跳到主要内容
访问密钥 NCBI主页 MyNCBI主页 主要内容 主导航
圆形Res。作者手稿;2017年9月30日,PMC提供。
以最终编辑形式发布为:
2016年8月9日在线发布。 数字对象标识:2016年10月11日/加拿大
预防性维修识别码:项目经理5045790
美国国立卫生研究院:NIHMS809592标准
PMID:27507222

Bogalusa心脏研究参与者中肠道微生物组与终身心血管疾病风险状况的相关性

关联数据

补充资料

摘要

理论基础

很少有研究系统地评估肠道微生物群对心血管疾病(CVD)风险的影响。

目的

研究55名博加卢萨心脏研究(BHS)参与者的肠道微生物群与心血管疾病终身风险状况之间的关系,其中55名参与者的心血管疾病风险因素负担最高,57名参与者的心血管疾病终身负担最低。

方法和结果

对从BHS参与者粪便样本中提取的微生物DNA进行16S rRNA测序。阿尔法多样性,包括丰富度和均匀度的测量,以及单个属与终生CVD风险预测的相关性进行了测试。采用多变量回归技术调整年龄、性别和种族(模型1),以及体重指数(BMI)(模型2)和BMI和饮食(模型3)。在模型1中,通过观察到的操作分类单元数、Chao 1指数和基于丰度的覆盖率估计器测量的丰富度每一标准偏差增加的优势比(95%置信区间)分别为0.62(0.39,0.99)、0.61(0.38,0.98)和0.63(0.39、0.99)。模型2和模型3中的关联是一致的。在所有模型中,具有高与低CVD风险特征的人群中富集了四个属。模型1的p值为:2.12×10−3, 7.95×10−5, 4.39×10−4和1.51×10−4对于普氏菌2,普氏菌7,泰泽雷拉泰泽雷拉4分别为。在所有模型中,具有高与低CVD风险特征的人群中,有两个属的基因缺失。模型1的P值为:2.96×10−6和1.82×10−4对于异普雷沃氏菌类杆菌属分别是。

结论

目前的研究确定了总体微生物丰富度和六个微生物属与终身CVD风险的关系。

关键词:微生物群、心血管疾病危险因素、血脂、血压、血糖
主题条款:危险因素、心血管疾病、流行病学、遗传学

简介

人类肠道中有大量的微生物,统称为微生物群。尽管肠道微生物群对人类健康的影响已经被假设了一段时间,但直到过去十年,技术的进步才使全面表征宿主微生物群落并研究其与疾病状态的关系变得可行。1,2越来越多的证据表明肠道微生物组在能量获取中发挥着关键作用、糖脂代谢4,5和全身炎症5,这种共生超有机体对心血管疾病(CVD)发展的潜在影响已被假设。事实上,肠道微生物群与某些心血管疾病风险因素(包括肥胖)的横截面关系6,7,2型糖尿病8,9和血脂异常10,11已经记录在案。肠道微生物群也被证明是从某些海鱼以及富含磷脂酰胆碱(卵磷脂)、游离胆碱和肉碱的食品或补充剂中衍生三甲胺(TMA)代谢物的不可或缺的组成部分。1214TMA是三甲胺-N-氧化物(TMAO)的膳食衍生前体15,一种最近被前瞻性地与CVD联系在一起的代谢物。14这些数据表明,人类肠道微生物组在CVD发展中可能具有重要作用。然而,很少有研究系统地评估肠道菌群组成对整体CVD风险的影响。

本研究的目的是在55名博加卢萨心脏研究(BHS)参与者的子样本中,全面探讨肠道微生物组分与终身CVD风险状况之间的关系,这些参与者的传统CVD风险因素负担最高,57名参与者的终身CVD危险因素负担最低。这项研究利用了从大约33年的随访中平均9次参与者访视中仔细收集的数据,以了解从儿童到成年的心血管疾病风险。此外,分析中控制了年龄、性别、种族、体重指数(BMI)和饮食等潜在的混杂因素。

方法

研究参与者

BHS是一项长期流行病学研究,从1973年开始,由Gerald Berenson博士对路易斯安那州Bogalusa居民的混血样本(35%为黑人,65%为白人)进行动脉粥样硬化自然史调查。从1973年到2016年,对4至17岁的儿童进行了七次调查,对18至50岁的成年人进行了十次调查,这些成年人以前在儿童时期接受过检查。目前的BHS队列包括1298名1959年至1979年间出生的参与者,他们在儿童期和成年期至少接受了两次CVD危险因素筛查。我们联系了该队列中203名估计终生CVD风险最高和最低的参与者的子样本,以确定参与微生物组研究的资格。在排除了过去两个月服用抗生素或益生菌的42名参与者后,161名参与者符合入学资格标准。其中12名参与者(37%为黑人,63%为白人),其中55名具有较高的终身心血管疾病风险特征,57名具有较低的终身心血管病风险特征,他们同意参与并返回粪便样本,用于后续的微生物组分表征和分析(应答率为70%)。

