Аутоиммунный гепатит и кишечный микробиом

Аутоиммунный гепатит и микробиом кишечника

Аутоиммунный гепатит: сдвиги в микробиоте кишечника и метаболических путях у египетских пациентов

Резюме: аутоиммунный гепатит (АИГ) - хроническое воспалительное заболевание со сложным иммунопатогенезом. Дисбактериоз был связан со многими аутоиммунными заболеваниями, но его детальная роль в аутоиммунном гепатите (АИГ) все еще нуждается в тщательной оценке, особенно в Египте. Мы ставили своей целью выявить сдвиг в профиле микробиоты кишечника и результирующих метаболических путях у пациентов с АИГ египетского происхождения по сравнению со здоровыми людьми. Образцы стула были взяты у 15 наивных пациентов с АИГ и у 10 здоровых лиц. Гипервариабельные области V3-V4 в гене 16S рРНК амплифицировали и секвенировали с использованием платформы Illumina MiSeq. Выявлено значительно меньшее бактериальное разнообразие у пациентов с АИГ по сравнению с контрольной группой. Анализ на уровне типов показал чрезмерную представленность Firmicutes, Bacteroides и Proteobacteria. На уровне рода сообщалось об ассоциированном с АИГ обогащении Faecalibacterium, Blautia, Streptococcus, Haemophilus, Bacteroides, Veillonella, Eubacterium, Lachnospiraceae и Butyricicoccus, в отличие от Prevotella, Parabacteroides и Dilaster, которые были значительно ретрактированы у таких пациентов. В целом, предсказанные метаболические пути, связанные с дисбактериозом у пациентов с АИГ, могли бы организовать потенциальную патогенную роль кишечной микробиоты в аутоиммунных заболеваниях, хотя и не специфичным для болезни образом, что требует будущих крупномасштабных исследований.

1. Введение

Аутоиммунный гепатит (АИГ) - это хроническое иммуноопосредованное воспалительное заболевание печени неопределенной причины [1]. Гистологически он характеризуется сопутствующим гепатитом и наличием плазматических клеток, биохимически - наличием повышенного уровня сывороточных трансаминаз, а серологически - повышенным уровнем иммуноглобулина G (IgG) с наличием повышенных аутоантител [2].

АИГ может поражать любые возрастные группы, причем АИГ 1-го типа чаще встречается у взрослых. Он чаще встречается у женщин с соотношением 3,5 к одному и в сочетании с другими аутоиммунными заболеваниями [3]. Клиническая тяжесть и исходы АИГ, по-видимому, различаются между этническими популяциями из-за различий в генетических, диетических и экологических условиях. Прогрессирующий фиброз печени встречается у 25% больных [4].

Иммунопатогенез АИГ сложен и остается нерешенным. Основной целевой антиген (антиген-мишень) у большинства взрослых с аутоиммунным гепатитом неизвестен, будучи нераспознанным аутоантигеном или чужеродным антигеном, который напоминает аутоантиген. Он может вызвать заболевание или повысить восприимчивость к нему, искажая компоненты врожденных и адаптивных иммунных реакций в направлении провоспалительного и аутореактивного профиля [1].

Участки слизистой оболочки кишечника человека находятся под влиянием окружающей среды и являются местами, где миллионы микробных жителей возникли как уникальный орган, который постоянно формирует иммунитет и метаболизм хозяина. Эти комменсальные бактерии и их метаболические побочные продукты образуют резервуар чужеродных антигенов, которые могут взаимодействовать с иммунными клетками слизистой оболочки и влиять на системный иммунный ответ, а также ответственны за благополучие индивида [5]. Последние научные достижения, подкрепленные дополнительно «омическими анализами», имеют решающее значение для получения большого объема данных относительно состава микробиоты [6].

Поскольку печень физиологически подвержена воздействию кишечных микробных компонентов и метаболитов, поскольку 70% ее кровоснабжения происходит из воротной вены, дисбактериоз кишечника был связан со многими заболеваниями печени, включая аутоиммунные заболевания печени [7] у экспериментальных животных [8] и у человека [9].

Хотя многое известно о роли кишечной микробиоты при многих системных иммуноопосредованных заболеваниях, их роль в возникновении и поведении аутоиммунного гепатита требует тщательной оценки [10].

Насколько нам известно, имеющиеся данные, связанные с дисбактериозом кишечника и АИГ, остаются ограниченными в нашем регионе. Таким образом, мы стремились выявить сдвиг в профиле кишечной микробиоты и результирующее изменение метаболических путей у египетских пациентов с АИГ по сравнению со здоровыми людьми.

2. Материалы и методы

2.1. Этическое Заявление

Это исследование было одобрено этическим комитетом научных исследований медицинского факультета Университета Асьют (институциональный наблюдательный совет № 17300317/2015) и проводилось в соответствии с принципами Хельсинкской декларации. Полное описательное и информированное согласие было получено от каждого человека до начала отбора проб.

2.2. Дизайн исследования и участники

В исследовании приняли участие 15 пациентов с впервые диагностированным АИГ на основании клинических, серологических и гистологических характеристик, которые были госпитализированы в отделения тропической медицины и гастроэнтерологии университетских больниц Асьют, Египет, с января 2017 по февраль 2018 года. Возраст пациентов колебался от 18 до 36 лет. Диагноз АИГ опирался на пересмотренную в 1999 году Международную группу аутоиммунных гепатитов (IAIHG) с оценкой ≥ 10 [11] и/или упрощенную оценку АИГ 2008 года (IAIHG) с оценкой ≥ 7 «определенный АИГ» [12].

У всех пациентов для сбора данных (например, возраст, пол, сопутствующие заболевания, такие как диабет) были взяты подробные истории болезни и проведено физикальное обследование. Были проведены лабораторные исследования, в том числе тесты функции печени и почек, общий анализ крови и серология гепатита В/С. Критерии исключения включали использование антибиотиков, ингибиторов протонной помпы, стероидов или иммуносупрессивной терапии в течение последнего месяца перед включением, а также любую связь с другими инфекционными или аутоиммунными заболеваниями.

В качестве контроля были отобраны десять здоровых взрослых людей соответствующего возраста, пола и индекса массы тела (ИМТ). Контрольная группа имела ранее нормальные лабораторные показатели и не принимала ни одного из ранее описанных препаратов в течение последнего месяца перед взятием пробы.

2.3. Сбор образцов и извлечение ДНК

Образцы стула отбирали у всех участников в стерильных пластиковых контейнерах и перевозили на льду в Медицинскую исследовательскую лабораторию медицинского факультета Университета Асьют, Египет. Немедленную экстракцию ДНК проводили с использованием набора для очистки ДНК PureLink ™ Microbiome, cat. No. A2979 (Thermofisher Scientific, Waltham, MA, USA) в соответствии с инструкциями производителя. Микроскопическое исследование образцов стула было сделано, чтобы исключить наличие какой-либо паразитарной инфекции.

