数据
文摘
结果
三个集群的饮食模式被确定在超重/肥胖受试者。集群1最不健康饮食行为(最高消费的土豆、糖果和含糖饮料,和相关的最低消费的水果也消费较低的酸奶,和水)。这种饮食模式与最高的低密度脂蛋白胆固醇、血浆可溶性CD14 (p = 0.01)系统性炎症的一个标志,但最低CD163 +积累与抗炎在脂肪组织巨噬细胞(p = 0.05)。集群3有最健康的饮食行为(降低糖果和含糖饮料的消费,消费最高的水果酸奶和汤)。主题在这个集群最低炎症标记物(sCD14)和最高的抗炎脂肪组织CD163 +巨噬细胞。膳食摄入量,胰岛素敏感性和一些炎症标记物(血浆白细胞介素6)集群3接近精益的科目。集群2中间集群1和3的健康。7肠道微生物群组织衡量qPCR整个集群相似。然而,最健康的饮食集群微生物基因丰富度最高,所评估的量化宏基因组。
引用:香港LC,福尔摩斯英航,歌迪亚,Habi-Rachedi F, Brazeilles R, Gougis年代,et al。(2014)不同的饮食模式与炎症和肠道微生物群在超重和肥胖的科目。《公共科学图书馆•综合》9 (10):e109434。https://doi.org/10.1371/journal.pone.0109434
编辑器:爱尔兰都柏林大学,洛林布伦南
收到:2014年3月25日;接受:2014年9月4日;发表:2014年10月20日
版权:©2014香港et al。这是一个开放分布式根据文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,被认为提供了原作者和来源。
资助:这项工作是支持的国家研究机构(ANR MICRO-Obes Investissements d未来ANR-10-IAHU-05, ANR Nutra2sense), KOT-Ceprodi实验室(佛罗伦萨Massiera和雷金纳德Alouche)和协会“心脏基金会等阿特”达能研究博士学位授予。其他资金来自欧盟委员会FP7格兰特之下健康- f4 - 2007 - 201052和- f4 - 2012 - 305312 (MetaCardis项目)。投资者没有参与研究设计、数据收集和分析,决定发表,或准备的手稿。
利益冲突:KOT-Ceprodi实验室对这项研究提供了资助。黑洞和NG达能研究时,这项工作的员工。FHR和RB承包工作代表达能研究这项工作的时间。LCK收到达能格兰特研究进行这项工作作为一个博士项目的一部分。没有专利,产品开发,或销售产品要申报的东西。这并不改变作者的坚持所有的PLOS ONE政策共享数据和材料。
介绍
膳食模式分析是一种有用的方式考虑饮食作为一个整体,而不是考虑个人食物或营养。膳食模式的分析提供了一个机会在营养流行病学调查饮食与健康之间的关系[1]- - - - - -[3]。一些前瞻性研究表明饮食模式和体重变化之间的关系[4]- - - - - -[6],虽然不是所有的研究结果是一致的[7]。
饮食模式也与标记相关的系统性炎症和心血管疾病的风险[8]- - - - - -[10]。一个健康的膳食模式(在水果,蔬菜,家禽,茶,果汁和全谷物)被发现系统性c反应蛋白(CRP)成反比,而西方饮食模式c反应蛋白在不同种群呈正相关[8]- - - - - -[11]。一个类似的健康饮食模式也与降低胰岛素抵抗有关[12]和代谢综合征的风险[10],[13]。这些链接背后的机制有待阐明。肠道微生物群被视为一个关键的演员“外部”宏观环境变化与“内部”主机生物学尤其是炎症以及代谢和体重体内平衡。肠道微生物群已被证明是参与代谢综合征的发展和与肥胖相关慢性炎症通过不同的机制包括lipopolysaccarides-Toll-like受体/ CD14 (LPS-TLRs / CD14)复杂主要在动物模型[14]。据我们所知,数量有限的研究调查了饮食模式之间的关系,在人类肠道微生物群,和主机炎症水平。
最近,定量宏基因组方法提供了机会更深入地研究人类肠道微生物群。有趣的是,肠道微生物群的快速适应24小时后可以观察到切换从一个低脂肪、植物polysaccharide-rich饮食高脂肪高糖饮食“西方”[15],而物种的多样性在肠道微生物群组成的集群或菌群与长期而不是短期的饮食模式[16]。最近我们发现,当被试者聚集在他们的细菌基因数的函数,低粪便细菌基因丰富性与葡萄糖稳态和更高的低度炎症在超重/肥胖减肥饮食计划[17]。低基因丰富性可能不仅与孤立的食物,而是与全球饮食模式,没有一个方面探索了在以后的研究。因此我们探索在同一个群主题针对基线前饮食过渡,不同的饮食模式之间的关系,代谢和炎症变量和肠道微生物群评价qPCR和下一代测序方法。超重/肥胖组的结果相比,一群瘦。
材料和方法
这个试验的协议和支持配偶清单提供支持信息;看到清单S1和协议S1。
主题
