如何判斷自己處于疲勞狀態(tài)？代謝組學(xué)助力探究腫瘤的秘密
如何判斷自己處于疲勞狀態(tài)？百趣代謝組學(xué)帶你探究腫瘤秘密
直腸神經(jīng)內(nèi)分泌腫瘤的糞便微生物群和代謝特征
文章標(biāo)題：Faecal microbiome and metabolic signatures in rectal neuroendocrine tumors
發(fā)表期刊：Theranostics
影響因子：11.556
發(fā)表時(shí)間：2022.1.31
百趣生物提供服務(wù)：宏基因、發(fā)現(xiàn)代謝組學(xué)
研究背景直腸神經(jīng)內(nèi)分泌腫瘤（RNET）的流行率在過(guò)去幾十年里大幅增加，然而發(fā)病機(jī)制尚不清晰。在各種消化道疾病中關(guān)于腸道菌群和代謝紊亂的研究已被廣泛開(kāi)展，但迄今為止，我們對(duì)菌群和代謝物如何塑造結(jié)直腸環(huán)境仍然知之甚少。作者假設(shè)糞便微生物群和代謝的紊亂會(huì)影響RNET的發(fā)展，該研究旨在分析RNET個(gè)體糞便微生物群及代謝的組成和功能，進(jìn)一步研究菌群失調(diào)與RNET疾病發(fā)生的關(guān)系。
研究方法
發(fā)現(xiàn)隊(duì)列：18名RNET患者，40名對(duì)照
驗(yàn)證隊(duì)列：15名RNET患者，19名對(duì)照
多組學(xué)：糞便宏基因組學(xué)+糞便代謝組學(xué)（LC-MS）
研究結(jié)果
1RNET微生物組的分類作者應(yīng)用宏基因組（Illumina NovaSeq 6000平臺(tái)）測(cè)序技術(shù)進(jìn)行腸道菌群的研究，每個(gè)糞便樣本平均產(chǎn)生7136萬(wàn)次讀取（11Gb數(shù)據(jù)）。與健康人相比，RNET患者在豐富度和香農(nóng)指數(shù)上均有降低，但無(wú)顯著性差異（圖1A）。同樣地，基于Bray-Curtis距離觀察到兩組也無(wú)顯著性差異（Adonis：R2=0.02，p=0.389，圖1B）。MetaPhlAn2進(jìn)一步分析微生物群落組成，58份樣本共注釋到217屬641個(gè)物種，富集得到24個(gè)差異物種（圖1C）。值得注意的是，多數(shù)差異物種在健康組中富集，反映了RNET組腸道菌群的減少。與RNET組相比，益生菌Haemophilus parainfluenzae, Veillonella unclassified, Streptococcus salivarius等在健康組中顯著富集；相反，一些與膿腫、腸胃疾病相關(guān)的菌群Erysipelotrichaceae bacterium_6_1_45, Varibaculum cambriense, Methanobrevibacter smithii則在RNET組中表現(xiàn)出富集。
作者分別從屬水平和種水平上進(jìn)行共現(xiàn)網(wǎng)絡(luò)分析展示微生物群落結(jié)構(gòu)和組成。相比健康組，RNET組的種水平網(wǎng)絡(luò)復(fù)雜度降低，連通性減弱（圖2），這可能與RNET組中腸菌減少有關(guān)，另外在屬水平網(wǎng)絡(luò)中也有類似的發(fā)現(xiàn)。
2 RNET微生物組的功能特征基于in-house和HUMAnN2，進(jìn)行KEGG通路富集分析，富集到的通路分別為69條（in-house）、38條（HUMANn2），其中11條重疊通路（圖3A）�；贖UMANn2富集到的通路中，多數(shù)于健康組中富集；重疊通路中，那些與能量代謝（M00157, M00164）、RNA聚合酶 (M00183)和維生素生物合成(M00125)相關(guān)的途徑也多數(shù)在健康組中富集。基于HUMAnN2的輸出結(jié)果，作者進(jìn)一步確定了參與上述路徑的優(yōu)勢(shì)種（圖3B）。菌群Escherichia coli，F(xiàn)aecalibacterium prausnitzii，Bacteroides vulgatus，Haemophilus parainfluenzae, Ruminococcus torques主要富集于健康人群中，是上述路徑的主要貢獻(xiàn)者。同樣富集于健康人群中的通路Manganese/zinc/iron transportation (M00319)，優(yōu)勢(shì)菌群則主要由Veillonella屬的一些微生物組成，如Veillonella atypica，Veillonella dispar和Veillonella parvula�？偟难芯拷Y(jié)果表明，微生物群落組成的變化通過(guò)擾亂宿主生理功能來(lái)驅(qū)動(dòng)似病狀態(tài)。