2.4. Амплификация полимеразной цепной реакцией (ПЦР) и секвенирование областей V3-V4 гена 16S рРНК

Была проведена немедленная амплификация гипервариабельных областей V3-V4 в гене 16S рРНК с помощью ПЦР. Использованные праймеры, которые включали адаптер Illumina и условия циклирования ПЦР, использовали, как сообщалось ранее [13].

Прямой праймер:

5′TCGTCGGCAGCGTCAGATGTGTATAAGAGACAGCCTACGGGNGGCWGCAG3′

Обратный праймер:

5′GTCTCGTGGGCTCGGAGATGTGTATAAGAGACAGGACTACHVGGGTATCTAATCC′.

Размер и качество ампликонов ПЦР проверяли с использованием 1% агарозного геля. Ампликоны очищали с помощью амперных шариков Agencourt XP (BeckamCoulter, Brea, CA, USA). Наконец, ПЦР-ампликоны образцов фекалий и отрицательных контролей были секвенированы с использованием платформы Illumina MiSeq (Illumina, Сан-Диего, Калифорния, США) в IGA Technology Services (Удине, Италия).

2.5. Анализ данных

Все необработанные последовательности, сгенерированные Illumina MiSeq, были обработаны с помощью Quantitative Insights в конвейер Microbial Ecology (QIIME) [14]. Вкратце, прямые и обратные необработанные последовательности были объединены, затем их качество было проверено на предмет удаления некачественных последовательностей (значение показателя Phred ≤30 и ≤460 п.н.), неоднозначных чтений и потенциальных химерных последовательностей. Высококачественные чтения были использованы для генерации оперативных таксономических единиц (OTUs) с использованием UCLUST с сходством 97% [15]. Сценарий pick_closed_reference_otus в QIIME использовался для назначения таксономии OTUs по набору данных SILVA SSU Ref NR v.132.

Кроме того, для прогнозирования функционального потенциала метагеномов был также проведен отбор OTUs по базе данных Greengenes (V 13.8) [16] при идентичности 97%. Полученный файл biom был введен в филогенетическое исследование сообществ путем реконструкции ненаблюдаемых состояний (PICRUSt) путем картирования базы данных Киотской энциклопедии по генологии и геному (KEGG) ортологии (KO) на уровне 2 и 3. Общее таксономическое разнообразие микробиомов кишечника оценивалось с использованием различных Альфа-метрик разнообразия, основанных на видовом богатстве, которое оценивает количество OTUs и индекс разнообразия Шеннона. Бета-анализ разнообразия был выполнен beta_diversity_through_plots.py для оценки как невзвешенной, так и взвешенной матрицы расстояний UniFrac. Основной микробиом нашего набора данных представляет таксоны, которые присутствуют в 80% всех образцов, в то время как основные таксоны для каждой исследуемой группы представляют таксоны, которые были обнаружены в 100% образцов данной группы, определенных с помощью compute_core_microbiome.py. Для определения корреляции членов бактериального сообщества с клиническими метаданными участников был измерен коэффициент корреляции Спирмена для родов, средняя относительная численность которых ≥ 0,29%, с использованием пакета R.

2.6. Статистический анализ

Для выявления либо значительно отличающихся таксонов, либо метаболических путей между больными и здоровыми субъектами использовалось программное обеспечение LEfSe (версия 1.0) (оценки по линейному дискриминационному анализу (LDA) ≥2 и ≥3 для типов и родов соответственно) [17]. Пермутативный многомерный дисперсионный анализ (PERMANOVA) был использован для оценки статистической значимости кластеризации фекальной микробиоты на основе болезней на графиках основного координатного анализа (PCoA). Сценарий QIIME group_significance.py был разработан для определения значимых различий между исследовательскими группами с помощью непараметрического критерия суммы рангов Уилкоксона. Для множественных сравнений p-значения были скорректированы с использованием метода ложного обнаружения (FDR) в R [18]. Интерфейс microbiome analyst использовался для расчета и построения графиков Альфа-анализа разнообразия и корреляционного анализа [19].

2.7. Доступность данных

Необработанные считывания 16S рРНК этого исследования были помещены в архив чтения последовательностей под регистрационным номером PRJNA551761 (https://www.ncbi.nlm.nih.gov/bioproject/551761).

3. Результаты

3.1. Характеристика исследуемой когорты

В исследование были включены пятнадцать пациентов с впервые диагностированным АИГ (три мужчины и 12 женщин со средним возрастом 27 ± 7,5 лет) и 10 здоровых индивидов контрольной группы (три мужчины и семь женщин со средним возрастом 29,3 ± 8 лет). Демографические, клинические и лабораторные характеристики пациентов приведены в Таблице 1.

Таблица 1. Демографические, клинические и лабораторные характеристики участников.

Параметры	АИГ (n = 15)	Контроль (n = 10)
Возраст	27 ± 7.5 (18–36)	29.3 ± 8 (19–40)
мужчина / женщина	3/12 (20/80%)	3/7 (30/70%)
Желтуха	7 (46.7%)	NA
Лихорадка	6 (40%)	NA
Асцит	3 (20%)	NA
Тяжесть заболевания Хронический гепатит Цирроз печени	11 (73.3%) 4 (26.7%)	NA
Сывороточный билирубин (мкмоль/л)	19.2 (5.8–86.9)	NA
Альбумин (г/дл)	3.6 ± 0.5	NA
AST (ед./л)	39.1 (12.3–136)	NA
ALT (ед./л)	43 (11.3–315)	NA
ALP (ед./л)	134 (63–301)	NA
WBCs (x109/л) - лейкоциты	11.1 ± 3.7	NA
Hb (г/дл) - гемоглобин	10.2 ± 1.5	NA
PLT (x109/л) - тромбоциты	265 ± 68.2	NA
Протромбиновое время (секунды)	14.5 ± 3.7	NA
INR	1.3 ± 0.3	NA
Креатинин сыворотки крови (мкмоль/л)	50.1 ± 16.8	NA

Номинальные данные выражены в форме частоты (%), в то время как непрерывные данные выражены в виде среднего значения ± стандартное отклонение или медианы и диапазона, в зависимости от ситуации; NA - Нет данных.

3.2. Секвенирование гена 16S рРНК

Платформа Illumina MiSeq произвела 3 465 502 считывания (среднее количество на выборку = 138,620; максимальное количество на выборку = 500,834 и минимальное количество на выборку = 66,601), затем они были проверены на качество и отфильтрованы, и, наконец, 2 841 712 считываний были использованы для последующего анализа, включая назначение таксономии, профилирование и анализ биоразнообразия.