五十个超重和肥胖(BMI:≥25−< 38公斤/米2),但在其他方面健康受试者(8男性和42名女性),年龄在25到65年,在人类营养研究中心招募(- salpetriere医院,法国巴黎)。45科目(6男性和39名女性)完成了7天的饮食记录,bioclinical和粪便细菌数据和包含在当前分析(图1)。选择的主题是基于没有炎症或传染病、癌症或其他胃肠道疾病的历史。主题与肝、肾脏或心脏疾病被排除在外。此外,17个体重正常健康女性(BMI: < 25 > 18公斤/米2)志愿者生活在同一地区的肥胖受试者招募作为对照组。14这些完成了饮食记录,包括用于参考目的。没有抗生素是在2个月前开始研究的。受试者参加2008年10月和2009年12月之间。的赫特尔·戴依医院的伦理委员会,巴黎,法国,批准了这一协议。所有受试者给书面知情同意。这个临床试验注册入学前参加欧盟临床试验登记身份证号码:2008-001138-28,和法国的安全机构的药物和保健品-改为ANSM)身份证号码:2008 - a00406 ID RCB - 49。也是在ClinicalTrials.gov注册身份证号码:NCT01314690,后来由于一些技术问题与研究的发起人。作者确认所有正在进行的注册及相关试验研究。
所有选择的参与者进行了一系列测试后一夜快。血液样本被送往测量血糖、胰岛素、脂质和一些炎症标记物。身体脂肪和无脂质量分布测量使用双能x线吸收仪(Hologic顶点,发现w . 84030 (S / N), 3.0版本,贝德福德,MA)。胰腺β-cell估计函数(HOMA B %)和胰岛素敏感性(HOMA S %)计算使用稳态模型评估:HOMA / CIGMA软件。
膳食评估
饮食摄入量评估使用一个没有过秤膳食记录7天(除非特别说明)。记录self-completed,每顿的记录包含预定义的空间。受试者提供说明如何完成的饮食记录。在访问一天,营养师验证信息与主题。所有记录进行了分析通过使用电脑软件概要文件档案X029(审计委员会在Informatique医学研究院,布尔日,法国),它有一个食物成分数据库最初由400食品的代表法国的饮食如前所述[18]。营养膳食摄入量是为每个主题生成基于收集的数据。信息消费的食品不能直接从程序,因此推断手动编码分为26个食物组。食品集团定义基于群体和群体通常用于饮食数据在大型调查的报告,如法国的营养和健康调查和程序(练习曲国家营养健康,新奥集团)[19],[20]。意味着食品和营养摄入量在超重/肥胖受试者被计算为每个主题根据7天日记(2科目只有6天的数据)。精益受试者完成为期3天的日记的格式与用于超重和肥胖的科目。习惯性的身体活动(Baecke问卷)也被评估。
脂肪细胞形态学和免疫组织化学分析
腹部皮下脂肪组织穿刺活检获得的样本的局部麻醉下脐面积(1%利多卡因)测量脂肪细胞直径和免疫组织化学检测(HAM56 CD163)。皮下脂肪组织样本在生理盐水洗。新的整除是用来测量脂肪细胞直径如前所述[21]通过使用软件(Claravision完美形象。Orsay.France)。一夜之间,其他整除被固定在4°C 4%多聚甲醛,然后嵌入石蜡免疫组织化学检测。抗体anti-HAM56和anti-CD163 (DakoCytomation、暗色岩、法国)是用于目标avidin-biotin-peroxidase皮下脂肪组织巨噬细胞细胞的方法。积极显著的细胞的数量是由两个数盲调查人员如前所述[22]。我们计算每个字段标记细胞数量,调整数量(每100人脂肪细胞百分比)。
肠道微生物群
(qPCR和坚实的方法)。
粪便样本得到研究上午早餐前禁食12小时以后。整个粪便样本镇定的无菌盒和储存在−20°C在4 h。样本处理实验室的200毫克整除和存储在−80°C,直到进一步分析。DNA提取使用前面描述的方法[23]。
实时qPCR方法。
执行的过程qPCR如前所述(23)。七个细菌组检测:leptum梭状芽胞杆菌(c . leptum),球菌样的梭状芽胞杆菌(c .球菌样的),拟杆菌/普氏菌,双歧杆菌属,乳酸菌、明串珠菌属、片球菌属,大肠杆菌(大肠杆菌)以及Faecalibacterium prausnitzii(f . prausnitzii)。
宏基因组测序。
肠道细菌基因内容由高吞吐量ABI固体总粪便DNA的测序技术如前所述,我们组[17],平均76.5±36.5 (±sd)百万35 base-long单读取每个样品测定(393 Gb的序列)。通过使用corona_lite (v4.0r2.0),平均24.8±1430万读人的参考目录映射330万个基因[24]- - - - - -[25]最大的3不匹配。读取映射在多个位置被丢弃,平均14.2±810万独特的映射读取每个人保留估算每个参考基因的丰度用流星软件[26]。丰富的每个基因在个体规范化与流星的数量除以读取唯一地映射到一个基因的核苷酸长度。之后,归一化基因丰度在频率转换用的总数除以他们独特的映射读取给定样本。结果集的基因频率,称为微生物基因的个体,被用于进一步分析。
识别患者的低和高的基因数量(分别LGC和HGC)。
这两组患者使用480 000个基因定义的阈值。基因明显不同团体的人被Mann-Whitney测试使用假定值阈值< 0.0001。他们被一个集群abundance-based装箱策略,使用协方差的个人群体的基因频率谱,正如先前所描述的研究[24]。丰富的一个给定的集群在每个单独的估计意味着大量的25任意选定的示踪剂为每个集群基因;这些值是接近获得通过使用一个集群的所有基因。
生化测量