5基于多組學(xué)信號(hào)的RNET預(yù)測(cè)
為了挖掘潛在的診斷微生物和代謝特征，作者根據(jù)對(duì)照組和RNET組的差異菌群和差異代謝物構(gòu)建了隨機(jī)森林分類器（RF）模型。篩選得到一組標(biāo)志物，包括3種菌群微生物和9種代謝物，篩選出的標(biāo)志物多數(shù)在RENT組中富集（圖6A）。隨后，作者利用性別、年齡、BMI、吸煙及飲酒史等進(jìn)行校正，結(jié)果顯示篩選出的標(biāo)志物不受上述臨床因素的顯著影響。預(yù)測(cè)模型指出在發(fā)現(xiàn)隊(duì)列中，代謝物在檢測(cè)RNET方面具有高靈敏性，其曲線下面積(AUC)值為1.0（圖6B）。與單一菌群微生物預(yù)測(cè)模型相比（AUC=0.76），微生物和代謝物的復(fù)合模型在分類準(zhǔn)確性方面有顯著提高(AUC=0.96)。此外，作者又選取一支隊(duì)列（15名RNET患者，19名對(duì)照）作為獨(dú)立的外部驗(yàn)證集（圖6C），結(jié)果顯示代謝物驗(yàn)證模型的AUC為0.83，仍然具有較高的準(zhǔn)確性，加入菌群后的復(fù)合模型AUC為0.74，優(yōu)于單獨(dú)的菌群預(yù)測(cè)效果（AUC=0.71）。這些結(jié)果表明，菌群和代謝物的隨機(jī)森林分類模型作為一種非侵入性工具，在RNET人群的早期診斷中具有很大的發(fā)展?jié)摿Α?br />
結(jié)論
該項(xiàng)研究描述了RNET患者腸道生態(tài)微環(huán)境的失調(diào)，其特征是微生物種類減少、脂質(zhì)和類脂分子的異常聚集，從而推斷紊亂的生態(tài)結(jié)構(gòu)可能參與了此類腫瘤的致瘤過(guò)程。這項(xiàng)工作有助于挖掘菌群及代謝紊亂在RNET發(fā)病機(jī)制中的潛在作用，為基于微生物群的診斷和治療提供研究方向。
文/阿趣代謝組學(xué)
直腸神經(jīng)內(nèi)分泌腫瘤的糞便微生物群和代謝特征
文章標(biāo)題：Faecal microbiome and metabolic signatures in rectal neuroendocrine tumors
發(fā)表期刊：Theranostics
影響因子：11.556
發(fā)表時(shí)間：2022.1.31
百趣生物提供服務(wù)：宏基因、發(fā)現(xiàn)代謝組學(xué)
研究背景直腸神經(jīng)內(nèi)分泌腫瘤（RNET）的流行率在過(guò)去幾十年里大幅增加，然而發(fā)病機(jī)制尚不清晰。在各種消化道疾病中關(guān)于腸道菌群和代謝紊亂的研究已被廣泛開(kāi)展，但迄今為止，我們對(duì)菌群和代謝物如何塑造結(jié)直腸環(huán)境仍然知之甚少。作者假設(shè)糞便微生物群和代謝的紊亂會(huì)影響RNET的發(fā)展，該研究旨在分析RNET個(gè)體糞便微生物群及代謝的組成和功能，進(jìn)一步研究菌群失調(diào)與RNET疾病發(fā)生的關(guān)系。
研究方法
發(fā)現(xiàn)隊(duì)列：18名RNET患者，40名對(duì)照
驗(yàn)證隊(duì)列：15名RNET患者，19名對(duì)照
多組學(xué)：糞便宏基因組學(xué)+糞便代謝組學(xué)（LC-MS）
研究結(jié)果
1RNET微生物組的分類作者應(yīng)用宏基因組（Illumina NovaSeq 6000平臺(tái)）測(cè)序技術(shù)進(jìn)行腸道菌群的研究，每個(gè)糞便樣本平均產(chǎn)生7136萬(wàn)次讀取（11Gb數(shù)據(jù)）。與健康人相比，RNET患者在豐富度和香農(nóng)指數(shù)上均有降低，但無(wú)顯著性差異（圖1A）。同樣地，基于Bray-Curtis距離觀察到兩組也無(wú)顯著性差異（Adonis：R2=0.02，p=0.389，圖1B）。MetaPhlAn2進(jìn)一步分析微生物群落組成，58份樣本共注釋到217屬641個(gè)物種，富集得到24個(gè)差異物種（圖1C）。值得注意的是，多數(shù)差異物種在健康組中富集，反映了RNET組腸道菌群的減少。與RNET組相比，益生菌Haemophilus parainfluenzae, Veillonella unclassified, Streptococcus salivarius等在健康組中顯著富集；相反，一些與膿腫、腸胃疾病相關(guān)的菌群Erysipelotrichaceae bacterium_6_1_45, Varibaculum cambriense, Methanobrevibacter smithii則在RNET組中表現(xiàn)出富集。