3.3. Отчетливое снижение микробного разнообразия микробиомов АИГ

Альфа-биоразнообразие бактериальных сообществ кишечника оценивалось с использованием обоих индексов богатства и равномерности. Интересно, что микробиота при АИГ характеризовалась значительно меньшим бактериальным разнообразием, чем у контрольной группы, с точки зрения наблюдаемых видов и индекса разнообразия Шеннона (Kruskal–Wallis, p = 2,29×10-4) (рис.1А). Аналогичным образом, структура кишечной микробиоты с точки зрения бета-разнообразия также значительно повлияла на характерную болезнетворную кластеризацию фекальной микробиоты, особенно Prevotella и Veillonella (Adonis: r2 = 0,042; p ≤0,001) (рис.1B).

Рисунок 1. Анализ бактериального разнообразия кишечной микробиоты. (A) Альфа-индекс разнообразия (индекс разнообразия Шеннона) был представлен в виде рамок (a) для каждой исследовательской группы. Медиана была определена как линия внутри каждого прямоугольника, в то время как межквартильный диапазон (IQR) между 25-м и 75-м процентилем был ограничен внешним прямоугольником. Ось X показывает учебные группы, а ось Y представляет индекс Шеннона. Был оценен непараметрический критерий суммы рангов Уилкоксона, чтобы подчеркнуть статистическую значимость парных сравнений, которая была обозначена как (ns <1), *** p <0,001. (B) Анализ основных координат (PCoA) на основе взвешенной матрицы расстояний UniFrac структур кишечного микробного сообщества для пациентов и контролей. Первая и вторая координаты отображались по осям X и Y соответственно. Различия в сообществах объяснялись процентным содержанием в скобках по каждой оси 34,7% и 26,1% соответственно. Эллипсы указывают на значительную кластеризацию (р-значение <0,001, перестановочный многомерный дисперсионный анализ (PERMANOVA)) в соответствии с возрастом. Зеленые и красные кружки обозначают здоровых людей и пациентов с аутоиммунным гепатитом соответственно.

3.4. Замечательный таксономический профиль кишечной микробиоты и сигнатуры специфической для болезни микробиоты

Таксономический профиль микробиомов кишечника в обеих исследуемых группах демонстрировал заметные закономерности на разных таксономических уровнях, особенно на родовом и видовом уровнях. В общей сложности во всех наборах данных были обнаружены: тип (23), класс (57), порядок (124), семейство (246), род (621) и OTUs (5278). Анализ уровня типов показал чрезмерную представленность Firmicutes, Bacteroides и Proteobacteria (что составляет около 98,31% всех считываний) (Рисунок 2). Независимо от состояния здоровья, соотношение Firmicutes/Bacteroides (F/B) было значительно изменчивым между образцами. С другой стороны, соотношение F/B у лиц с АИГ было достоверно связано с общим билирубином (F/B = 1,72, р = 0,001).

На уровне рода общая представленность наиболее обильных родов (выявленная при относительном обилии ≥ 0,11 считываний) показала ассоциированное с болезнью обогащение некоторых родов (Рис.3). Например, роды Faecalibacterium, Blautia, Streptococcus (принадлежащие к типу Firmicutes), Bacteroides (принадлежащие к типу Bacteroidetes) и Haemophilus (принадлежащие к типу Proteobacteria) были заметно обогащены у пациентов с АИГ в отличие от Prevotella, Parabacteroides (тип Bacteroidetes) и Dilaster (тип Firmicutes), которые были значительно сокращены у таких пациентов (Рис.3). Кроме того, линейный дискриминантный анализ (LDA), основанный на LEfSe, выявил значительное дифференцирующее обогащение Veillonella, Eubacterium, Lachnospiraceae и Butyricicoccus (все они являются членами типа Firmicutes) в группе АИГ.

Исследуемые таксоны или OTUs, которые были разделены между всеми образцами или между каждой исследовательской группой, идентифицировали различные бактериальные сигнатуры для каждого состояния здоровья. Примечательно, что в качестве основных микробиомов было обнаружено 23 рода для всех наборов данных, которые включали OTUs, связанные с основными типами, в дополнение к таксонам с низкой численностью, таким как Lachnoclostridium (таблица 2).

Рисунок 2. Анализ уровня типов кишечной микробиоты среди исследуемых групп. Гистограммы обозначают относительную представленность наиболее распространенных типов в фекальном микробиоме пациентов с АИГ и здоровых контрольных групп.

Рисунок 3. Роды, которые существенно различались между исследуемыми группами. Бокс-графики отображают доминирующие роды, которые были обнаружены со значительными различиями в численности между исследуемыми возрастными группами. Звездочками отмечены значимые различия (ns, p > 1; * p < 0,05; ** p < 0,01).

Таблица 2. Ядро и общие роды во всем наборе данных.

Основные роды для набора данных	Контроль	АИГ
Prevotella 9	Lachnospiraceae UCG 004	Группа Clostridium innocuump
Bacteroides	Pseudobutyrivibrio	Erysipelatoclostridium
Группа Ruminococcus gnavus	Shimwellia	Lactobacillus
Faecalibacterium	Haemophilus	Некультивир. Ruminococcus 1
Escherichia/Shigella	Группа Eubacterium hallii	Coprococcus 2
Lachnoclostridium	Ruminococcaceae UCG 002	Группа Eubacterium coprostanoligenes
Agathobacter	Группа Eubacterium ruminantium	Bifidobacterium
Phascolarctobacterium	Группа Lachnospiraceae NK4A136	Holdemanella
Blautia Enterobacter	Parabacteroides	Кишечная группа Rikenellaceae RC9
Streptococcus	Ruminococcaceae UCG 003	Dorea
Anaeroplasma	Parasutterella	Группа Prevotellaceae NK3B31
Megasphaera	Группа Christensenellaceae R7	Veillonella
Megamonas	Coriobacteriaceae UCG 003	Ruminococcus 1
Roseburia		Butyricicoccus
Collinsella
Lachnospira
Catenibacterium
Subdoligranulum
Fusobacterium
Flavonifractor
Ruminococcaceae UCG 013
Dialister
Группа Ruminococcus torques

3.5. Функциональный профиль микробиоты кишечника

PICRUSt был использован для вывода о коллективном функциональном потенциале кишечных метагеномов. В целом, 23 метаболических пути, связанных с клеточным процессом, метаболизмом аминокислот и метаболизмом липидов, были дифференцированно представлены у пациентов с АИГ в отличие от здоровых контрольных групп (оценка LDA >2,0, Р < 0,05) (дополнительная таблица S1). Примечательно, что чрезмерная представленность метаболизма бутирата, триптофана, жирных кислот с разветвленной цепью, пантотената и кофермента А в микробных сообществах была связана с АИГ. Кроме того, метаболические модули, связанные с пролином и аргинином, были значительно недопредставлены.