在对研究进行详细解释后,获得了博加卢萨心脏研究所有参与者的知情同意。该研究得到了所有参与机构的机构审查委员会的批准。

BHS队列中CVD危险因素的测量

所有行李处理系统检查都遵循几乎相同的研究方案。16,17在每次研究访视期间,两名训练有素的观察者每天早上使用水银血压计测量血压(BP),每名观察者均以放松的坐姿测量三次。收缩压和舒张压分别以第一、第四(儿童)和第五(成人)Korotkoff音测量。在每次研究访视时,使用六个血压值的平均值来估计血压。人体测量由受过培训的工作人员进行,BHS参与者穿着轻便的衣服,不穿鞋。身高和体重分别测量两次,精确至0.1 cm和0.1 kg。身高和体重的平均值用于评估每次研究访视的BMI。使用经验证的食物频率问卷,在年轻人的两个时间点收集饮食信息。18

要求参与者在采集血样前禁食12小时。1973年至1986年间,根据脂质研究临床项目实验室手册,使用Technicon AutoAnalyzer II(Technicon Instrument Corporation,Tarrytown,New York)的化学程序测量胆固醇和甘油三酯水平。自1987年以来,这些变量是使用雅培VP仪器(雅培实验室,伊利诺伊州北芝加哥)和日立902自动分析仪(罗氏诊断公司,印第安纳州印第安纳波利斯),然后通过酶程序测定的。19采用肝素钙沉淀和琼脂糖凝胶电泳相结合的方法分析血清脂蛋白胆固醇。20最初通过葡萄糖氧化酶法使用Beckman即时葡萄糖分析仪(Beckman Instruments,Palo Alto,California)测量血浆葡萄糖。1991年后,通过使用多通道奥林巴斯Au-5000分析仪(奥林巴斯,成功湖,纽约)的酶程序,使用多化学(SMA20)剖面测量成年人的葡萄糖。

终身CVD风险预测

根据从儿童到成人期间进行的至少四次BHS研究访问的空腹血糖、收缩压(SBP)和低密度脂蛋白(LDL)胆固醇值的平均值来评估终身CVD风险状况。使用基于z评分的数据简化技术确定终身CVD风险组。对每名参与者进行血糖、收缩压和低密度脂蛋白胆固醇平均寿命测量的z评分。然后将每个风险因素的Z评分相加,为每个参与者创建一个总的终生CVD风险评分。根据风险评分对参与者进行排名,并联系得分最高和最低的参与者参与本研究。

微生物组测序和分析

在研究参与者的家中收集粪便样本,并在收集后24小时内将其返还给BHS研究人员,然后将其储存在−80°C的温度下,直至微生物群特征化。使用为人类微生物组项目开发的方法,在贝勒医学院的Alkek宏基因组学和微生物组研究中心进行DNA分离和微生物组测序。21,22简而言之,使用MO BIO PowerSoil DNA分离试剂盒(MO BIO Laboratories,Inc.,Carlsbad,CA)从粪便样本中提取基因组细菌DNA。然后通过PCR扩增16S rDNA V4高变区,并使用2×250 bp配对-end协议(Illumina®加利福尼亚州圣地亚哥)。23读取对根据其独特的分子条形码进行解复用,并使用USEARCH v7.0.1001软件合并重叠读取。24使用QIME(微生物生态学定量洞察)软件包进行操作分类单元(OTU)筛选。25使用UCLUST以97%的相似性临界值对16S rRNA基因序列进行聚类。24然后使用SILVA参考数据库进行OTU与细菌的匹配。26通过将解复用读取映射到确定的OTU来恢复丰度。

由于每个样本的测序深度范围为4118到13146个读取,因此库大小被细化到最小读取深度。随后,基于确定的OTU,对几种α多样性测量进行了估算。27微生物丰富度是衡量每个样品中分类群数量(或微生物丰富性)的指标,通过计算观察到的OTU数量、Chao 1指数和丰富度覆盖估计器(ACE)进行检验。28均匀度是衡量样本中分类群的相对数量(占样本中每个分类群被观察到的次数)的指标,另外还使用香农指数、辛普森指数和逆辛普森指数进行评估。27然后进行额外的质量控制步骤,以将分析仅限于116个OTU,这些OTU包含≥0.05%的读数,并且至少存在于5%的样品中。这些OTU平均占每个样本总读取数的95%。116个OTU被分配到75个属,并在进一步分析中进行了检查。稀释前后微生物组数据的分布和质量过滤如所示补充图二使用R中的phyloseq软件包(V1.15.14)处理微生物序列数据。28

统计分析

使用x2分类变量的检验和连续变量的t检验。根据需要检查所有α多样性测量值的正态性和对数转换。

在调整重要协变量后,采用Logistic回归模型检查α多样性的每个测量值与终生CVD风险状况之间的关联。单个微生物属与终身CVD风险预测之间的关联采用了两步“部分淘汰”方法。29为了适应微生物组数据的过多零计数和过分散,在步骤1中,使用零膨胀负二项模型对每个属进行建模。30该模型假设每个属的微生物群数据来自两个独立分布的混合,一个来自负二项分布,另一个来自仅产生零计数的恒定分布。我们同时对负二项数据和零计数数据(零计数的概率)进行建模,并将重要的协变量作为预测因子。由于稀薄化后的额外质量控制步骤,受试者之间的对数转换总属数略有不同,因此将其作为补偿变量纳入模型中。在步骤2中,使用Wilcoxon秩和检验在CVD风险组之间比较这些模型的原始残差,代表每个属的独立效应。使用6.67×10的α阈值对75个测试属进行Bonferroni校正−4确定统计显著性。