圖1. RNET組與對(duì)照組的微生物群落結(jié)構(gòu)
作者分別從屬水平和種水平上進(jìn)行共現(xiàn)網(wǎng)絡(luò)分析展示微生物群落結(jié)構(gòu)和組成。相比健康組，RNET組的種水平網(wǎng)絡(luò)復(fù)雜度降低，連通性減弱（圖2），這可能與RNET組中腸菌減少有關(guān)，另外在屬水平網(wǎng)絡(luò)中也有類似的發(fā)現(xiàn)。
圖2. 共現(xiàn)性網(wǎng)絡(luò)分析
2 RNET微生物組的功能特征基于in-house和HUMAnN2，進(jìn)行KEGG通路富集分析，富集到的通路分別為69條（in-house）、38條（HUMANn2），其中11條重疊通路（圖3A）�；贖UMANn2富集到的通路中，多數(shù)于健康組中富集；重疊通路中，那些與能量代謝（M00157, M00164）、RNA聚合酶 (M00183)和維生素生物合成(M00125)相關(guān)的途徑也多數(shù)在健康組中富集。基于HUMAnN2的輸出結(jié)果，作者進(jìn)一步確定了參與上述路徑的優(yōu)勢(shì)種（圖3B）。菌群Escherichia coli，F(xiàn)aecalibacterium prausnitzii，Bacteroides vulgatus，Haemophilus parainfluenzae, Ruminococcus torques主要富集于健康人群中，是上述路徑的主要貢獻(xiàn)者。同樣富集于健康人群中的通路Manganese/zinc/iron transportation (M00319)，優(yōu)勢(shì)菌群則主要由Veillonella屬的一些微生物組成，如Veillonella atypica，Veillonella dispar和Veillonella parvula�？偟难芯拷Y(jié)果表明，微生物群落組成的變化通過(guò)擾亂宿主生理功能來(lái)驅(qū)動(dòng)似病狀態(tài)。
圖3. RNET微生物組的功能特征
3 RNET代謝組富集分析采用非靶向代謝組學(xué)技術(shù)檢測(cè)糞便樣本，探討RNET患者的代謝譜變化。RNET組和對(duì)照組的代謝組學(xué)特征（基于Bray-Curtis距離）具有統(tǒng)計(jì)學(xué)顯著差異(adonis: R2= 0.083, p=0.001, 圖4A)，且不受性別、BMI、年齡、吸煙和飲酒史等臨床因素的顯著影響。實(shí)驗(yàn)共鑒定到545種代謝產(chǎn)物，其中104種代謝物具有顯著差異。與RNET組微生物菌群減少不同的是，多數(shù)差異代謝物顯著富集于RNET組，而富集于對(duì)照組的僅26種（圖4B）。RNET代謝組的主要特征是脂類和類脂分子的顯著上調(diào)；相比之下，對(duì)照組表現(xiàn)為有機(jī)雜環(huán)化合物、有機(jī)酸及其衍生物以及有機(jī)氮化合物的上調(diào)。進(jìn)一步的KEGG分析顯示，在RNET患者中，關(guān)鍵通路甘油磷脂代謝發(fā)生了改變(圖4C)。從而推測(cè)，脂質(zhì)代謝異常參與了RNET的發(fā)病機(jī)制。圖4. RNET代謝組富集分析
4RNET腸道微生物組與代謝組的相關(guān)性分析為進(jìn)一步探討菌群和代謝物之間的關(guān)系，利用Spearman系數(shù)進(jìn)行相關(guān)性分析（圖5）。分析結(jié)果顯示菌群和代謝物之間具有很強(qiáng)的相關(guān)性，如菌群Methanobrevibacter smithii富集于RNET組中，與同富集于RNET組中的代謝物 Cohibin B, Cohibin C, LysoPE(18:1(9Z)/0:0)存在顯著正相關(guān)。這種正相關(guān)性可以解釋為菌群產(chǎn)生代謝物，或代謝物有利于某些菌群的生長(zhǎng)。同時(shí)，也發(fā)現(xiàn)了富集于對(duì)照組的菌群與富集于RNET組中代謝物間的負(fù)相關(guān)性�？偟膩�(lái)說(shuō)，雖然菌群與代謝物之間的直接代謝關(guān)系還有待進(jìn)一步確定，但結(jié)果仍可以表明腸道菌群和代謝物與RNET發(fā)病機(jī)制密切相關(guān)。圖5. RNET腸道微生物組與代謝組的相關(guān)性分析