3.6. Микробно-микробные взаимодействия, тесно связанные с патогенезом АИГ

Переменные межобщинные взаимодействия проявлялись на разных таксономических уровнях. Заметное положительное сосуществование было обнаружено между различными таксонами, которые образовывали отдельные блоки (дополнительный рисунок S1). Например, на уровне рода Coprococcus, Eubacterium, Ruminococcus и Roseburia представляют наиболее сильную корреляцию во всем наборе данных. Более того, этот кластер родов был относительно коррелирован с Barnesiella и другими представителями Prevotella. Кроме того, анализ уровня типов заметно определил межобщинную конкуренцию, особенно между наиболее многочисленными типами.

4. Обсуждение

Была отмечена очевидная связь между дисбактериозом и аутоиммунным гепатитом человека [8,9]. Основная неопределенность заключалась в том, был ли дисбактериоз причиной или следствием заболевания. Это нарушение было связано с повышенной проницаемостью слизистого барьера желудочно-кишечного тракта и транслокацией полученных из кишечника микробных продуктов в системный кровоток [9].

В настоящем исследовании АИГ встречался преимущественно у женщин, Как сообщалось ранее [20]. Выдающееся снижение бактериального разнообразия было значительно отмечено в микробиомах АИГ в отношении равномерности и богатства (Kruskal–Wallis, p = 2,29 × 10-4). Аналогично, кишечная микробиота наивных АИГ, получавших стероидную терапию, характеризовалась более низким Альфа-разнообразием (Шеннон и наблюдаемые операционные таксономические единицы, оба р < 0,01) и отчетливым общим микробным составом по сравнению со здоровыми контрольными группами (р = 0,002) [21]. Интересно, что очевидное снижение микробного разнообразия наблюдалось при многих аутоиммунных заболеваниях, таких как диабет I типа [22], ревматоидный артрит [23] и воспалительные заболевания кишечника [24]. Кроме того, межиндивидуальные вариации в нашем наборе данных могут быть главным образом связаны с энтеротипами, уровнем индекса массы тела (ИМТ) и внешними факторами, такими как образ жизни, частота физических упражнений, этническая принадлежность, а также диетические и культурные привычки [25].

Кроме того, зависимая от заболевания кластеризация микробиомов была выделена на графике PCoA, который был в основном обусловлен Prevotella и Veillonella (Adonis: r2 = 0,042; p ≤0,001). В соответствии с этим сообщалось, что Veillonella увеличивается у пациентов с сахарным диабетом I типа [22] и болезнью Крона [26]. Была доказана значительная корреляция между относительной распространенностью Veillonella и маркерами воспаления (например, h-CRP), что указывает на её роль при псориазе (аутоиммунном заболевании кожи) [27]. В дополнение к доказательствам связи с несколькими воспалительными состояниями, мышиные модели продемонстрировали центральную роль Veillonella в стимуляции воспаления или нарушения иммунного гомеостаза в кишечнике и за его пределами [28]. Взятые вместе, вполне вероятно, что Veillonella spp. способствовала активации воспаления печени, хотя эффект может быть не специфичным для заболевания [21]. Напротив, она была повышена у пациентов с системной красной волчанкой (СКВ) [29].

Ранее также сообщалось, что избыточная представленность Firmicutes, Bacteroidetes и Proteobacteria во всем наборе данных (что составляет около 98,31% всех считываний) была наиболее заметной среди пациентов с псориазом и контролем [27]. Хотя соотношение Firmicutes/Bacteroidetes (F/B) было значительно изменчивым между образцами в настоящем исследовании, независимо от состояния здоровья, соотношение F/B пациентов с АИГ было значительно связано с общим билирубином, так как многие виды, метаболизирующие желчные кислоты, принадлежат к типу Firmicutes [30]. За исключением исследования системной красной волчанки [5], соотношение B/F не было увеличено при других аутоиммунных заболеваниях, что согласуется с данным исследованием.

В соответствии с исследованием рассеянного склероза, Veillonella, Eubacterium, Lachnospiraceae и Butyricicoccus были значительно обогащены у пациентов с АИГ [31].

Кроме того, мы сообщили об увеличении доли родов Haemophilus и Blautia и уменьшении количества Parabacteroides. В отличие от этого исследования, предыдущее исследование продемонстрировало значительное снижение содержания бифидобактерий и лактобактерий у пациентов с АИГ по сравнению со здоровыми субъектами, в то время как у Escherichia coli и Enterococcus изменений не наблюдалось [9].

Степень дисбактериоза различается в зависимости от течения заболевания, будь то ремиссия или рецидив. В соответствии с результатами этого исследования некоторые роды, такие как Blautia, Dorea и Haemophilus, были обогащены у пациентов с рецидивирующим и ремиттирующим рассеянным склерозом (RRMS) [32].

Существует очень сложное взаимодействие хозяина и микробиоты, что очень затрудняет понимание влияния дисбактериоза на возникновение аутоиммунитета. Вид может нуждаться в помощи других микробов, чтобы произвести эффект, тем самым не будучи виновником эффекта, или различные штаммы могут отличаться по своей способности влиять на развитие аутоиммунного заболевания, как при аутоиммунном диабете [33]. Более того, генетика хозяина может быть решающим фактором в способности организма производить определенный эффект [34]. Кроме того, микробиота может вызывать противоположные эффекты в различных ситуациях [33].

Важным открытием является увеличение доли рода Faecalibacterium и бактерий, продуцирующих бутират, таких как Butyricicoccus, Ruminococcaceae (также называемых клостридиальным кластером IV) и Lachnospiraceae (также называемых клостридиальным кластером XIVa) [35], которые были определены как члены основного микробиома в этом исследовании, в дополнение к чрезмерной представленности метаболических модулей, связанных с метаболизмом бутирата у субъектов с АИГ. Хотя относительно большая группа клостридий может индуцировать Тreg-клетки, неизвестно, делают ли это некоторые члены группы лучше, чем другие, или для индуцирования ответа необходим целый микробный консорциум [36]. Faecalibacterium spp. хорошо известны своей продукцией противовоспалительных молекул, а также бутирата, которые могли бы предотвратить системные иммунные реакции [37]. Хорошо известна роль бутирата в проницаемости и целостности желудочно-кишечного тракта, а также в развитии периферической толерантности за счет продукции регуляторных Treg-клеток [38]. Удивительно, но недавно сообщалось, что бутират и другие SCFAs играют двойную роль в патогенезе моделей аутоиммунных заболеваний, улучшая степень тяжести лимфоцитарно-опосредованного системного аутоиммунного воспаления (при коллаген-индуцированном артрите, и экспериментальном аутоиммунном энцефалите посредством снижения Th1-клеток и увеличения регуляторных Т-клеток) и, с другой стороны, преувеличивая эффекторную фазу воспаления при ревматоидном артрите. Сообщалось, что бутират неожиданно усиливает врожденное клеточно-опосредованное воспаление, усиливая развитие антитело-индуцированного артрита у мышей и увеличивая тяжесть заболевания клинически и гистологически [39]. Было также обнаружено, что перорально вводимые SCFAs увеличивают Th17 у мышей [38,39]. Это полностью отличается от предыдущего исследования, демонстрирующего, что лечение бутиратом снижает продукцию провоспалительных цитокинов IL-6 и IL-1β и увеличивает продукцию IL-10 из ЛПС-стимулированной мышиной клеточной линии макрофагов [40].