使用三个多变量调整来测试α多样性估计值和个体属与终生CVD风险预测的相关性。模型1根据年龄、性别和种族进行了调整。为了检验BMI的潜在中介影响,还评估了第二个模型,该模型调整了年龄、性别、种族和BMI(模型2)。为了确定在这个相对较小的样本中,调整饮食因素后确定的关联是否一致,第三个模型调整了年龄、性别、种族、BMI、总能量摄入和能量31检查膳食蛋白质、动物脂肪和纤维的摄入量。

结果

在平均33年的随访中,使用9项血糖、收缩压和低密度脂蛋白胆固醇值的平均值来评估终身心血管疾病风险状况。表1比较BHS微生物组学研究参与者的特征和高、低寿命CVD风险特征。与心血管疾病风险低的患者相比,心血管疾病风险高的患者更有可能是男性,平均年龄更大,BMI更高。尽管总能量、蛋白质和动物脂肪摄入量似乎更高,而膳食纤维摄入量在心血管病风险高与低的参与者中更低,各组间营养素无显著差异。正如预期的那样,与低风险组相比,高风险组儿童和成人的血糖、收缩压和低密度脂蛋白胆固醇水平较高。

表1

根据终生CVD风险预测,112名Bogalusa微生物组研究参与者的特征。

高终身心血管疾病风险状况(N=55)低寿命CVD风险简介(N=57)P值
访问次数,平均值(SD)8.56 (2.29)9.11 (2.17)0.20
男性,%6022.81<0.0001
黑色,%4033.330.46
童年
年龄,y,平均值(SD)13.66 (1.97)12.14 (2.06)<0.0001
体重指数,kg/m2,平均值(SD)22.21 (4.53)17.87 (3.01)<0.0001
收缩压,mmHg,平均值(SD)110.00 (7.91)99.47 (6.42)<0.0001
低密度脂蛋白胆固醇,mmol/l,平均值(SD)2.67 (0.73)2.11 (0.44)<0.0001
葡萄糖,mmol/l,平均值(SD)4.89 (0.50)4.51 (0.32)<0.0001
成年
年龄,y,平均值(SD)34.88 (2.46)32.29 (2.47)<0.0001
体重指数,kg/m2,平均值(SD)33.19 (7.13)25.11 (4.52)<0.0001
收缩压,mmHg,平均值(SD)125.60 (11.08)105.90 (5.63)<0.0001
低密度脂蛋白胆固醇,mmol/l,平均值(SD)3.73 (0.79)2.60 (0.56)<0.0001
葡萄糖,mmol/l,平均值(SD)5.27 (0.76)4.35 (0.28)<0.0001
总能量摄入,kcal/d2334.7 ± 1424.62200.5 ± 959.90.57
蛋白质,g/天*76.4 ± 11.074.7 ± 12.30.44
动物脂肪,g/天*38.4 ± 9.735.5 ± 7.50.08
总膳食纤维,g/天*15.3 ± 4.016.4 ± 4.00.17

BMI=体重指数;BP=血压;CVD=心血管疾病;LDL=低密度脂蛋白;SD=标准偏差。

*使用残差法调整总能量摄入。31

α多样性估计值和终生CVD风险状况之间的关联如所示表2微生物丰富度的增加与寿命期CVD风险预测的降低一致相关。例如,观察到的OTU数量每增加一个标准差,高寿命CVD风险预测的几率就会降低38%(95%CI:1%-61%)(P=0.04)。同样,Chao 1指数和ACE每增加一个标准偏差的优势比(95%CI)分别为0.62(0.39,0.99)和0.61(0.38,0.98)(分别为P=0.04和0.05)。尽管p值略有减弱,但在调整BMI(模型2)和其他饮食因素(模型3)后,关联程度保持一致。在任何统计模型中,评估微生物类群均匀性的α多样性估计值与CVD风险均无显著相关性(均P>0.05)。

表2

Bogalusa微生物组研究参与者中α多样性估计值每增加一个标准差,高与低寿命CVD风险预测值的比值比(N=112)。

模型1*
型号2
模型3
OR(95%置信区间)P值OR(95%置信区间)P值OR(95%置信区间)P值
富裕
观测OTU0.62 (0.39, 0.99)0.040.54 (0.28, 1.01)0.060.54 (0.27, 1.10)0.09
Chao 1号机组0.61 (0.38, 0.98)0.040.54 (0.29, 1.01)0.050.54 (0.27, 1.07)0.08
王牌0.63 (0.39, 0.99)0.050.53 (0.28, 1.01)0.050.55 (0.27, 1.10)0.09
富裕与均匀
香农指数0.77 (0.49, 1.20)0.250.57 (0.29, 1.13)0.110.54 (0.26, 1.16)0.11
辛普森指数0.86 (0.56, 1.34)0.510.62 (0.32, 1.22)0.170.62 (0.30, 1.28)0.19
逆辛普森指数0.82 (0.52, 1.28)0.370.65 (0.33, 1.32)0.240.61 (0.28, 1.30)0.20

