Главная \ 5. Новости и обзор литературы

Ожирение и соотношение Firmicutes / Bacteroidetes

« Назад

18.06.2021 15:56

Соотношение Firmicutes / Bacteroidetes: Релевантный маркер дисбиоза кишечника у пациентов с ожирением?

Соотношение Firmicutes / Bacteroidetes: Релевантный маркер дисбиоза кишечника у пациентов с ожирением?

Fabien Magne, Martin Gotteland, Lea Gauthier, et al.
The Firmicutes/Bacteroidetes Ratio: A Relevant Marker of Gut Dysbiosis in Obese Patients?
Nutrients 2020, 12(5), 1474

Резюме

Микробиота кишечника становится многообещающей мишенью для лечения или профилактики воспалительных и метаболических нарушений у людей. Многие из текущих исследовательских усилий сосредоточены на выявлении специфических микробных сигнатур, особенно тех, которые связаны с ожирением, диабетом 2 типа и сердечно-сосудистыми заболеваниями. Некоторые исследования показали, что микробиота кишечника тучных животных и людей демонстрирует более высокое соотношение Firmicutes / Bacteroidetes по сравнению с людьми с нормальным весом, предлагая это соотношение в качестве возможного биомаркера. Соответственно, соотношение Firmicutes / Bacteroidetes часто упоминается в научной литературе как признак ожирения. Целью настоящего обзора было обсудить валидность этого потенциального маркера, основываясь на большом количестве противоречивых результатов, представленных в литературе. Такие расхождения могут быть объяснены существованием предвзятости интерпретации, вызванной методологическими различиями в обработке образцов и анализе последовательности ДНК, или в целом плохой характеристикой набранных субъектов и, в частности, отсутствием учета факторов, связанных с образом жизни, которые, как известно, влияют на состав и / или разнообразие микробиоты. По этим причинам в настоящее время трудно связать соотношение Firmicutes / Bacteroidetes с определенным состоянием здоровья и, более конкретно, рассматривать его как признак ожирения.

1. Введение

Микробиота кишечника - это сложное сообщество микроорганизмов, населяющих желудочно-кишечный тракт, которые установили тесные симбиотические отношения со своим человеческим хозяином. Она играет решающую роль в поддержании здоровья, обеспечивая метаболизм неперевариваемых пищевых компонентов и синтез некоторых витаминов, предотвращая колонизацию патогенов и способствуя созреванию и образованию иммунной системы [1]. Микробиота кишечника человека в основном состоит из двух доминирующих бактериальных типов, Firmicutes и Bacteroidetes, которые составляют более 90% всего сообщества, и других субдоминантов, включая Proteobacteria, Actinobacteria и Verrucomicrobia [2]. Этот состав остается относительно невосприимчивым к резким возмущениям, так как его пластичность позволяет ему быстро возвращаться к своему исходному составу [3]. Однако он постоянно подвергается воздействию различных стрессовых факторов, связанных с современным образом жизни, включая, среди прочего, потребление хлорированной воды и пищевых добавок и загрязняющих веществ, таких как тяжелые металлы, пестициды, антибиотики, органические загрязнители и микотоксины. Эти факторы могут хронически изменять его состав (дисбиоз), отбирая более вирулентные микроорганизмы, что приводит к пагубным последствиям для здоровья хозяина [3]. Дисбактериоз кишечника также связан с различными патологическими состояниями, влияющими на желудочно-кишечный тракт (диарея, синдром раздраженного кишечника) [4], иммунную систему (аллергия, рассеянный склероз, диабет 1 типа, воспалительные заболевания кишечника, ревматоидный артрит) [4,5,6], центральную нервную систему (болезни Альцгеймера и Паркинсона, аутизм) [6,7], а также энергетический метаболизм хозяина (ожирение, диабет 2 типа, атеросклероз) [8], даже если пока неясно, эти изменения являются причиной или следствием этих нарушений. В частности, взаимосвязь между двумя доминирующими типами, выраженная как соотношение Firmicutes / Bacteroidetes, была связана с несколькими патологическими состояниями. Соответственно, микробиота кишечника становится многообещающей мишенью для пищевой или терапевтической профилактики и лечения этих заболеваний.