Хотя хорошо известно, что бутират восстанавливает и усиливает барьерную функцию кишечных эпителиальных клеток многими механизмами [41], модели in vitro показали, что влияние бутирата на барьерную функцию кишечника может зависеть от концентрации [42]. То есть при низких концентрациях (≤ 2 mM) он способствует барьерной функции кишечника [43], в то время как при высоких концентрациях (5 или 8 mM) он может нарушать такую барьерную функцию, индуцируя апоптоз эпителиальных клеток [42]. Кроме того, модуляция кишечной эпителиальной клеточно-опосредованной миграции нейтрофилов в очаги воспаления также зависит от концентрации [44]. Таким образом, обогащение многих продуцирующих бутират членов микробиома пациентов с АИГ в данном исследовании, вероятно, приводит к образованию высоких концентраций бутирата, нарушающих барьерные функции кишечника и опосредованную эпителиальными клетками миграцию нейтрофилов, способствующих патогенезу заболевания.

Патогенез АИГ до конца не ясен, хотя основным фактором считается генетическая предрасположенность [45]. Острые вспышки АИГ обусловлены врожденными иммунными реакциями, такими как естественные киллерные (NK) клетки и врожденные лимфоидные клетки, в то время как хронический активный АИГ характеризуется эффекторным CD4⁺ и CD8⁺ T-клеточным иммунным ответом [46]. В нормальных условиях иммунный ответ на аутоантигены не вызывается из-за иммунной толерантности. Как только аутоантиген печени распознается, наивные Т-клетки активируются и дифференцируются в Th1, Th2 или Th17 клетки, в зависимости от иммунологического микроокружения и природы антигена, и инициируется иммунная реакция. Th17-клетки считаются основной причиной аутоиммунных заболеваний печени. Эти клетки также могут подавлять Tregs [47]. Поскольку многие продуцирующие бутират бактерии были обогащены среди микробиоты пациентов с АИГ в этом исследовании, вероятная высокая концентрация результирующего бутирата может увеличить TH17, как ранее сообщалось у мышей [38,39].

Парадоксально отметить, что семейство Coriobacteriaceae, которое было связано с метаболизмом желчных кислот [48], было в изобилии втянуто в АИГ по сравнению со здоровыми контрольными группами. Удивительно, но избыточная представленность эубактерий (Eubacterium) и их положительная корреляция с уровнем билирубина в АИГ могут рассматриваться как компенсаторная реакция на истощение кориобактерий (Coriobacteriaceae) у испытуемых АИГ [49]. Кроме того, было обнаружено, что Bacteroides, Clostridium, Lactobacillus, Bifidobacterium и Eubacterium были обогащены среди пациентов с АИГ в этом исследовании. Они влияют на метаболизм желчных кислот через различные пути, повышая возможность компенсаторного механизма, играемого кишечной микробиотой, чтобы справиться с повышенным уровнем желчных кислот у пациентов с АИГ, поддерживая измененную перекрестную связь печень-микробиота-желчная кислота [50].

Что касается ключевых метаболических изменений среди пациентов с АИГ в этом исследовании, метаболические пути, связанные с клеточным процессом, метаболизмом аминокислот и метаболизмом липидов, были дифференциально перепредставлены у пациентов с АИГ в отличие от здоровых контрольных пациентов. Валин, лейцин и изолейцин являются аминокислотами с разветвленной цепью (BCAA), которые регулируют многие ключевые сигнальные пути, участвуют в барьерной функции кишечника и активируют врожденные и адаптивные иммунные ответы [51]. Метаболизм таких BCAA, в дополнение к пути биосинтеза пантотената и кофермента A, был значительно увеличен в группе АИГ в этом исследовании. Согласно предыдущему исследованию, сообщалось об увеличении связанных с циррозом белков, связанных с двумя метаболическими путями: map00290 (биосинтез валина, лейцина и изолейцина) и map00770 (биосинтез пантотената и коэнзима A) [52].

В целом, исследование Chang et al. [53] сообщили о сходных изменениях экспериментально индуцированного фиброза печени у крыс, где изменения происходили во время инициации и прогрессирования фиброза печени. В результате точная модуляция метаболизма аминокислот может играть важную роль в профилактике или лечении аутоиммунных заболеваний [54]. Кроме того, метаболизм триптофана был значительно отмечен в группе АИГ в текущем исследовании, что соответствует недавнему исследованию, гарантирующему, что нарушение метаболизма триптофана кишечной микробиотой было связано с восприимчивостью к воспалению толстой кишки [55]. Что касается метаболизма аргинина (Arg) и пролина, то оба они были значительно выше среди контрольных групп в этом исследовании. Это согласуется с известными функциями метаболизма Arg как критического регулятора иммунных реакций, помимо модуляции продукции антимикробных эффекторов и направления активности Т-клеток [56].

Кроме того, неправильная активация пути аргинина для производства цитруллина может усиливать иммунную реакцию против любых цитруллинированных белков и, таким образом, участвовать во многих расстройствах, включая аутоиммунные заболевания [54].

В настоящем исследовании одним из важных углеводных метаболических путей, значительно увеличенных в группе АИГ, является метаболизм пирувата. Пируват может быть преобразован в ацетил-КоА (который питает цикл трикарбоновых кислот и ведет к липогенезу) или оксалоацетат (который приводит к глюконеогенезу) с помощью двух разных ферментов. Недавно было сообщено, что таргетирование молекул в этих путях было обнаружено для лечения неалкогольного стеатогепатита (НАСГ) [57].

Улучшение наших знаний о влиянии кишечного микробного метаболизма на здоровье печени может помочь в разработке новых мероприятий, направленных на микробиоту

Несмотря на относительно небольшой размер выборки, результаты идут параллельно с результатами других более крупных исследований, проливая свет на некоторые измененные метаболические пути. Это единственное исследование в Египте, посвященное обсуждению этого вопроса, который также обычно не изучается во всем мире, что повышает ценность работы.