ACE=基于丰度的覆盖估计器;CI=置信区间;OR=比值比;OUT=操作分类单元。

*根据年龄、性别和种族进行调整。
根据年龄、性别、种族和体重指数进行调整。
根据年龄、性别、种族、体重指数、膳食蛋白质摄入量进行调整§、动物脂肪摄入§,膳食纤维摄入量§和总能量摄入。
§使用残差法调整总能量摄入。

各属之间的联系和终生CVD风险预测在模型之间通常是一致的(补充表)模型1和模型2以及模型1和3的z统计量的中等成对相关系数分别为0.60(P<0.0001)和0.57(P<000001)。在对年龄、性别和种族进行调整后(模型1),八个分类群在Bonferroni多重测试校正后显著。在拟杆菌门中,普雷沃菌科的三个属与心血管疾病风险显著相关,包括异普雷沃氏菌(P=2.96×10−6),普雷沃菌7(P=7.95×10−5)和副普氏菌属(P=6.48×10−4). 在厚壁菌门中,有四个与终生CVD风险相关的分类群,包括拉氏螺科的两个属,泰泽雷拉4(P=1.51×10−4)和泰泽雷拉(P=4.39×10−4)和两个属,分别属于维氏菌科和丹参科,巨单胞菌属(P=4.18×10−5)和类杆菌属(P=1.51×10−4)分别是。此外肠杆菌属变形杆菌属也与终身CVD风险相关(P=6.41×10−8). 在对BMI进行额外调整后(模型2),所有8个分类群在名义上都保持显著性(P<0.05),包括在Bonferroni校正后仍保持显著性的5个分类群(异普雷沃氏菌,P=6.53×10−9;普雷沃菌7,P=5.58×10−7;泰泽雷拉,P=7.83×10−6;巨单胞菌属,P=3.41×10−6; 类杆菌属,P=1.87×10−4). 在进一步调整饮食后,除了副普氏菌属肠杆菌属不再与CVD风险相关。在模型2中Bonferroni校正后,另外五个属具有重要意义,包括厚壁菌门中的三个属(Coprococcus 2型,P=1.38×10−4;巨球藻属,P=1.38×10−4; 瘤胃球菌,P=5.01×10−4),一个来自真古宙门(甲烷杆菌,P=1.20×10−4)一个来自变形杆菌门(地中海螺旋体,P=3.44×10−4). 其中,有两项在BMI调整前具有名义意义(甲烷杆菌,P=5.12×10−3地中海螺旋体,P=3.61×10−3). 在模型3中,另外三个属是显著的,包括拟杆菌属中的两个属(细菌门S24-7,P=2.77×10−6普雷沃菌2,P=5.67×10−5)一个来自厚壁菌门(Christensenellaceae R-7组,P=P=5.69×10−4). 仅限普雷沃菌2在先前的模型中达到了名义意义。

Bonferroni对任何模型中的多重测试进行校正后,所有16个分类群的关联方向均达到显著性,如所示图1A–C在模型1中与终身心血管疾病风险状况显著相关的分类群中,异普雷沃氏菌类杆菌属与终身CVD风险预测降低相关(分别为Z=-4.67和-3.74)副普氏菌、普氏菌7、巨单胞菌、泰泽雷拉菌、泰泽雷拉菌4、和肠杆菌属与终身CVD风险预测增加相关(Z=3.41、3.95、4.10、3.52、3.79和5.41)。在对BMI进行额外调整后,这些属的影响方向保持一致,除了巨单胞菌属副普氏菌属,这分别与寿命期CVD风险预测降低显著相关(Z=−4.64和−2.19)。除了副普氏菌属肠杆菌属在调整饮食后与CVD风险预测不再相关,所有剩余模型1发现的关联方向在模型3中相似。在模型2中,大球星瘤胃球菌似乎与终身CVD风险状况降低有关(Z=分别为−3.81和−3.48),而地中海螺旋体,Coprococcus 2、和甲烷杆菌增加了终身CVD风险状况(分别为Z=3.58、3.81和3.58)。在模型3中,细菌门S24-7普雷沃菌2(Z=4.69和4.03)在具有高终身心血管疾病风险特征的人群中得到了丰富,而克里斯滕菌科R-7(Z=−3.45)在具有高终身风险特征的人群中耗尽。

保存图片、插图等的外部文件。对象名称为nihms809592f1a.jpg
保存图片、插图等的外部文件。对象名为nihms809592f1b.jpg
保存图片、插图等的外部文件。对象名为nihms809592f1c.jpg

16个分类群的组合达到P<6.67×10−4在基因水平的分析中。所有16个属的关联方向均按(a)年龄、性别和种族列出;(b)年龄、性别、种族和BMI;(c)年龄、性别、种族、BMI、总能量摄入和能量调节蛋白质摄入§,动物脂肪§、和纤维§调整分析。红色阴影表示高心血管疾病风险状况的几率增加,蓝色阴影表示低心血管疾病风险情况的几率降低。较深的阴影表示Bonferroni多次测试校正后的重要性。虚线圆圈表示从1到6的(绝对)Z值的刻度。Phyla显示在外部实心圆的旁边。§使用残差法调整总能量摄入。