Поэтому характеристика бактериальных популяций, участвующих в дисбактериозе, важна, поскольку это может быть полезно для принятия альтернативных стратегий лечения заболеваний. Например, увеличение числа потенциально патогенных видов можно лечить с помощью целенаправленной антимикробной терапии, в то время как исчезновение полезных комменсалов можно решить путем введения определенных пробиотиков [9].

Общая цель этого обзора - обсудить актуальность соотношения Firmicutes / Bacteroidetes как маркера ожирения. Во-первых, мы опишем доказательства, предполагающие связь между соотношением Firmicutes / Bacteroidetes и ожирением, или отвергающие эту взаимосвязь. Далее мы выявим возможные причины этих противоречий, в частности, различия в методах анализа микробиоты, контроль мешающих факторов (диета, антибиотики и т.д.), а также возможные предубеждения в процессе набора испытуемых. В конечном итоге мы повторно проанализировали данные о последовательности гена 16S рРНК из девяти опубликованных исследований, чтобы обеспечить прямое сравнение их соотношения Firmicutes / Bacteroidetes. Таким образом, мы покажем, что ожирение связано со множеством таксономических признаков, согласующихся с высокой гетерогенностью микробиома кишечника, наблюдаемой у здорового населения.

2. Ожирение и его связь с увеличением соотношения Firmicutes / Bacteroidetes.

Ожирение - сложное, многофакторное заболевание, обусловленное различными факторами, включая генетический фон хозяина, снижение физической активности и избыточное потребление пищи. В последние несколько десятилетий микробиота кишечника была предложена как дополнительный фактор, способствующий накоплению жира, увеличению веса и резистентности к инсулину [10]. Действительно, микробиота кишечника участвует в энергетическом гомеостазе, извлекая энергию из пищевых продуктов посредством процессов ферментации и образования короткоцепочечных жирных кислот (SCFAs) [11,12]. Она также увеличивает васкуляризацию ворсинок, что приводит к лучшему всасыванию питательных веществ [13] и снижению уровня AMPK и β-окисления в мышечной ткани. Кроме того, микробиота модулирует ингибирование высвобождения индуцированного натощак жирового фактора (Fiaf), ингибитора активности липопротеинлипазы (LPL), что приводит к последующему хранению триглицеридов в жировой ткани и печени [13]. Наконец, она влияет на развитие метаболической эндотоксемии и низкосортного воспаления [14]. Кроме того, было показано, что фенотип ожирения у мышей передается путем трансплантации кишечной микробиоты обычных мышей с ожирением [12,15] животным без микробов с нормальной массой тела.

Впоследствии исследовательские усилия были сосредоточены на выявлении таксонов бактерий, участвующих в развитии ожирения. Изменения, затрагивающие доминирующие типы Firmicutes и Bacteroidetes, были впервые описаны у животных с ожирением и субъектов, у которых наблюдалось увеличение численности Firmicutes за счет Bacteroidetes [16]. Когда эти субъекты находились на диете с ограничением калорий в течение одного года, они показали увеличение численности Bacteroidetes и нормализацию их соотношения Firmicutes / Bacteroidetes, параллельно с потерей веса. Эти исследования были поддержаны исследованиями на животных, которых кормили рационами с высоким содержанием жиров или клетчатки, которые показали более высокую численность Firmicutes и Bacteroidetes, соответственно [17,18]. Аналогичные результаты были получены у детей, живущих в сельских районах Африки, которые придерживались традиционной диеты, богатой клетчаткой и демонстрировали более высокую долю Bacteroidetes и более низкую долю Firmicutes, по сравнению с детьми из западных стран, чья диета включала большое количество белка, жира, сахара и крахмал [19]. На основании этих и других результатов, полученных на животных и людях с ожирением [13,20,21,22,23,24,25], было предложено, что Firmicutes были более эффективны в извлечении энергии из пищи, чем Bacteroidetes, тем самым способствуя более эффективному усвоение калорий и последующему увеличению веса [25]. Это может быть связано с наблюдениями Turnbaugh et al. [21] у близнецов, диссонирующих с ожирением; микробиом тучного близнеца был обогащен генами, кодирующими переносчики питательных веществ, в то время как микробиом худого близнеца был обогащен генами, кодирующими ферменты, связанные с углеводным обменом [15]. Эти данные предполагают, что изменения в бактериальном составе / разнообразии обычно связаны с изменениями метаболического профиля микробиоты, которые также влияют на здоровье хозяина. Соответственно, в последнее десятилетие соотношение Firmicutes / Bacteroidetes часто рассматривалось как возможный признак ожирения [26,27].