5. Выводы

Это экспериментальное исследование показывает явные доказательства связи между АИГ-дискриминативными таксонами микробиоты и метаболическими путями. Хотя предсказанные метаболические возможности кишечной микробиоты не были специфичны для конкретного заболевания, они относятся к потенциальной роли в патогенезе аутоиммунного процесса. Это требует дальнейших крупномасштабных исследований в дополнение к наблюдению за пациентами с АИГ для оценки прогресса тяжести заболевания.

К разделу: Микрофлора и аутоиммунные заболевания

См. дополнительно: Связь микробиоты кишечника и заболеваний печени

Литература

1. Czaja, A.J. Transitioning from Idiopathic to Explainable Autoimmune Hepatitis. Digest. Dis. Sci. 2015, 2881–2900. doi:10.1007/s10620-015-3708-7.
2. Czaja, A.J.; Donaldson, P.T. Gender Effects and Synergisms with Histocompatibility Leukocyte Antigens in Type 1 Autoimmune Hepatitis. Am. J. Gastroenterol. 2002, 97, 2051–2057. doi:10.1111/j.1572-0241.2002.05921.x.
3. Muratori, P.; Fabbri, A.; Lalanne, C.; Lenzi, M.; Muratori, L. Autoimmune Liver Disease and Concomitant Extrahepatic Autoimmune Disease. Eur. J. Gastroenterol. Hepatol. 2015, 27, 1175–1179. doi:10.1097/MEG.0000000000000424.
4. Czaja, A.J.; Carpenter, H.A. Progressive Fibrosis during Corticosteroid Therapy of Autoimmune Hepatitis. Hepatology 2004, 39, 1631–1638. doi:10.1002/hep.20235.
5. Sánchez, B.; Hevia, A.; González, S.; Margolles, A. Interaction of Intestinal Microorganisms with the Human Host in the Framework of Autoimmune Diseases. Front. Immunol. 2015, 6. doi:10.3389/fimmu.2015.00594.
6. Almonacid, D.E.; Kraal, L.; Ossandon, F.J.; Budovskaya, Y.V.; Cardenas, J.P.; Bik, E.M.; Goddard, A.D.; Richman, J.; Apte, Z.S. 16S RRNA Gene Sequencing and Healthy Reference Ranges for 28 Clinically Relevant Microbial Taxa from the Human Gut Microbiome. PLoS ONE 2017, 12. doi:10.1371/journal.pone.0176555.
7. 7.      Trivedi, P.J.; Adams, D.H. Mucosal Immunity in Liver Autoimmunity: A Comprehensive Review. J. Autoimm. 2013, 97–111. doi:10.1016/j.jaut.2013.06.013.
8. Yuksel, M.; Wang, Y.; Tai, N.; Peng, J.; Guo, J.; Beland, K.; Lapierre, P.; David, C.; Alvarez, F.; Colle, I.; et al. A Novel “Humanized Mouse” Model for Autoimmune Hepatitis and the Association of Gut Microbiota with Liver Inflammation. Hepatology 2015, 62, 1536–1550. doi:10.1002/hep.27998.
9. Lin, R.; Zhou, L.; Zhang, J.; Wang, B. Abnormal Intestinal Permeability and Microbiota in Patients with Autoimmune Hepatitis. Int. J. Clin. Exp. Pathol. 2015, 8, 5153–5160.
10. 10.  Czaja, A.J. Factoring the Intestinal Microbiome into the Pathogenesis of Autoimmune Hepatitis. World J. Gastroenterol. 2016, 9257–9278. doi:10.3748/wjg.v22.i42.9257.
11. Alvarez, F.; Berg, P.A.; Bianchi, F.B.; Bianchi, L.; Burroughs, A.K.; Cancado, E.L.; Chapman, R.W.; Cooksley, W.G.E.; Czaja, A.J.; Desmet, V.J.; et al. International Autoimmune Hepatitis Group Report: Review of Criteria for Diagnosis of Autoimmune Hepatitis. J. Hepatol. 1999, 31, 929–938. doi:10.1016/S0168-8278(99)80297-9.
12. Hennes, E.M.; Zeniya, M.; Czaja, A.J.; Parés, A.; Dalekos, G.N.; Krawitt, E.L.; Bittencourt, P.L.; Porta, G.; Boberg, K.M.; Hofer, H.; et al. Simplified Criteria for the Diagnosis of Autoimmune Hepatitis. Hepatology 2008, 48, 169–176. doi:10.1002/hep.22322.
13. Ramadan, M.; Solyman, S.; Taha, M.; Hanora, A. Preliminary Characterization of Human Skin Microbiome in Healthy Egyptian Individuals. Cell. Mol. Biol. 2016, 62, 21–27. doi:10.14715/cmb/2016.62.8.4.
14. Caporaso, J.G.; Kuczynski, J.; Stombaugh, J.; Bittinger, K.; Bushman, F.D.; Costello, E.K.; Fierer, N.; Pẽa, A.G.; Goodrich, J.K.; Gordon, J.I.; et al. QIIME Allows Analysis of High-Throughput Community Sequencing Data. Nat. Methods 2010, 335–336. doi:10.1038/nmeth.f.303.
15. 15.  Edgar, R.C.; Bateman, A. Search and Clustering Orders of Magnitude Faster than BLAST. Bioinform. Appl. NOTE 2010, 26, 2460–2461. doi:10.1093/bioinformatics/btq461.
16. McDonald, D.; Price, M.N.; Goodrich, J.; Nawrocki, E.P.; Desantis, T.Z.; Probst, A.; Andersen, G.L.; Knight, R.; Hugenholtz, P. An Improved Greengenes Taxonomy with Explicit Ranks for Ecological and Evolutionary Analyses of Bacteria and Archaea. ISME J. 2012, 6, 610–618. doi:10.1038/ismej.2011.139.
17. Segata, N.; Waldron, L.; Ballarini, A.; Narasimhan, V.; Jousson, O.; Huttenhower, C. Metagenomic Microbial Community Profiling Using Unique Clade-Specific Marker Genes. Nat. Methods 2012, 9, 811–814. doi:10.1038/nmeth.2066.
18. Benjamini, Y.; Hochberg, Y. Controlling the False Discovery Rate: A Practical and Powerful Approach to Multiple Testing. J. R. Stat. Soc. Ser. B Methodol. 1995, 57, 289–300.