讨论

在当前的研究中,我们确定了行李处理系统参与者中与终生CVD风险状况相关的α多样性和单个微生物属的综合测量。我们观察到微生物丰富度(而非均匀度)与终身CVD风险之间存在一致的反向关联。虽然以前的研究已经报道了拟杆菌门的有益联系和厚壁菌门与CVD危险因素的有害联系,32,其他研究的结果相互矛盾。7在属水平上,我们确定了16个与终生CVD风险状况显著相关的分类群,包括6个在所有研究模型中表现出一致关联的分类群Alloprentella、Prevotella 2、Prevodella 7、Tyzzerella、Tyzerella 4、,类杆菌属。值得注意的是,这些发现包括在同一门中具有相反影响的属。例如,在拟杆菌中,异普雷沃氏菌与终身CVD风险降低相关,而普雷沃菌2普雷沃菌7在我们的研究中,与终身CVD风险增加相关。在厚壁菌中,泰泽雷拉泰泽雷拉4在CVD高危人群中富集类杆菌属在这个组中被耗尽了。这些数据可能有助于解释评估高阶分类群关联时发现的不一致性。While期间甲烷杆菌,肠杆菌,地中海螺旋体在模型1和模型2中,心血管疾病风险高的人群中增加了,这些相关性在调整饮食因素后完全减弱,表明饮食可能会混淆观察到的相关性。几个发现在不同的模型中似乎相对不一致,在这个小样本中应谨慎考虑。例如,两者巨单胞菌副普氏菌属在模型1中,CVD风险高的人群中表现丰富,在模型2中表现贫乏,在模型3中表现无关联。此外,瘤胃球菌、粪球菌、,大球星仅在模型2中实现了显著性,而拟杆菌S24-7克里斯滕菌科R-7仅在模型3中实现了显著性。总的来说,这些数据补充了越来越多的证据,表明肠道微生物群在心血管疾病风险中起着重要作用。

在我们的分析中,阿尔法多样性(通过观察到的OTU数量、Chao 1指数和ACE来衡量微生物丰富度)与终身CVD风险一致且呈负相关。这些数据与之前研究其他CVD风险因素(如BMI)的研究一致7,11和血脂水平。11相反,终生CVD风险与α多样性指标(包括香农指数、辛普森指数和反向辛普森指数)无关,α多样性测量包括微生物类群的均匀性。类似地,以往研究检查香农指数与CVD风险因素的关系,结果通常为零。33,34这些数据表明,在确定CVD风险方面,不同微生物类群的丰度可能比它们的相对频率更重要。

在拟杆菌门中,本研究鉴定出普氏菌科的四个属。之前的研究已经将这一群体与包括肥胖在内的心血管疾病风险因素联系起来35,36和糖尿病3739,但所报告的关联方向不一致。例如,福雷特及其同事发现,与非肥胖人群相比,肥胖人群中普雷沃菌群的发病率有所下降。35这与Zhang及其同事的发现形成了对比,他们报告了Prevoteleceae家族在肥胖人群中的富集程度,而非肥胖人群中则有所增加。36同样,Alkanani和Larsen发现糖尿病患者与对照组相比,普雷维菌科增加38,39Fugmann及其同事发现,与对照组相比,妊娠期糖尿病妇女中普里沃菌科的比例过高。37目前的研究确定了普氏菌科中具有不同影响的属;一些患者的心血管疾病风险状况增加,另一些患者的风险状况降低。鉴于在这个系统发育家族中既有有益的属也有有害的属,我们的数据可能再次表明,过去的不一致可能是由于在更高的分类学水平上将不同的属分组而导致的。此外,我们的研究结果表明,普雷伯菌科与心血管疾病危险因素的终生负担之间的关系独立于BMI。虽然先前的研究也确定了与糖尿病的关系,但我们不知道先前的报告表明普雷伯菌科与心血管病危险因素之间的关系可能是独立的BMI。在对中心性肥胖症的测量进行调整后,这种关系是否仍然存在尚不清楚。另外一个属,未知细菌细菌门S24-7家族,也从拟杆菌门中鉴定。据作者所知,这是首次将该属与CVD风险联系起来的研究。

我们的研究结果表明,在当前的研究中,厚壁菌门的八个属与终身CVD风险有关。在Lachnospiraceae家族中,我们确定了在具有高寿命CVD风险特征的物种中富集的属,例如泰泽雷拉,泰泽雷拉4号,Coprococcus 2型以及那些在低CVD风险组中丰富的,包括瘤胃球菌与本文报道的发现类似,Zhang及其同事从Lachnospiraceae家族中确定了某些分类群,这些分类群在2型糖尿病患者中富集,而其他分类群在正常对照中富集。40从维氏菌科,属巨单胞菌属大球星与终身CVD风险相关。巨单胞菌属此前有报道称与2型糖尿病呈负相关。40在调整BMI后,我们观察到与终身CVD风险状况存在类似的负相关。这个属类杆菌属白芍科的一个属也与降低终生CVD风险有关,这与Fu及其同事报告的该科一个属与BMI呈负相关的结果相似。11此外,该属克里斯滕菌科R-7来自Christensenellaceae家族,之前与CVD风险相关表型无关。需要进一步研究来证实这种关联。