5基于多組學(xué)信號(hào)的RNET預(yù)測(cè)
為了挖掘潛在的診斷微生物和代謝特征，作者根據(jù)對(duì)照組和RNET組的差異菌群和差異代謝物構(gòu)建了隨機(jī)森林分類器（RF）模型。篩選得到一組標(biāo)志物，包括3種菌群微生物和9種代謝物，篩選出的標(biāo)志物多數(shù)在RENT組中富集（圖6A）。隨后，作者利用性別、年齡、BMI、吸煙及飲酒史等進(jìn)行校正，結(jié)果顯示篩選出的標(biāo)志物不受上述臨床因素的顯著影響。預(yù)測(cè)模型指出在發(fā)現(xiàn)隊(duì)列中，代謝物在檢測(cè)RNET方面具有高靈敏性，其曲線下面積(AUC)值為1.0（圖6B）。與單一菌群微生物預(yù)測(cè)模型相比（AUC=0.76），微生物和代謝物的復(fù)合模型在分類準(zhǔn)確性方面有顯著提高(AUC=0.96)。此外，作者又選取一支隊(duì)列（15名RNET患者，19名對(duì)照）作為獨(dú)立的外部驗(yàn)證集（圖6C），結(jié)果顯示代謝物驗(yàn)證模型的AUC為0.83，仍然具有較高的準(zhǔn)確性，加入菌群后的復(fù)合模型AUC為0.74，優(yōu)于單獨(dú)的菌群預(yù)測(cè)效果（AUC=0.71）。這些結(jié)果表明，菌群和代謝物的隨機(jī)森林分類模型作為一種非侵入性工具，在RNET人群的早期診斷中具有很大的發(fā)展?jié)摿Α?br />
圖6. 基于多組學(xué)信號(hào)的RNET預(yù)測(cè)
結(jié)論
該項(xiàng)研究描述了RNET患者腸道生態(tài)微環(huán)境的失調(diào)，其特征是微生物種類減少、脂質(zhì)和類脂分子的異常聚集，從而推斷紊亂的生態(tài)結(jié)構(gòu)可能參與了此類腫瘤的致瘤過(guò)程。這項(xiàng)工作有助于挖掘菌群及代謝紊亂在RNET發(fā)病機(jī)制中的潛在作用，為基于微生物群的診斷和治療提供研究方向。
文/阿趣代謝組學(xué)
- 空間和單細(xì)胞轉(zhuǎn)錄組數(shù)據(jù)綜合分析揭示與不良預(yù)后相關(guān)的中間癌細(xì)胞群
- 單細(xì)胞測(cè)序助力揭示右心室容量超荷會(huì)通過(guò)免疫反應(yīng)重啟心肌細(xì)胞的增殖
- BS+ChIP-seq在揭示DNA甲基化調(diào)控非編碼RNA抑制腫瘤侵襲性中的應(yīng)用
- 靶基因甲基化測(cè)序(Target-BS)等在揭示特應(yīng)性皮炎新發(fā)現(xiàn)中的應(yīng)用
- ChIP等揭示糖皮質(zhì)激素和TET2共調(diào)控促進(jìn)癌癥轉(zhuǎn)移的表觀遺傳機(jī)制
- 游離細(xì)胞DNA（cfDNA）檢測(cè)整體研究方案及其應(yīng)用案例
- DNA甲基化修飾整體研究方案技術(shù)介紹及經(jīng)典案例分析
- DNA甲基化詳解
- 伯豪董事長(zhǎng)出席專精特新中小企業(yè)發(fā)展壯大論壇并發(fā)言
- 伯豪生物雙11狂歡特惠活動(dòng)來(lái)襲，限時(shí)限量搶
- 怡美通德推出成本價(jià)體驗(yàn)單細(xì)胞測(cè)序（FFPE或全血）
- 伯豪生物2024系列培訓(xùn)班（陜西站）報(bào)名開(kāi)啟
- 伯豪單細(xì)胞Flex年中巨惠，1.1W/樣本活動(dòng)價(jià)即將截止
- 藍(lán)景科信DAP-seq技術(shù)相關(guān)文章6連發(fā)，總IF 95.2
- 伯豪生物2024單細(xì)胞空轉(zhuǎn)生信培訓(xùn)8月直播課開(kāi)啟報(bào)名
- 中生柏奧成為德國(guó)LenioBio中國(guó)區(qū)合作伙伴
Copyright(C) 1998-2024 生物器材網(wǎng) 電話：021-64166852;13621656896 E-mail：info@bio-equip.com