19. Dhariwal, A.; Chong, J.; Habib, S.; King, I.L.; Agellon, L.B.; Xia, J. MicrobiomeAnalyst: A Web-Based Tool for Comprehensive Statistical, Visual and Meta-Analysis of Microbiome Data. Nucleic Acids Res. 2017, 45, W180–W188. doi:10.1093/nar/gkx295.
20. Czaja, A.J. Global Disparities and Their Implications in the Occurrence and Outcome of Autoimmune Hepatitis. Digest. Dis. Sci. 2017, 2277–2292. doi:10.1007/s10620-017-4675-y.
21. Wei, Y.; Li, Y.; Yan, L.; Sun, C.; Miao, Q.; Wang, Q.; Xiao, X.; Lian, M.; Li, B.; Chen, Y.; et al. Alterations of Gut Microbiome in Autoimmune Hepatitis. Gut 2020, 69, 569–577. doi:10.1136/gutjnl-2018-317836.
22. Alkanani, A.K.; Hara, N.; Gottlieb, P.A.; Ir, D.; Robertson, C.E.; Wagner, B.D.; Frank, D.N.; Zipris, D. Alterations in Intestinal Microbiota Correlate with Susceptibility to Type 1 Diabetes. Diabetes 2015, 64. doi:10.2337/db14-1847.
23. Chen, J.; Wright, K.; Davis, J.M.; Jeraldo, P.; Marietta, E.V.; Murray, J.; Nelson, H.; Matteson, E.L.; Taneja, V. An Expansion of Rare Lineage Intestinal Microbes Characterizes Rheumatoid Arthritis. Genome Med. 2016, 8. doi:10.1186/s13073-016-0299-7.
24. Alekseyenko, A.V.; Perez-Perez, G.I.; De Souza, A.; Strober, B.; Gao, Z.; Bihan, M.; Li, K.; Methé, B.A.; Blaser, M.J. Community Differentiation of the Cutaneous Microbiota in Psoriasis. Microbiome 2013, 1. doi:10.1186/2049-2618-1-31.
25. Arumugam, M.; Raes, J.; Pelletier, E.; Le Paslier, D.; Yamada, T.; Mende, D.R.; Fernandes, G.R.; Tap, J.; Bruls, T.; Batto, J.M.; et al. Enterotypes of the Human Gut Microbiome. Nature 2011, 473, 174–180. doi:10.1038/nature09944.
26. Gevers, D.; Kugathasan, S.; Denson, L.A.; Vázquez-Baeza, Y.; Van Treuren, W.; Ren, B.; Schwager, E.; Knights, D.; Song, S.J.; Yassour, M.; et al. The Treatment-Naive Microbiome in New-Onset Crohn’s Disease. Cell Host Microbe 2014, 15, 382–392. doi:10.1016/j.chom.2014.02.005.
27. Huang, L.; Gao, R.; Yu, N.; Zhu, Y.; Ding, Y.; Qin, H. Dysbiosis of Gut Microbiota Was Closely Associated with Psoriasis. Sci. China Life Sci. 2019, 62, 807–815. doi:10.1007/s11427-018-9376-6.
28. Manfredo Vieira, S.; Hiltensperger, M.; Kumar, V.; Zegarra-Ruiz, D.; Dehner, C.; Khan, N.; Costa, F.R.C.; Tiniakou, E.; Greiling, T.; Ruff, W.; et al. Translocation of a Gut Pathobiont Drives Autoimmunity in Mice and Humans. Science 2018, 359, 1156–1161. doi:10.1126/science.aar7201.
29. Mendonça, S.M.S.; Corrêa, J.D.; de Souza, A.F.; Travassos, D.V.; Calderaro, D.C.; Rocha, N.P.; Vieira, É.L.M.; Teixeira, A.L.; Ferreira, G.A.; da Silva, T.A. Immunological Signatures in Saliva of Systemic Lupus Erythematosus Patients: Influence of Periodontal Condition. Clin. Exp. Rheumatol. 2019, 37, 208–214.
30. 30.  Ridlon, J.M.; Kang, D.J.; Hylemon, P.B. Bile Salt Biotransformations by Human Intestinal Bacteria. J. Lipid Res. 2006, 241–259. doi:10.1194/jlr.R500013-JLR200.
31. Cekanaviciute, E.; Yoo, B.B.; Runia, T.F.; Debelius, J.W.; Singh, S.; Nelson, C.A.; Kanner, R.; Bencosme, Y.; Lee, Y.K.; Hauser, S.L.; et al. Gut Bacteria from Multiple Sclerosis Patients Modulate Human T Cells and Exacerbate Symptoms in Mouse Models. Proc. Natl. Acad. Sci. USA 2017, 114, 10713–10718. doi:10.1073/pnas.1711235114.
32. Chen, J.; Chia, N.; Kalari, K.R.; Yao, J.Z.; Novotna, M.; Soldan, M.M.P.; Luckey, D.H.; Marietta, E.V.; Jeraldo, P.R.; Chen, X.; et al. Multiple Sclerosis Patients Have a Distinct Gut Microbiota Compared to Healthy Controls. Sci. Rep. 2016, 6. doi:10.1038/srep28484.
33. Chervonsky, A.V. Microbiota and Autoimmunity. Cold Spring Harb. Perspect. Biol. 2013, 5. doi:10.1101/cshperspect.a007294.
34. Geuking, M.B.; Cahenzli, J.; Lawson, M.A.E.; Ng, D.C.K.; Slack, E.; Hapfelmeier, S.; McCoy, K.D.; Macpherson, A.J. Intestinal Bacterial Colonization Induces Mutualistic Regulatory T Cell Responses. Immunity 2011, 34, 794–806. doi:10.1016/j.immuni.2011.03.021.
35. Geirnaert, A.; Calatayud, M.; Grootaert, C.; Laukens, D.; Devriese, S.; Smagghe, G.; De Vos, M.; Boon, N.; Van De Wiele, T. Butyrate-Producing Bacteria Supplemented in Vitro to Crohn’s Disease Patient Microbiota Increased Butyrate Production and Enhanced Intestinal Epithelial Barrier Integrity. Sci. Rep. 2017, 7, 1–14. doi:10.1038/s41598-017-11734-8.
36. Atarashi, K.; Tanoue, T.; Shima, T.; Imaoka, A.; Kuwahara, T.; Momose, Y.; Cheng, G.; Yamasaki, S.; Saito, T.; Ohba, Y.; et al. Induction of Colonic Regulatory T Cells by Indigenous Clostridium Species. Science 2011, 331, 337–341. doi:10.1126/science.1198469.
37. Sheng, L.; Jena, P.K.; Hu, Y.; Liu, H.X.; Nagar, N.; Kalanetra, K.M.; French, S.W.; French, S.W.; Mills, D.A.; Wan, Y.J.Y. Hepatic Inflammation Caused by Dysregulated Bile Acid Synthesis Is Reversible by Butyrate Supplementation. J. Pathol. 2017, 243, 431–441. doi:10.1002/path.4983.