我们发现了变形杆菌门的两个属,地中海螺旋体肠杆菌,是真古宙门的一个,甲烷重整器,与当前研究中终身CVD风险增加相关。这些发现与在人类和小鼠研究中与许多心脏代谢特征相关的变形杆菌属的报道一致。38,41例如,阿尔卡纳尼和他的同事显示,地中海螺旋体与1型糖尿病之间存在负相关38,同时肠杆菌属实验表明,在小鼠模型中增加肥胖风险。41 甲烷重整器是目前研究中评估的古生菌领域中唯一的一个属,之前也被认为影响心血管疾病风险,主要是通过其与肥胖的关联。36,42研究人员推测,该分类单元可能通过其在增加多糖发酵导致肥胖增加中的作用而增加肥胖风险,并在动物模型中找到了支持。42目前的研究发现甲烷杆菌与低风险参与者相比,具有高终身心血管疾病风险特征的参与者。虽然这些发现与BMI无关,但在分析中考虑饮食时,关联性完全减弱。这些数据表明地中海螺旋体,肠杆菌,甲烷杆菌可能会被饮食因素搞糊涂。据作者所知,这是第一次在分析中调整饮食因素的研究。

目前的研究有几个重要优势。纵向BHS设计提供了一个独特的机会来检查微生物群与CVD风险因素的终生负担之间的关系。使用仔细收集的收缩压、低密度脂蛋白胆固醇和葡萄糖测量值,从大约33年的随访中平均进行了9次研究访问,以评估CVD风险状况。此外,使用严格的方案收集粪便样本,按照人类微生物组项目规定的指南进行测序和下游分析。21然而,还应解决某些限制。这项研究是在一个相对较小的BHS参与者子样本中进行的。样本量小可能限制了我们检测其他重要微生物群的统计能力,并可能是阿尔法多样性测量与心血管疾病风险之间适度显著关联的原因。此外,由于粪便样本的采集发生在确定终身CVD风险状况之后,因此不可能描述所观察到的微生物群与终身CVD危险相关性之间的时间关系。鉴于这些发现的暂时性,有必要在独立样本中复制结果。此外,还需要进行前瞻性研究,以确认确认的微生物群的存在是否先于CVD风险状况的改变。最后,16S rRNA测序通常不能提供超出属水平的测序分辨率,也不能进行直接的功能分析。因此,目前的研究在识别可能影响CVD风险的特定微生物种类和生物途径方面能力有限。未来的研究,利用鸟枪基因组DNA测序,可以为这一领域提供重要信息。

总之,目前的研究确定了总体微生物群组成和六个微生物类群与终身CVD风险预测的一致关联。与那些终身负担较低的人群相比,终身负担较高的心血管疾病风险因素人群的微生物丰富度下降。已确定的属包括那些具有不同影响的属,其中一些在具有高终生CVD风险的参与者中富集,另一些则贫化,来自拟杆菌门和厚壁菌门。这些横截面数据进一步证明微生物群可能在心血管疾病风险中发挥重要作用。然而,还需要进一步研究微生物组与CVD健康的前瞻性关系。

新颖性和意义

已知内容?

  • 肠道微生物与心血管疾病(CVD)危险因素相关,包括肥胖、2型糖尿病和血脂水平。
  • 三甲胺氧化物代谢物可由肠道微生物群衍生的前体在肝脏中形成,与CVD的发生有关。

这篇文章提供了哪些新信息?

  • 研究结果表明,高与低寿命CVD风险人群的肠道微生物组成存在差异。
  • 拟杆菌门中有两个微生物属,普雷沃菌2普雷沃菌7富集了一个微生物属,异普雷沃氏菌与低CVD风险相比,高CVD风险的人群中的CVD风险降低。
  • 同样,在厚壁菌门中,有两个微生物属,泰泽雷拉泰泽雷拉4,而一个微生物属,类杆菌属与低CVD风险相比,高CVD风险的人群中的CVD风险降低。

很少有研究系统地评估肠道微生物对CVD风险的影响。目前的研究利用了在大约33年的随访中收集到的关于传统CVD风险因素的仔细收集的数据来估计博加卢萨心脏研究参与者的CVD风险。在校正了年龄、性别、种族、体重指数和饮食等重要混杂因素后,评估了肠道微生物群与终身心血管疾病风险预测的相关性。与低CVD风险相比,高CVD风险人群的肠道微生物组成有所不同。在属水平上,有六个分类群与心血管疾病危险因素的终生负担有关。在拟杆菌门中,异普雷沃氏菌与终身CVD风险降低相关,而普雷沃菌2普雷沃菌7与终身CVD风险增加相关。在厚壁菌门中,泰泽雷拉泰泽雷拉4在心血管疾病风险高的人群中得到丰富,而类杆菌属在这个组中被耗尽了。这些数据增加了越来越多的证据,表明微生物群可能在CVD风险中发挥重要作用。如果建立了因果关系,这些发现表明,旨在改变肠道微生物生态的策略,包括改变饮食或补充益生菌,可以用来帮助降低心血管疾病风险。

补充材料

309219R2在线

单击此处查看。(191K,pdf)

致谢

资金来源

本出版物中报告的研究部分得到了国家卫生研究院普通医学研究所的支持,授予编号为P20GM109036,国家卫生研究所老龄化研究所授予编号为R01AG041200。内容完全由作者负责,不一定代表NIH的官方观点。