血浆葡萄糖是由己糖激酶法测量系统(建筑师,雅培,公园,伊利诺斯州,美国)。血浆胰岛素是由化学发光(师系统,Abbott)。血浆甘油三酯和游离脂肪酸(FFA)与Biomerieux工具包(马西l 'Etoile测量。法国)和总胆固醇、高密度(HDL)、低密度脂蛋白胆固醇(低密度脂蛋白)测定Labintest工具包(艾克斯。法国)。高灵敏度(hs) CRP immuno-nephelometry衡量在一个“分析仪(Backman-Coulter Villepinte,法国). .瘦素和白细胞介素- 6 (il - 6)测定采用酶联免疫吸附试验(ELISA)试剂盒(Quantikine、研发系统、牛津大学、英国)。瘦素的检测极限是7.8 pg / ml和内部interassay变化小于5.5%和3.5,分别。脂联素是由使用ELISA (Buhlman、巴塞尔、瑞士)。检测极限为0.019 ng / ml和内部interassay变化不到5.5%。 Serum concentrations of 5 cytokines (eotaxin, vascular endothelial growth factor (VEGF), interferon gamma-induced protein 10(IP10)、单核细胞趋化蛋白1 (MCP-1)和巨噬细胞炎性蛋白1β(MIP-1b))同时由多路生物芯片技术与人类细胞因子复合面板包(Bio-Rad,赫拉克勒斯,美国)。进行多元分析根据制造商的指示。Multi-analytic剖析Luminex - 200系统上执行,Xmap平台(Luminex公司。奥斯丁。TX,美国)。获得的荧光数据分析使用指数软件与标准曲线得到连续稀释标准细胞因子混合物。血清样本稀释(1∶4)。血浆可溶性CD14 (sCD14)是由使用ELISA (Quantikine、研发系统、牛津大学、英国)。检测极限是125 pg / ml和内部interassay变化小于7.5%和6.5,分别和血浆LPS测量与鲎变形细胞溶解产物动力学显色方法,措施的颜色强度直接关系到样品中内毒素浓度,使用Endosafe-MCS(查尔斯河实验室,里昂,法国)。
统计分析
数据分析使用SAS 9.2和SAS企业指南4.2 (SAS研究所Inc .,卡里。数控。美国)和R 2.13版本软件(http://www.r-project.org)。内稳态模型评估胰岛素抵抗(HOMA-IR)、胰岛素敏感性(HOMA-S %), b细胞功能(HOMA-B %)被HOMA计算器的计算www.dtu.ox.ac.uk homacalculator。所有数据都表示为±SEM。P值≤0.05被认为是重要的,除非另有指定。Bonferroni调整用于食品和营养的调整分析。
膳食模式的识别
聚类分析被用来从数据得出的饮食模式。超重和肥胖受试者分组基于相似的饮食行为。分析之前,所有食品类别是标准化的意思是0和1的标准偏差,确保数量消耗是比较在不同的类别。比较两种聚类方法用于饮食数据(病房的会凝聚的层次聚类和k - means聚类方法)进行如前所述[27]。k - means被发现使用最合适的方法在本研究的条件。组成员是由一系列步骤。算法首先选择一组种子和质心的估计(多维相当于平均)。每个人分配到最近的质心和临时集群形成。种子然后取代每组的重心。重复这个过程,直到没有进一步的改变发生在组。k - means函数符合指定数量的中心(参数k),例如,从这些中心within-cluster平方和最小化,基于欧式距离或距离另一个选择。由于集群的数量必须建立之前,几个解决方案而不同数量的集群(从1到4)。
形象化的食物类别显著不同的模式区分开来,通过SAS实现规范化歧视分析(CANDISC过程)来将食物类别转换为两个典型轴,实现最大的集群之间的分离。规范化系数是用来评估食品类别分离的贡献通过评估他们的符号和大小。使用规范的区别分析k - means, 26日食品类别转换为两个典型变量的模式。这种方法允许食品类别,明显区分的可视化模式从超重/肥胖的另一个主题(图2)。超重和肥胖受试者分类根据他们的饮食模式。食物或饮料类别通常高脂肪、糖或盐和其他低营养和纤维被认为是“不健康”,而那些通常低脂肪、糖或盐、高纤维食品,水果和蔬菜被认为是“健康的”[28],[29]。高或低摄入量(适当地)这样的分类导致了一个名称分配给一个特定的组对象。精益受试者投射到集群的超重和肥胖受试者检查他们的分布(图中S1支持信息S1)。
图形表示的食物类别创建集群之间的区别即那些强烈与规范之间的轴(可以)或明显不同集群(KW测试Bonferroni调整)。可以1轴分离Cluster1从2或3,可以2轴分离集群从1 2或3。如果食物类别强烈相关的两个典型轴分离三个集群在同一时间。食物类别黑色描述集群1所示,在集群绿色描述2,红色描述集群3。每个食物或饮料类别的投影在每个标准轴代表的贡献这一类的建筑规范轴。因此,如果一个类别高贡献第一轴(如水果),它歧视集群1从集群集群2或3。食品分类贡献较弱(内圈)低于0.5则显示为蓝色。这些类别不会导致歧视/三个集群的特征。中心之间的距离图和食物的类别代表了相关规范的轴,因此对集群的分离的贡献。食物类别接近集群之间的轴2和3表明,摄入相似,至于酸奶。 Food category names have been shorted in this figure for readability.