38. Haghikia, A.; Jörg, S.; Duscha, A.; Berg, J.; Manzel, A.; Waschbisch, A.; Hammer, A.; Lee, D.H.; May, C.; Wilck, N.; et al. Dietary Fatty Acids Directly Impact Central Nervous System Autoimmunity via the Small Intestine. Immunity 2015, 43, 817–829. doi:10.1016/j.immuni.2015.09.007.
39. Mizuno, M.; Noto, D.; Kaga, N.; Chiba, A.; Miyake, S. The Dual Role of Short Fatty Acid Chains in the Pathogenesis of Autoimmune Disease Models. PLoS ONE, 2017, 12. doi:10.1371/journal.pone.0173032.
40. Wang, F.; Liu, J.; Weng, T.; Shen, K.; Chen, Z.; Yu, Y.; Huang, Q.; Wang, G.; Liu, Z.; Jin, S. The Inflammation Induced by Lipopolysaccharide Can Be Mitigated by Short-Chain Fatty Acid, Butyrate, through Upregulation of IL-10 in Septic Shock. Scand. J. Immunol. 2017, 85, 258–263. doi:10.1111/sji.12515.
41. Huang, C.; Song, P.; Fan, P.; Hou, C.; Thacker, P.; Ma, X. Dietary Sodium Butyrate Decreases Postweaning Diarrhea by Modulating Intestinal Permeability and Changing the Bacterial Communities in Weaned Piglets. J. Nutr. 2015, 145, 2774–2780. doi:10.3945/jn.115.217406.
42. Huang, X.Z.; Li, Z.R.; Zhu, L. Bin; Huang, H.Y.; Hou, L.L.; Lin, J. Inhibition of P38 Mitogen-Activated Protein Kinase Attenuates Butyrate-Induced Intestinal Barrier Impairment in a Caco-2 Cell Monolayer Model. J. Pediatr. Gastroenterol. Nutr. 2014, 59, 264–269. doi:10.1097/MPG.0000000000000369.
43. Peng, L.; Li, Z.-R.; Green, R.S.; Holzman, I.R.; Lin, J. Butyrate Enhances the Intestinal Barrier by Facilitating Tight Junction Assembly via Activation of AMP Activated Protein Kinase in Caco-2 Cell Monolayers. J. Nutr. 2009, 139, 1619–1625. doi:10.3945/jn.109.104638.
44. Vinolo, M.A.R.; Rodrigues, H.G.; Hatanaka, E.; Hebeda, C.B.; Farsky, S.H.P.; Curi, R. Short-Chain Fatty Acids Stimulate the Migration of Neutrophils to Inflammatory Sites. Clin. Sci. 2009, 117, 331–338. doi:10.1042/CS20080642.
45. Wang, M.; Zhang, H. The Pathogenesis of Autoimmune Hepatitis. Front. Lab. Med. 2018, 2, 36–39. doi:10.1016/j.flm.2018.03.002.
46. WANG, Q.Y.; JIA, J.D. Advances in the Pathogenesis of Autoimmune Hepatitis. J. Clin. Hepatol. 2011, 6. doi: 10.3760/cma.j.issn.1007-3418.2017.12.016.
47. Yeoman, A.D.; Heneghan, M.A. Anti TNF-α Therapy Can Be a Novel Treatment Option in Patients with Autoimmune Hepatitis: Authors’ Reply. Aliment. Pharmacol. Ther. 2010, 32, 116–117. doi:10.1111/j.1365- 2036.2010.04325.x.
48. Just, S.; Mondot, S.; Ecker, J.; Wegner, K.; Rath, E.; Gau, L.; Streidl, T.; Hery Arnaud, G.; Schmidt, S.; Lesker, T.R.; et al. The Gut Microbiota Drives the Impact of Bile Acids and Fat Source in Diet on Mouse Metabolism. Microbiome 2018, 6, 1–18. doi:10.1186/s40168-018-0510-8.
49. Swann, J.R.; Want, E.J.; Geier, F.M.; Spagou, K.; Wilson, I.D.; Sidaway, J.E.; Nicholson, J.K.; Holmes, E. Systemic Gut Microbial Modulation of Bile Acid Metabolism in Host Tissue Compartments. Proc. Natl. Acad. Sci. USA 2011, 108 (Suppl. 1), 4523–4530. doi:10.1073/pnas.1006734107.
50. Jiao, N.; Baker, S.S.; Chapa-Rodriguez, A.; Liu, W.; Nugent, C.A.; Tsompana, M.; Mastrandrea, L.; Buck, M.J.; Baker, R.D.; Genco, R.J.; et al. Suppressed Hepatic Bile Acid Signalling despite Elevated Production of Primary and Secondary Bile Acids in NAFLD. Gut 2018, 67. doi:10.1136/gutjnl-2017-314307.
51. Zhang, S.; Zeng, X.; Ren, M.; Mao, X.; Qiao, S. Novel Metabolic and Physiological Functions of Branched Chain Amino Acids: A Review. J. Anim. Sci. Biotechnol. 2017, 8, 4–15. doi:10.1186/s40104-016-0139-z.
52. Wei, X.; Jiang, S.; Chen, Y.; Zhao, X.; Li, H.; Lin, W.; Li, B.; Wang, X.; Yuan, J.; Sun, Y. Cirrhosis Related Functionality Characteristic of the Fecal Microbiota as Revealed by a Metaproteomic Approach. BMC Gastroenterol. 2016, 16. doi:10.1186/s12876-016-0534-0.
53. Chang, H.; Meng, H.Y.; Liu, S.M.; Wang, Y.; Yang, X.X.; Lu, F.; Wang, H.Y. Identification of Key Metabolic Changes during Liver Fibrosis Progression in Rats Using a Urine and Serum Metabolomics Approach. Sci. Rep. 2017, 7, 1–12. doi:10.1038/s41598-017-11759-z.
54. Mondanelli, G.; Iacono, A.; Carvalho, A.; Orabona, C.; Volpi, C.; Pallotta, M.T.; Matino, D.; Esposito, S.; Grohmann, U. Amino Acid Metabolism as Drug Target in Autoimmune Diseases. Autoimm. Rev. 2019, 334– 348. doi:10.1016/j.autrev.2019.02.004.
55. Lamas, B.; Richard, M.L.; Leducq, V.; Pham, H.P.; Michel, M.L.; Da Costa, G.; Bridonneau, C.; Jegou, S.; Hoffmann, T.W.; Natividad, J.M.; et al. CARD9 Impacts Colitis by Altering Gut Microbiota Metabolism of Tryptophan into Aryl Hydrocarbon Receptor Ligands. Nat. Med. 2016, 22, 598–605. doi:10.1038/nm.4102.
56. Murray, P.J. Amino Acid Auxotrophy as a System of Immunological Control Nodes. Nat. Immunol. 2016, 132–139. doi:10.1038/ni.3323.
57. McCommis, K.S.; Finck, B.N. Treating Hepatic Steatosis and Fibrosis by Modulating Mitochondrial Pyruvate Metabolism. CMGH 2019, 275–284. doi:10.1016/j.jcmgh.2018.09.017.

Будьте здоровы!