非标准缩略语和缩写

王牌基于丰度的覆盖估计器
体重指数体质指数
英国石油公司血压
行李处理系统博格卢萨心脏研究
心血管疾病心血管疾病
低密度脂蛋白低密度脂蛋白
OTU(OTU)操作分类单元
QIIME公司微生物生态学的定量研究
SBP公司收缩压

脚注

披露

没有。

工具书类

1Weinstock GM。研究人类微生物群的基因组方法。自然。2012;489:250–256. [PMC免费文章][公共医学][谷歌学者]
2Kuczynski J、Lauber CL、Walters WA、Parfrey LW、Clemente JC、Gevers D、Knight R.研究人体微生物组的实验和分析工具。Nat Rev基因。2012;13:47–58. [PMC免费文章][公共医学][谷歌学者]
三。Turnbaugh PJ、Ley RE、Mahowald MA、Magrini V、Mardis ER、Gordon JI。一种与肥胖相关的肠道微生物组,具有更强的能量获取能力。自然。2006;444:1027–1031.[公共医学][谷歌学者]
4Joyce S、MacSharry J、Casey P、Kinsella M、Murphy E、Shanahan F、Hill C、Gahan C。通过肠道内细菌胆汁酸修饰调节宿主体重增加和脂质代谢。美国国家科学院院刊。2014;111:7421–7426. [PMC免费文章][公共医学][谷歌学者]
5Cani PD、Amar J、Iglesias MA等。代谢性内毒素血症引发肥胖和胰岛素抵抗。糖尿病。2007;56:1761–1772.[公共医学][谷歌学者]
6Moran CP,Shanahan F.肠道微生物群与肥胖:在病因和潜在治疗靶点中的作用。Bailliers Best Pract Res临床胃肠病学。2014;28:585–597.[公共医学][谷歌学者]
7Turnbaugh PJ、Hamady M、Yatsunenko T等。肥胖和瘦双胞胎的核心肠道微生物群。自然。2009;457:480–484. [PMC免费文章][公共医学][谷歌学者]
8Tilg H,Moschen AR。微生物与糖尿病:一种演变的关系。肠子。2014;63:1513–1521.[公共医学][谷歌学者]
9.秦杰,李毅,蔡姿,等。2型糖尿病患者肠道微生物群的全基因组关联研究。自然。2012;490:55–60.[公共医学][谷歌学者]
10Le Chatelier E、Nielsen T、Qin J等。人类肠道微生物群的丰富程度与代谢标记物相关。自然。2013;500:541–546.[公共医学][谷歌学者]
11Fu J、Bonder MJ、Cenit MC等。肠道微生物组在血脂变化中占很大比例。圆形Res。2015;117:817–824. [PMC免费文章][公共医学][谷歌学者]
12Zhang AQ,Mitchell SC,Smith RL。人体三甲胺的膳食前体:一项初步研究。食品化学毒理学。1999;37:515–520.[公共医学][谷歌学者]
13Mitchell SC、Zhang AQ、Smith RL。食品中三甲胺的化学和生物释放。食品化学杂志。2002;15:277–282. [谷歌学者]
14唐WHW,王Z,Levison BS,Koeth RA,Britt EB,Fu X,Wu Y,Hazen SL.磷脂酰胆碱的肠道微生物代谢与心血管风险。N英格兰医学杂志。2013;368:1575–1584. [PMC免费文章][公共医学][谷歌学者]
15Dolphin CT、Janmohamed A、Smith RL、Shephard EA、Phillips IR。含黄素单氧化酶3基因的错义突变,FMO3公司是鱼叉综合征的基础。自然遗传学。1997;17:491–494.[公共医学][谷歌学者]
16Foster TA,Berenson GS.四项儿科心血管疾病危险因素变量横断面调查的测量误差和可靠性——博加卢萨心脏研究。慢性病杂志。1987;40:13–21.[公共医学][谷歌学者]
17Foster TA、Webber LS、Srinivasan SR、Voors AW、Berenson GS。儿童流行病学研究中风险因素变量的测量误差——博加卢萨心脏研究。慢性病杂志。1980;33:661–672.[公共医学][谷歌学者]
18Rockett HR、Breitenbach M、Frazier AL、Witschi J、Wolf AM、Field AE、Colditz GA。青少年饮食频率问卷的验证。前医学。1997;26:808–816.[公共医学][谷歌学者]
19Bucolo G,David H.使用酶定量测定血清甘油三酯。临床化学。1973;19:476–482.[公共医学][谷歌学者]
20Srinivasan SR,Berenson GS。儿童血清脂蛋白和研究方法。收件人:Lewis LA,编辑。CRC电泳手册。第3卷。脂蛋白方法学和人体研究。佛罗里达州博卡拉顿:CRC出版社;1983年,第185-203页。[谷歌学者]
21人类微生物组项目。人类微生物组研究框架。自然。2012;486:215–221. [PMC免费文章][公共医学][谷歌学者]
22人类微生物组项目。健康人体微生物组的结构、功能和多样性。自然。2012;486:207–214. [PMC免费文章][公共医学][谷歌学者]