饮食模式之间的联系和bioclinical变量包括肠道微生物群
由于食品和营养数据不是正态分布,克鲁斯卡尔-沃利斯测试用来测试之间的差异饮食集群,而Wilcoxon rank-sum测试用来测试每组2集群之间的个体差异在食品和营养数据。考虑年龄对临床参数的影响,我们进行了分层克鲁斯卡尔-沃利斯测试分层年龄组(R =硬币)临床变量的差异分析以及肠道微生物群之间的饮食模式。克鲁斯卡尔-沃利斯测试重要时,每组2集群之间的差异与分层因果Nemenyi评估测试。分层测试的趋势(R =硬币)进行确认趋势的临床标记在饮食集群(有序的健康从最不健康的)。
部分斯皮尔曼测试是用来验证基因数量之间的联系/ 7细菌群体和饮食类/ bioclinical变量通过调整年龄。饮食集群和基因丰富性团体之间的联系(低基因数/高数:LGC / HGC组)进行了使用一个age-stratified Cochran-Mantel-Haenszel测试。趋势与Mantel-Extension评估测试[30]。
典型相关分析是用于最大化之间的相关性显著的食品类别集单独的集群和一组选定的临床参数。两对规范确定轴;一对来自食物类别和一对从临床参数。规范化系数是用来评估每个食物类别的贡献和各临床参数的相关性评估他们的符号和大小。这种方法允许可视化食品类别之间的关系明显区分不同的模式和选择的临床参数。
结果
超重和肥胖受试者分为饮食集群的集群基于最优结果使用三个统计参数和实际考虑的可解释性的营养数据。最优数量的集群(k)被选为三(k = 3)。食品类别显著区分不同的模式并给出了超重和肥胖受试者图2。精益受试者发现不均匀地分散在集群(图中S1支持信息S1)。然后三个饮食集群分析与临床和生物因素。
主题的一般特征
学科特点所示表1和表S1在支持信息S1。集群的超重和肥胖受试者,发现无显著差异在女性或男性的比例,然而,受试者的平均年龄在集群3较高(52.2±2.3年),而集群1中受试者的平均年龄较低(34.4±2.7年)跨3集群(p = 0.001)。重要的是,体重和肥胖标记3集群之间没有显著差异(表1)。水平的体育活动也是类似的整个集群。没有血糖稳态的差异包括代孕胰岛素抵抗指数(HOMA-IR)之间的三个集群。意义的总趋势,和低密度脂蛋白胆固醇明显不同年龄调整后整个集群,集群的集群集群1 > 2 > 3 (图3)。年龄分层测试后,结果是显著的趋势(p = 0.03,总胆固醇和低密度脂蛋白胆固醇p = 0.01)和集群1和3之间的差距最大看到(在比较中位数图3集群1和2之间),但(当比较的平均值表1)。
黑色、灰色和白色列表示中位数的值的参数在集群1中,集群2和集群3岁后分别调整(见方法S1支持信息S1)。*:显著差异(p≤0.05) 3集群之间的分层克鲁斯卡尔-沃利斯测试后,#:趋势(0.05 < p < 0.15)差异3集群。
正如所料,当比较整个集团的超重和肥胖受试者精益主题(表1和表S1支持信息S1)、超重和肥胖受试者肥胖最高标记(体重、脂肪量、脂肪细胞直径和瘦素水平)和摄动血浆脂质和血浆葡萄糖体内平衡的标志。感兴趣的,当比较不同的超重和肥胖的集群精益主题,集群3被发现类似于胰岛素敏感性和血浆FFA精益科目,而集群1仍然比精益主题和保持相同的概要文件为超重和肥胖的科目。
食品和营养摄入量
平均每日食物摄入量所示表2和表S2在支持信息S1。当绝对的食物摄入肥胖/超重和精益组之间比较,差异观察相对较少。肥胖/超重受试者相比,作为一个整体,在精益科目含糖饮料和水的消耗显著降低和蔬菜的摄入往往是低但水果的摄入量是相似的。消费者的百分比为每个类别(表S3的食物支持信息S1)支持这些结果,差异中常见的饮料,例如少精益受试者含糖饮料的消费者相比,超重和肥胖受试者(57%比82%)。
我们观察到显著差异在3集群特定食品的摄入量组。在肥胖/超重受试者,集群1的特点是消费最高的土豆,糖果,糖果和表糖和含糖饮料和最低消费的水果,酸奶和水。这种模式似乎最不健康饮食行为与其他模式相比。相反,集群3为特征的最高消费的水果、酸奶和汤(可能主要由水和蔬菜)消费较低的糖果,糖果和蔗糖,含糖饮料。摄入的蔬菜也是一个关键在描述这个集群和平均摄入量显示趋势的意义。集群3似乎最健康饮食行为相比其他两个集群。集群2的特点是消费最高的水和食用酸奶类似于集群3。健康的集群1和3之间。精益课程相比,食品消费,我们观察到一些饮食模式相似性精益主题,和超重和肥胖受试者分组在集群3(最健康的集群),后者更倾向于食用更多的水果和蔬菜。相反,超重和肥胖受试者分组集群1中有更高的消费的糖果,糖果和表糖和含糖饮料相比,精益的(表2和表S2在支持信息S1)。
S4的表和表S5支持信息S1的营养摄入3集群。令人惊讶的是,没有总能量摄入的差异在整个集群。然而蛋白质摄入量百分数表示的能量降低集群1。更高的微量营养素的摄入量普遍观察到集群3,而低摄入量被发现在集群1中,支持的描述组织的健康食品消费。总纤维摄入量也集群3中最高和最低集群1。
膳食模式、系统性和脂肪组织炎症
正如所料,超重和肥胖受试者增加循环hsCRP和IP10 HAM56 +细胞的比例增加脂肪组织相比,精益的主题。健康的集群中的肥胖受试者分组3有类似的循环白细胞介素6的水平和更好的MCP1水平相比,精益的主题。
