doi: 10.1080 / 19490976.2018.1534514
      OpenUrl
    33. ↵
      1. 阿卜杜勒哈迪l,
      2. 迪维托C,
      3. Ribonil
      。促进炎症性肠病:鞘脂类策略加入军队。介质Inflamm2016年;2016年:3827684。doi: 10.1155 / 2016/3827684
    34. ↵
      1. Maceyka米,
      2. 明镜年代
      。鞘脂类代谢产物在炎性疾病。自然2014年;510年:58- - - - - -67年。doi: 10.1038 / nature13475
      OpenUrl CrossRef PubMed
    35. ↵
      1. 尼克松女朋友
      。鞘脂类在炎症病理的影响和潜在的治疗靶点。Br J杂志2009年;158年:982年- - - - - -93年。doi: 10.1111 / j.1476-5381.2009.00281.x
      OpenUrl CrossRef PubMed 网络的科学
    36. ↵
      1. Danese年代,
      2. FurfaroF,
      3. Vetrano年代
      。针对S1P在炎症性肠病:调节肠道白细胞游走的新途径。J克隆恩氏结肠炎2018年;12:S678- - - - - -86年。doi: 10.1093 / ecco-jcc / jjx107
      OpenUrl
    37. ↵
      1. FornelosNgydF4y2Ba,
      2. FranzosaEA,
      3. BishaiJ,等
      。增长N-acylethanolamines对肠道细菌的影响反映在炎症性肠病中细菌丰度改变。Nat Microbiol2020年;5:486年- - - - - -97年。doi: 10.1038 / s41564 - 019 - 0655 - 7
      OpenUrl
    38. ↵
      1. 史密斯SA,
      2. 小川SA,
      3. 洲l,等
      。线粒体功能障碍在炎症性肠病改变肝acylcarnitines肠道上皮细胞的新陈代谢。中国投资2021年;131年:e133371。doi: 10.1172 / JCI133371
    39. ↵
      1. Jagt生理改变,
      2. StruysEA,
      3. Ayada我,等
      。粪便氨基酸分析新诊断小儿炎症性肠病:多中心病例对照研究。Inflamm肠说2022年;28:755年- - - - - -63年。doi: 10.1093 / ibd / izab256
      OpenUrl
    40. ↵
      1. 沃克一个,
      2. schmitt - kopplinP
      。粪便硫代谢物在炎性肠道疾病的作用。Int J地中海Microbiol2021年;311年:151513年。doi: 10.1016 / j.ijmm.2021.151513
      OpenUrl CrossRef PubMed
    41. ↵
      1. Vieira-Silva年代,
      2. 落羽松J,
      3. Valles-Colomer米,等
      。定量微生物分析放开,胆管炎症obstruction-associated微生物群改变在PSC /炎症性肠病的诊断。Nat Microbiol2019年;4:1826年- - - - - -31日。doi: 10.1038 / s41564 - 019 - 0483 - 9
      OpenUrl
    42. ↵
      1. AsnicarF,
      2. 浆果SE,
      3. 巴尔德斯我,等
      。微生物与宿主代谢和习惯性的从1098年深深表现型个人饮食。Nat地中海2021年;27:321年- - - - - -32。doi: 10.1038 / s41591 - 020 - 01183 - 8
      OpenUrl CrossRef PubMed
    43. ↵
      1. 酒吧NgydF4y2Ba,
      2. KoremT,
      3. WeissbrodO,等
      。参考地图为人类血清代谢物的潜在决定因素。自然2020年;588年:135年- - - - - -40。doi: 10.1038 / s41586 - 020 - 2896 - 2
      OpenUrl PubMed
    44. ↵
      1. 胫骨S-Y,
      2. Fauman海尔哥哥,
      3. 彼得森a - k,等
      。地图册的基因影响人类血液代谢物。Nat麝猫2014年;46:543年- - - - - -50。doi: 10.1038 / ng.2982
      OpenUrl CrossRef PubMed
    45. ↵
      1. 亚达夫VK,
      2. Ryu陶宏根,
      3. 须NgydF4y2Ba,等
      。LRP5控制骨形成通过抑制5 -羟色胺合成的十二指肠。细胞2008年;135年:825年- - - - - -37。doi: 10.1016 / j.cell.2008.09.059
      OpenUrl CrossRef PubMed 网络的科学
    46. ↵
      1. 艾尔Rajabi一个,
      2. 卡斯特罗—,
      3. 达席尔瓦RP,等
      。补充胆碱对肝损伤的保护胆固醇代谢正常化Pemt / Ldlr基因敲除小鼠喂食高脂肪的饮食。J减轻2014年;144年:252年- - - - - -7。doi: 10.3945 / jn.113.185389
      OpenUrl 文摘/免费的全文
    47. ↵
      1. 刘DJ,
      2. Peloso通用汽车,
      3. 余H,等
      。Exome-wide协会研究血浆脂质在> 300000人。Nat麝猫2017年;49:1758年- - - - - -66年。doi: 10.1038 / ng.3977
      OpenUrl CrossRef PubMed
    48. ↵
      1. MallickH,
      2. FranzosaEA,
      3. 干LJ,等