23Caporaso JG、Lauber CL、Walters WA、Berg-Lions D、Huntley J、Fierer N、Owens SM、Betley J、Fraser L、Bauer M、Gormley N、Gilbert JA、Smith G、Knight R.在illumina hiseq和miseq平台上进行超高通量微生物群落分析。ISME期刊。2012;6:1621–1624. [PMC免费文章][公共医学][谷歌学者]
24埃德加·RC。搜索和聚类数量级比blast更快。生物信息学。2010;26:2460–2461.[公共医学][谷歌学者]
25Caporaso JG、Kuczynski J、Stombaugh J等。Qime允许分析高通量社区测序数据。自然方法。2010;7:335–336. [PMC免费文章][公共医学][谷歌学者]
26Quast C、Pruesse E、Yilmaz P、Gerken J、Schweer T、Yarza P、Pepplies J、Glockner FO。silva核糖体rna基因数据库项目:改进的数据处理和基于网络的工具。核酸研究。2013;41:D590–596。 [PMC免费文章][公共医学][谷歌学者]
27Lozupone CA,Knight R.物种多样性和微生物多样性测量。FEMS微生物版。2008;32:557–578. [PMC免费文章][公共医学][谷歌学者]
28McMurdie PJ,Holmes S.Phyloseq:微生物种群普查数据的可复制交互分析和图形的r包。《公共科学图书馆·综合》。2013;8:e61217。 [PMC免费文章][公共医学][谷歌学者]
29伍尔德里奇J。介绍性计量经济学:现代方法。纳尔逊教育;2015[谷歌学者]
30Xu L,Paterson AD,Turpin W,Xu W.零膨胀微生物组数据竞争模型的评估和选择。《公共科学图书馆·综合》。2015;10:e0129606。 [PMC免费文章][公共医学][谷歌学者]
31Willet WC、Howe GR、Kushi LH。流行病学研究中总能量摄入的调整。美国临床营养学杂志。1997;65:1220S–1228S。[公共医学][谷歌学者]
32Ley R、Turnbaugh PJ、Klein S、Gordon JI。微生物生态学:与肥胖相关的人类肠道微生物。自然。2006;444:1022–1023.[公共医学][谷歌学者]
33Lambeth SM、Carson T、Lowe J、Ramaraj T、Leff JW、Luo L、Bell CJ、Shah VO。糖尿病前期和2型糖尿病患者肠道微生物组的组成、多样性和丰度。糖尿病肥胖杂志。2015;2:1–7. [PMC免费文章][公共医学][谷歌学者]
34Sepp E,Kolk H,Loivukene K,Mikelsaar M。老年人血糖水平升高与体重指数和肠道微生物群相关。Microb生态健康疾病。2014;25 [PMC免费文章][公共医学][谷歌学者]
35Furet J、Kong L-C、Tap J、Poitou C、Basdevant A、Bouillot J-L、Mariat D、Corthier G、Dore J、Henegar C、Rizkalla S、Clement K。人类肠道微生物群对减肥手术诱导的体重减轻的差异适应:与代谢和低度炎症标志物的联系。糖尿病。2010;59:3049–3057. [PMC免费文章][公共医学][谷歌学者]
36Zhang H、DiBaise JK、Zuccolo A、Kudrna D、Braidotti M、Yu Y、Parameswaran P、Crowell MD、Wing R、Rittmann BE、Krajmalnik-Brown R.肥胖和胃旁路术后的人体肠道菌群。美国国家科学院院刊。2009;106:2365–2370. [PMC免费文章][公共医学][谷歌学者]
37Fugmann M,Breier M,Rottenkolber M,Banning F,Ferrari U,Sacco V,Grallert H,Parhofer KG,Seissler J,Clavel T,Lechner A.近期妊娠糖尿病胰岛素抵抗妇女的粪便微生物群,2型糖尿病的高危人群。科学代表。2015;5:13212. [PMC免费文章][公共医学][谷歌学者]
38Alkanani AK、Hara N、Gottlieb PA、Ir D、Robertson CE、Wagner BD、Frank DN、Zipris D。肠道微生物群的改变与1型糖尿病易感性相关。糖尿病。2015;64:3510–3520. [PMC免费文章][公共医学][谷歌学者]
39Larsen N、Vogensen FK、van den Berg FWJ、Nielsen DS、Andreasen AS、Pedersen BK、Al-Soud WA、Sorensen SJ、Hansen LH、Jakobsen M.成人2型糖尿病患者的肠道微生物群与非糖尿病成人不同。《公共科学图书馆·综合》。2010;5:e9085。 [PMC免费文章][公共医学][谷歌学者]
40Zhang X,Shen D,Fang Z,Jie Z,Qiu X,Zhang C,Chen Y,Ji L.人类肠道微生物群的变化揭示了葡萄糖不耐受的进展。《公共科学图书馆·综合》。2013;8:e71108。 [PMC免费文章][公共医学][谷歌学者]
41Fei N,Zhao L.一种从肥胖人体肠道中分离出的条件致病菌导致无菌小鼠肥胖。ISME期刊。2013;7:880–884. [PMC免费文章][公共医学][谷歌学者]
42Million M、Lagier JC、Yahav D、Paul M.肠道菌群与肥胖。临床微生物感染。2013;19:305–313.[公共医学][谷歌学者]