在超重/肥胖受试者,集群3最低水平的系统性炎症的标记,等离子sCD14,紧随其后的是集群2然后集群1 (图3中S1,表支持信息S1)。然而,其他测量系统性炎症标记物(如hsCRP、白细胞介素6、有限合伙人)和巨噬细胞的数量沾HAM56在脂肪组织中没有显著差异3集群。有趣的是这一趋势减少系统性炎性表型(至少对于sCD14)是增加数量的M2-alternatively激活巨噬细胞在脂肪组织沾CD163表面标记由分层测试的趋势(p = 0.05),以及CD163%分层测试的趋势(p = 0.07) (表1)。
这些结果被证实当食物组,杰出的集群是结合在一起的选择和分析与临床参数(图4)。当所有超重/肥胖受试者一起分析,发现积极的协会之间的消费的水果,蔬菜,酸奶和汤类和脂肪组织巨噬细胞细胞染色(CD163,抗炎标记)一起负与一些肥胖指标(总脂肪量、脂肪细胞直径),心血管风险标志物(低密度脂蛋白胆固醇)和系统性炎症标记(sCD14)。摄入更多的土豆,糖果和含糖软饮料与增加水平的这些标记和减少脂肪的巨噬细胞阳性抗炎标记。这些链接不能清楚地说明了精益学科由于有限的正常波动值在一个狭窄的区域。
可视化的食品类别之间的关系明显不同的模式区分开来,选择临床参数。对规范确定轴之间的协方差最大化食物类别和临床参数。规范化系数是用来评估每个食物类别的贡献和各临床参数的相关性评估他们的符号和大小。健康食品(酸奶、汤、水果、蔬菜)领域的CD163 +巨噬细胞表明这些健康食品的消费越高,越高的值或者(M2)激活巨噬细胞。不健康食品(土豆、甜饮料、甜食)领域的低密度脂蛋白胆固醇、炎症参数CD14、总脂肪量和脂肪细胞直径表明食用这些食物越高,这些临床参数的值越高;食品和临床参数箭头指向同一个方向表明他们之间正相关。食物之于临床参数越近,越联系(但在某些情况下,这种联系不强,和相关的值小于0.05)。
饮食模式和肠道微生物群
饮食模式和占主导地位的粪便细菌。
七个细菌组没有差异探测到qPCR方法3饮食集群中超重/肥胖受试者(表S6支持信息S1)。然而,超重/肥胖组作为一个整体水平较低梭状芽胞杆菌leptum,梭状芽胞杆菌球菌样的和拟杆菌/普氏菌比瘦肉对象(表S7组支持信息S1)。之间存在负相关的乳酸菌、明串珠菌属、片球菌属集团和谷物的摄入(如米饭、面食)(表S8支持信息S1)。
饮食模式和微生物丰富(HGC和LGC)。
总基因数量的差异没有达到统计学意义,但显示出倾向于更高的基因丰富性集群3 (p = 0.09,分层克鲁斯卡尔-沃利斯测试和分层测试趋势p = 0.06) (图3、表S9在支持信息S1)。当分裂者在肠道微生物丰富的函数到HGC LGC如前所述在歌迪亚et al(17),成为重要的关系(p = 0.045 Cochran-Mantel-Haenszel测试和分层测试趋势p = 0.035)。因此,学科集群3基因丰富性和多样性最高的肠道微生物群。我们也使用部分的斯皮尔曼相关测试来检查微生物基因数量和膳食类别之间的联系通过调整年龄。一致,有显著积极联系总细菌基因数量和水果(ρ= 0.43,p = 0.002),以及之间的基因数量和汤(ρ= 0.35,p = 0.017)。
讨论
我们能够识别在超重/肥胖受试者三个不同的饮食集群和探索不同的宿主炎症变量和函数的肠道微生物群三个饮食集群相对较少的科目。这些学科集群3中被认定为有一个健康的饮食模式,而学科集群1最不健康的饮食模式。健康的膳食模式和低密度脂蛋白胆固醇之间的联系,一些肥胖标记和炎症概要文件被发现在超重/肥胖受试者。
在我们的研究中,健康的饮食模式的特点是高消耗的水果和蔬菜和低消费的糖果和含糖饮料。这些食物与健康的饮食模式在其他不同人群的流行病学研究[10]。消费相关的汤是健康的饮食模式,结果是可以预料到的由于其成分可能主要是水和蔬菜。更大的低脂发酵乳制品的摄入,主要由酸奶摄入,被发现的风险降低2型糖尿病发展的前瞻性分析[31],[32],但一个空协会发现高脂肪乳制品摄入量与疾病之间的发展。在目前的研究中,酸奶组包含其他发酵饮食产品(如清爽blanc)和包括低和高脂肪酸奶。我们的研究结果表明,食用酸奶也常常与健康的饮食模式。这些结果值得进一步调查。
当希望对代谢健康饮食模式的影响,许多前瞻性研究表明饮食模式和体重的变化之间的关系在9年的纵向研究[4]或在整个成年生活[6]使用半定量食物频率问卷调查。食品集团已经提出预测短期体重变化EPIC-Potsdam队列[7]。然而,许多矛盾存在于这些研究[5]。增加蔬菜和水果的消费饮食中没有发现有效的减肥。100克的水果和蔬菜摄入量只有−14 g有关减肥每年在欧洲多中心研究中(第欧根尼)[33]。增加水果和蔬菜摄入量减少体重增加的风险被发现只有在人与戒烟容易体重增加[33],[34]。在目前的研究中,集群3有一个整体健康的饮食模式包含更多的水果和蔬菜被发现不影响体重稳定分类科目根据体重或其他肥胖标记。
在目前的研究中,纤维摄入量高集群3相比与其他集群。高纤维摄入量演示之前体重增加较低有关[35]。尽管集群3,更高的纤维摄入量观察体重和总能量摄入量3集群之间没有显著差异。有趣的是,在整个群超重和肥胖受试者,降低总脂肪量和小脂肪细胞直径增加消费的食品被发现在集群3(水果,蔬菜,酸奶和汤);而更高的总脂肪量和更大的脂肪细胞显示积极的与增加土豆,甜,甜饮料消费。这些链接不能证明精益组。这可能是可能由于正常的波动值在一个狭窄的区域。