      。预测微生物群落的代谢组学分析使用扩增子或宏基因组序列。Nat Commun2019年;10:3136年。doi: 10.1038 / s41467 - 019 - 10927 - 1
      OpenUrl CrossRef PubMed
    49. ↵
      1. 穆勒E,
      2. AlgaviYM,
      3. 伯伦斯坦E
      。一项荟萃分析研究肠道microbiome-metabolome健壮性和普遍性的关联。微生物组2021年;9:203年。doi: 10.1186 / s40168 - 021 - 01149 - z
      OpenUrl CrossRef
    50. ↵
      1. 瓦尔斯特伦一个,
      2. 歌词如果,
      3. MarschallH-U,等
      。肠道胆汁酸之间的串扰和微生物群及其对宿主的影响新陈代谢。细胞金属底座2016年;24:41- - - - - -50。doi: 10.1016 / j.cmet.2016.05.005
      OpenUrl CrossRef PubMed
    51. ↵
      1. 托马斯。摩根大通,
      2. modoD,
      3. RushbrookSM,等
      。胆汁酸的新兴角色在炎症性肠病的发病机制。前面Immunol2022年;13:829525年。doi: 10.3389 / fimmu.2022.829525
      OpenUrl
    52. ↵
      1. 方X,
      2. Vazquez-BaezaY,
      3. 以利亚E,等
      。胃肠手术治疗炎症性肠病持续降低微生物组和代谢组的多样性。Inflamm肠说2021年;27:603年- - - - - -16。doi: 10.1093 / ibd / izaa262
      OpenUrl
    53. ↵
      1. 简颂J,
      2. 愿意B,
      3. 卢西奥米,等
      。代谢组学揭示代谢生物标记的克罗恩病。《公共科学图书馆•综合》2009年;4:e6386。doi: 10.1371 / journal.pone.0006386
    54. ↵
      1. 喜力啤酒一个,
      2. 汗太,
      3. 屋G,等
      。功能代谢地图Faecalibacterium prausnitzii,有益人类肠道微生物。J Bacteriol2014年;196年:3289年- - - - - -302年。doi: 10.1128 / JB.01780-14
      OpenUrl 文摘/免费的全文
    55. ↵
      1. 李JS,
      2. 王处方,
      3. AlexeevEE,等
      。次黄嘌呤是一个检查点应力代谢物结肠上皮能量调制和屏障功能。J临床生物化学2018年;293年:6039年- - - - - -51。doi: 10.1074 / jbc.RA117.000269
      OpenUrl 文摘/免费的全文
    56. ↵
      1. 大厅AB,
      2. Yassour米,
      3. 索克人J,等
      。小说瘤胃球菌属gnavus进化枝丰富在炎症性肠病病人。基因组医学2017年;9:103年。doi: 10.1186 / s13073 - 017 - 0490 - 5
    57. ↵
      1. 威廉姆斯BB,
      2. 范Benschoten啊,
      3. CimermancicP,等
      。发现和鉴定肠道微生物群能产生神经递质色胺脱羧酶。细胞宿主细菌2014年;16:495年- - - - - -503年。doi: 10.1016 / j.chom.2014.09.001
      OpenUrl CrossRef PubMed
    58. ↵
      1. 巴塔拉依Y,
      2. 威廉姆斯BB,
      3. BattaglioliEJ,等
      。肠道microbiota-produced色胺激活一个上皮G-protein-coupled受体增加结肠分泌。细胞宿主细菌2018年;23:775年- - - - - -85年。doi: 10.1016 / j.chom.2018.05.004
      OpenUrl CrossRef PubMed
    59. ↵
      1. 翟l,
      2. 黄C,
      3. 宁Z,等
      。瘤胃球菌属gnavus腹泻型肠易激综合征的致病作用增加5 -羟色胺的生物合成。细胞宿主细菌2023年;31日:33- - - - - -44。doi: 10.1016 / j.chom.2022.11.006
      OpenUrl
    60. ↵
      1. 莫里纳罗一个,
      2. 贝尔拉森P,
      3. Henricsson米,等
      。咪唑丙酸增加糖尿病和相关的饮食模式和改变微生物生态学。Nat Commun2020年;11:5881年。doi: 10.1038 / s41467 - 020 - 19589 - w
      OpenUrl PubMed
    61. ↵
      1. Koh一个,
      2. 莫里纳罗一个,
      3. 斯塔尔米,等
      。微生物生产丙酸咪唑通过mTORC1损害胰岛素信号。细胞2018年;175年:947年- - - - - -61年。doi: 10.1016 / j.cell.2018.09.055
      OpenUrl PubMed
    62. ↵
      1. Koh一个,
      2. Manneras-Holml,
      3. YunnN-O,等
      。微生物丙酸咪唑的影响通过p38γ-dependent二甲双胍抑制AMPK磷酸化的反应。细胞金属底座2020年;32:643年- - - - - -53。doi: 10.1016 / j.cmet.2020.07.012
      OpenUrl PubMed
    63. ↵
      1. 林X,
      2. 太阳问,
      3. 周l,等
      。结肠上皮mTORC1促进溃疡性结肠炎通过COX-2-mediated Th17反应。粘膜Immunol2018年;11:1663年- - - - - -73年。doi: 10.1038 / s41385 - 018 - 0018 - 3
      OpenUrl