而确定的饮食模式没有差别的总能量摄入或体重,集群1,最不健康的饮食模式与新陈代谢最糟糕了更高水平的总趋势,低密度脂蛋白胆固醇。这一趋势平行的低密度脂蛋白胆固醇和增加消费之间的积极联系观察土豆、糖果和含糖软饮料,和负面协会增加摄入的水果,蔬菜,和汤还酸奶、超重/肥胖组作为一个整体。这些结果即使有少量的主题,符合大型队列研究中,健康的饮食模式是降低冠状动脉疾病的风险:卫生专业的后续研究[36]和护士健康研究[37]。
相关的三个不同的饮食模式是不同的炎症标记物。hsCRP虽然没有差异被发现,il - 6或有限合伙人的水平,集群3的最高水平CD163 +脂肪组织巨噬细胞抗炎细胞)和最低一级的系统性炎症标记(sCD14)。首先,CD163阳性细胞是典型的分组人口或者(M2)激活巨噬细胞和一些抗炎特性。一大早诱导减肥与这些CD163 +细胞数量的增加[38]和CD 163 +细胞与药物改善胰岛素敏感性的临床研究[39]。此外,转基因小鼠,M2巨噬细胞激活受损,容易食源性肥胖和胰岛素抵抗[40]。因此,增加脂肪组织炎标记可能会对健康产生积极的影响。
其次,因为CD14作为受体(toll样受体TLR - 4和MD-2)对细菌有限合伙人[41]的低水平sCD14可能与降低有限合伙人,革兰氏阴性细菌膜的主要成分之一。然而,在目前的研究中,发现没有区别在有限合伙人或7细菌群体的数量确定在3集群。然而,3集群之间的饮食模式的变化与不同程度的等离子sCD14和抗炎巨噬细胞在脂肪组织。这个假说是加强之间的负相关性发现这些饮食模式和等离子sCD14,和积极的发现这些饮食模式与脂肪组织的抗炎性表型。
尽管缺乏差异3 7组件的肠道微生物群的饮食模式,我们不能排除肠道微生物群的可能作用在饮食模式与炎症和一些代谢标志物的变化。然而,之间存在负相关乳酸菌、明串珠菌属、片球菌属集团和谷物的摄入(如米饭、面食)在整个人口。还需要进一步的研究来理解这样的链接。此外,肠道微生物群的主题在集群3显示基因丰富度高于其他集群。一致,这个基因丰富性也与水果消费呈正相关。这些结果是由最近的一项研究在欧洲加强群体确认之间的关联基因丰富性和食用水果和蔬菜[24]。现在我们需要更深入的知识去发现这些链接背后的功能意义。
我们知道这些结果中发现了数量有限的对象有一个女男比例高。确定在任何人口饮食模式提出的挑战,尤其是小型的垃圾桶。膳食模式分析的有效性取决于饮食评估方法本身的完整性和准确性膳食研究中收集的数据。事实上,饮食模式需要决策的分析,判断和解释,可能导致偏见的结果,例如创建食品类别,关于集群的数量决定[3]。饮食记录的精益课程不同于超重/肥胖受试者(3和7天)和符合记录的数量可能减少符合日记的日子。此外,谎报的饮食数据也可能减弱任何饮食和疾病的关系和影响的结论[42]。然而,没有理由相信谎报的水平会显著差异在这些主题与控制饮食数据收集。
鉴于他们的全部结果,场景可能如下:小饮食模式的差异可以影响某些基因的微生物基因的多样性和数量类/物种可能在一定程度上直接影响宿主的代谢(总胆固醇和低密度脂蛋白胆固醇)和炎症标记物(sCD14)和积累一些脂肪组织巨噬细胞的亚种群。此外,饮食模式也可能直接影响主机标记。
我们这项研究首次探索知识的影响饮食模式在肠道微生物群(包括七个主要细菌和微生物基因丰富性所产生的新一代测序方法)和宿主炎症在超重/肥胖受试者没有任何饮食过渡。这项研究提供了一些见解不同的饮食模式如何与肠道微生物群和宿主代谢和炎症。超重和肥胖的个体之间的变异在代谢健康可能部分归因于饮食习惯。结果表明,子群,遵循健康的饮食(更高消费的蔬菜和水果,和低消费的糖果)显示不明显的代谢障碍,即使体重和总能量摄入量不不同于其他组织。这表明,一个健康的饮食模式可以提供保护对代谢和炎症性疾病的发展,即使它没有对体重的影响。还需要进一步的研究来阐明潜在的机制,可能会提供新的诊断和治疗策略来治疗和预防代谢疾病。
支持信息
支持信息S1。
支持文件。图S1区分典型相关分析(图形表示分离超重或肥胖的集群)与精益课程预计表示。方法S1,可视化用途图2。表S1,P精益科目之间的方差在临床参数的值和所有超重/肥胖受试者,精益科目和个人之间和集群。表S2,P在食品消费值方差精益主题和超重/肥胖受试者,精益科目和个人之间和集群。表S3,消费者的比例为每一个食物类别精益和超重和肥胖的科目。表S4,精益意味着每日营养摄入量,超重/肥胖受试者和饮食集群。表S5,P值方差之间的营养摄入瘦肉主题和超重/肥胖受试者,精益科目和个人之间和集群。表S6,不同的肠道微生物群(qPCR)在精益,超重/肥胖受试者和3饮食集群。表S7、P值方差的肠道微生物群(qPCR)精益主题和超重/肥胖受试者,精益科目和个人之间和集群。表S8,7肠道细菌组之间的相关性来衡量qPCR和食物的摄入量组不分层集群。热图qPCR数据之间的相关性和食品类别。表S9,差异基因丰富性组(LGC / HGC科目)3饮食集群。
https://doi.org/10.1371/journal.pone.0109434.s003
(医生)
确认
我们感谢克里斯汀•Baudoin情人节莱莫恩,帕特丽夏Ancel和薇罗尼卡Pelloux(营养、- salpetriere医院)导致了临床调查研究,多米尼克•Bonnefont-Rousselot和Randa Bittar这(代谢生化、- salpetriere医院)帮助分析血浆血脂,Damien Paineau和帕斯卡尔十行诗(达能研究)与饮食建议和帮助统计分析。PDC从FRS-FNRS研究助理(比利时),并获得拨款FSR(昏聩speciaux de矫揉造作的伦敦大学学院)和弧(行动Concertee de生僻,比利时)。
作者的贡献
构思和设计实验:KC SWR JDZ。进行实验:SWR LCK。分析了数据:AC LCK JDZ NG FHR RB黑洞。造成试剂/材料/分析工具:PDC科幻JPB SPK JD钻。该报写道:SWR LCK BH KC。收集饮食记录和评估饮食数据分析:SG。
引用
- 1。Schulze MB,霍夫曼K, Kroke,波音公司H(2001)饮食模式及其协会提供食物和营养摄入的欧洲癌症与营养前瞻性调查(EPIC)波茨坦研究。Br J减轻85:363 - 73。
- 2。Costacou T,巴米亚C,法拉利P, Riboli E, Trichopoulos D, et al。(2003)跟踪地中海饮食通过主成分和聚类分析在希腊人口。欧元中国减轻57:1378 - 85。
- 3所示。康德正义与发展党(2004)饮食模式和健康结果。J是饮食协会104:615 - 35。
- 4所示。纽比PK, Weismayer C,基米,塔克KL, Wolk(2006)纵向变化食物模式预测体重和身体质量指数的变化和肥胖女性的影响是最大的。J减轻136:2580 - 7。
- 5。Schulze MB, Fung TT,曼森我,威利•WC,胡锦涛FB(2006)饮食模式和女性体重的变化。肥胖(银泉)14:1444 - 53。
- 6。McNaughton SA Mishra GD,斯蒂芬,我沃兹沃思(2007)在成年生活饮食模式与体重指数、腰围、血压、和红细胞叶酸。J减轻137:99 - 105。
- 7所示。舒尔茨M, Kroke Liese广告,霍夫曼K,伯格曼MM, et al。(2002)食品集团作为短期预测体重变化EPIC-Potsdam队列的男性和女性。J减轻132:1335 - 40。
- 8。Esmaillzadeh, Kimiagar M, Mehrabi Y, Azadbakht L,胡锦涛FB, et al .(2007)饮食模式和系统性炎症在伊朗女性的标志。J减轻137:992 - 8。
- 9。洛佩斯-加西亚E, Schulze MB, Fung TT,将军JB, Rifai N, et al。(2004)主要饮食模式与等离子体浓度的炎症和内皮功能障碍的标志。是中国减轻80:1029 - 35。
- 10。阿卢瓦利亚N, Andreeva VA, Kesse-Guyot E, Hercberg年代(2013年)的饮食模式,炎症和代谢综合征。糖尿病金属底座39:99 - 110。
- 11。王Griep L H,陈问(2013)经验派生的饮食模式,饮食质量分数,炎症和内皮功能障碍的标志。当前营养报告2:97 - 104。
- 12。安德森,哈里斯结核病,Tylavsky FA,佩里,休斯顿DK, et AL。(2012)饮食模式,在老年人的胰岛素敏感性和炎症。欧元中国减轻66:18 - 24。
- 13。Kesse-Guyot E,阿卢瓦利亚N, Lassale C, Hercberg年代,Fezeu L(2013)坚持地中海式饮食可以减少代谢综合征的风险:6年的前瞻性研究。减轻金属底座Cardiovasc说23日:677 - 83。
- 14。Cani PD, Delzenne海里(2010)肠道微生物群的参与发展的低品位与肥胖相关炎症:专注于这个被忽视的伙伴。学报杂志贝尔73:267 - 9。
- 15。恩伯PJ, Ridaura VK、信仰JJ,雷伊菲,骑士R, et al .(2009)饮食对人类肠道微生物的影响:人性化的无菌老鼠的宏基因组分析。Sci Transl地中海1:6 ra14。
- 16。吴GD,陈J,霍夫曼C, bitting K,陈YY, et al。(2011)连接长期饮食模式与肠道微生物菌群。科学334:105 - 8。
- 17所示。歌迪亚,肯尼迪年代,春香港L, Prifti E,脑桥N, et al。(2013)饮食干预对肠道微生物基因丰富度的影响。自然500:585 - 588。
- 18岁。钻孔C, Rizkalla年代,罗J,比达尔H,维罗纳人,et al。(2002)五周,含糖量低的国际防务展饮食减少总脂肪量和改善等离子体在适度超重的非糖尿病患者血脂。糖尿病护理25:822 - 828。
- 19所示。Castetbon K, Bonaldi C,德尚V, Vernay M,马龙,et al。(2014)饮食在45 - 74岁的患者诊断糖尿病:相比同行没有糖尿病全国代表性调查(练习曲国家营养健康,2006 - 2007年)。J Acad减轻饮食,114:918 - 25所示。
- 20.报告E(2007)联合de监测et d 'epidemiologie nutritionnelle (Usen)。练习曲国家营养健康(新奥集团,2006年)-情况根据indicateurs nutritionnelle en法国en 2006 d目的是等les reperes du计划全国营养健康(并)。研究所de veille防疫线,巴黎大学13日国立des艺术技术学院。可用:www.invs.sante.fr。
- 21。Rizkalla西南,Prifti E,歌迪亚,Pelloux V,鲁阿尔C, et al。(2012)微分的影响大量营养素含量2 energy-restricted饮食对心血管危险因素和适度肥胖者的脂肪组织细胞大小:随机对照试验。是中国减轻95:49 - 63。