    补充材料

    脚注

    • 推特@arnauvich、@CollijValerie @HannahAugustijn、@SashaZhernakova @RGacesa @jingyuan_fu

    • SH、SA-S和VC同样起到了推波助澜的作用。

    • 调整通知本文已经被修正,因为它第一次在网上发布。补充数据所取代。

    • 贡献者AVV和RKW设计的研究。AVV、SH SA-S RG,他导致了数据分析。AVV和SH写的手稿。在实验室BHDJ处理样品。实验室,SH、SA-S VC,头脑,摩根富林明,AZ,亚美大陆煤层气有限公司,摩根大通,JS, CG, GA-A, RAAAR RKW批判性回顾了手稿。AVV和RKW负责整体内容作为担保人。

    • 资金这项研究是由武田美洲发展中心。摩根富林明支持荷兰心脏基金会自律(CVON2018-27)、伦理委员会集运商格兰特(赠款协议号101001678),NWO-VICI格兰特VI.C.202.022,和荷兰Organ-on-Chip倡议,NWO万有引力项目(024.003.001)由教育部,荷兰政府的文化和科学。AZ支持荷兰心脏基金会自律(CVON2018-27)、伦理委员会授予715772年开始,NWO-VIDI格兰特016.178.056 ZONMW MEMORABEL格兰特733050814和NWO万有引力格兰特Exposome-NL (024.004.017)。支持RKW地平线- hlth - 2022 stayhlth - 02 - 0和Seerave基金会。

    • 相互竞争的利益这项研究是由武田美洲发展中心。RKW充当顾问武田收到武田无限制的研究经费和强生制药和议长从AbbVie费用,默沙东,奥林巴斯和阿斯利康。GA-A、CG、JS、摩根大通和亚美大陆煤层气有限公司或当时武田制药的员工进行了这项研究。没有披露:所有其他作者没有披露。

    • 病人和公众参与病人和/或公众没有参与设计,或行为,或报告,或传播本研究计划。

    • 出处和同行评议不是委托;外部同行评议。

    • ©作者(年代)(或他们的雇主(s)) 2023。CC通过数控允许重用。没有商业重用。看到的权利和权限。BMJ出版的。

    • 补充材料此内容已由作者(年代)。尚未审查由BMJ出版集团有限公司(BMJ)和可能没有被同行评议。任何意见或建议讨论仅代表作者(年代)和不了BMJ的支持。和责任起源于BMJ概不负责任何依赖的内容。内容包括任何翻译材料,BMJ并不保证翻译的准确性和可靠性(包括但不限于当地法规、临床指南,术语,药物名称和药物剂量),和不负责任何错误或遗漏引起的翻译和改编或否则。