- 22。Tam CS, Viardot克莱门特K, Tordjman J,唐克斯K(2011)等。短期喂食过多可能诱导外周胰岛素抵抗在不改变人类的皮下脂肪组织巨噬细胞。糖尿病2011 59:2164 - 70。
- 23。Furet JP,香港LC,挖掘J,普瓦图C, Basdevant, et al。(2010)微分适应人类肠道微生物群的减肥surgery-induced减肥:与代谢和低度炎症标记。糖尿病2010 59:3049 - 57。
- 24。勒夏特列原理E,尼尔森T,秦J, Prifti E, F希尔德布兰,et al .(2013)丰富的人类肠道微生物群落与代谢标记。自然500:541 - 546。
- 25。秦J,李R, Raes J, Arumugam M b . KS, et al。(2010)人类肠道微生物基因目录建立了宏基因组测序。自然464:59 - 65。
- 26岁。脑桥N, Batto JM,肯尼迪年代,阿尔梅达M, Boumezbeur F, et al。(2010)流星,平台定量meta-genomic分析复杂的生态系统。127年9月:在法国蒙彼利埃,若宾7 - 9。
- 27。Habi-Rachedi F,回旋诗P, B品牌年代,福尔摩斯(2012)一个健壮的多变量分析来识别饮食模式。Agrostat;12日欧洲研讨会上为食品工业统计方法。巴黎。法国28/02-2/02。
- 28。Estaquio C, Castetbon K, Kesse-Guyot E, Bertrais年代,德尚V, et al。(2008)法国国家营养和健康项目得分与营养状况和主要慢性疾病的风险。J减轻138:946 - 53年。
- 29。刘RH(2013)有益健康的成分的水果和蔬菜的饮食。阿德减轻4:384年代- 92年代。
- 30.Rosner B(2006)假设检验:分类数据。:Rosner B,艾德。生物统计学的基础。Thomson-Brooks /科尔:贝尔蒙特,CA, 385 - 463。
- 31日。奥康纳LM、马Lentjes Luben RN,新加坡KT, Wareham N, et al .(2014) 2型糖尿病饮食摄入乳制品和事件:一个前瞻性研究使用饮食数据从一个7天的食物日记。Diabetologia 57: 909 - 17所示。
- 32。Sluijs我Forouhi NG Beulens JW, van der Schouw欧美,Agnoli C, et al。(2012)的数量和类型乳制品摄入量和事件2型糖尿病:从EPIC-InterAct研究的结果。是中国减轻96:382 - 90。
- 33。Schulze Buijsse B, Feskens EJ, MB, Forouhi NG, Wareham新泽西,et al .(2009)水果和蔬菜摄入量和随后的体重变化在欧洲人群:饮食、肥胖、项目的结果和基因(第欧根尼)。是中国减轻90:202 - 9。
- 34。Vergnaud AC, Norat T, Romaguera D,乌T,可能是,et al .(2012)食用水果和蔬菜和潜在参与者的体重改变欧洲癌症和Nutrition-Physical前瞻性调查活动,营养、酒精、停止吸烟,吃的回家,和肥胖研究。是中国减轻95:184 - 93。
- 35。刘,威利•W,曼森J,胡锦涛F, Rosner B, et al。(2003)膳食纤维摄入量的变化之间的关系和谷物产品和改变体重和肥胖中年女性的发展。是中国减轻78:920 - 7。
- 36。胡锦涛FB, Rimm EB,斯坦福MJ Ascherio博士,Spiegelman D, et al。(2000)前瞻性研究的主要饮食模式和男性冠心病的风险。是中国减轻72:912 - 21所示。
- 37岁。Fung TT,威利•WC,斯坦福MJ,曼森我,胡锦涛FB(2001)饮食模式和女性冠心病的风险。地中海拱形实习生161:1857 - 62。
- 38。Aron-Wisnewsky J, Tordjman J,普瓦图C, Darakhshan F, Hugol D, et al。(2009)人类脂肪组织巨噬细胞:m1和m2细胞表面标记在皮下和网膜的仓库和减肥。中国性金属底座94:4619 - 23所示。
- 39岁。Fujisaka年代,臼井仪人我,Kanatani Y, Ikutani M, Takasaki我,et al。(2011)替米沙坦改善胰岛素抵抗和调节脂肪组织巨噬细胞极化在high-fat-fed老鼠。内分泌学152:1789 - 99。
- 40。突袭,Ricardo-Gonzalez RR, Goforth MH,莫雷尔CR,萨勃拉曼尼亚V, et al。(2007) Macrophage-specific PPARgamma控制替代激活和改善胰岛素抵抗。自然447:1116 - 20。
- 41岁。施H, Kokoeva MV, Inouye K, Tzameli我,阴H, et al。(2006) TLR4链接先天免疫和脂肪段胰岛素抵抗。中国投资116:3015 - 25所示。
- 42。利文斯通MB,黑色AE(2003)报道能量摄入的有效性的标志。JNutr 133,85: 895年代- 920年代。