3. Споры по поводу измененного соотношения Firmicutes / Bacteroidetes при ожирении

Однако, вопреки этим результатам, в ряде исследований не наблюдали никаких изменений этого параметра или даже не сообщали о снижении соотношения Firmicutes / Bacteroidetes у тучных животных и людей [11,28,29,30,31,32]. Тот факт, что в большинстве исследований пациенты с ожирением демонстрировали меньшее бактериальное разнообразие, чем худые субъекты, предполагает наличие других изменений состава на уровне семьи, рода или вида, которые могут быть более значимыми, чем соотношение Firmicutes / Bacteroidetes [33].

Что касается этого момента, гипотеза метаболической эндотоксемии предполагает, что увеличение ожирения и развитие системного воспаления может быть связано с хроническим воздействием липополисахарида (ЛПС), провоспалительной молекулы, полученной из грамотрицательных бактерий, которая перейдет от просвета кишечника в кровоток [14]. Эта гипотеза не согласуется с уменьшением численности Bacteroidetes, о котором сообщается при ожирении, поскольку этот тип является основной группой грамотрицательных бактерий в микробиоте кишечника [28]. Такое несоответствие можно объяснить тем, что эндотоксическая активность ЛПС бактерий, принадлежащих к типу Bacteroidetes, считается более низкой, чем у других грамотрицательных бактерий, например, принадлежащих к типу Proteobacteria. Интересно, что увеличение Proteobacteria также наблюдалось у субъектов с ожирением или животных, а введение Enterobacter, члена типа Proteobacteria, безмикробным мышам приводит к развитию ожирения и инсулинорезистентности у этих животных [34,35, 36].

С другой стороны, повышенное соотношение Firmicutes / Bacteroidetes не коррелировало с производством SCFAs, наблюдаемым у лиц с ожирением. Действительно, MacFarlane et al. сообщили, что Bacteroidetes в основном производят ацетат и пропионат, тогда как Firmicutes производят больше бутирата [36]. Бутират считается молекулой, способствующей укреплению здоровья из-за его способности [37] повышать чувствительность к инсулину [38], проявлять противовоспалительную активность [39], регулировать энергетический обмен и повышать экспрессию гена лептина [40]. Пропионат в толстой кишке стимулирует высвобождение GLP-1 и PYY L-энтероэндокринными клетками, что приводит к подавлению аппетита [41]. Он также может достигать портального кровообращения, в основном захватываясь печенью, где он участвует в глюконеогенезе печени и снижает экспрессию ферментов, участвующих в синтезе de novo жирных кислот и холестерина [42]. Ацетат также всасывается и достигает системного кровообращения и периферических органов, включая жировую ткань, мышцы и мозг. В печени, в отличие от пропионата, он стимулирует синтез липидов [43], способствуя дислипидемии. В головном мозге он активирует парасимпатическую нервную систему, способствуя секреции инсулина и грелина поджелудочной железой и слизистой оболочкой желудка соответственно [44]. Эти события приводят к увеличению накопления жира и увеличению аппетита, что способствует ожирению. Основываясь на этих результатах, ацетат обычно считается более вызывающим ожирение. Повышенное соотношение Firmicutes / Bacteroidetes у лиц с ожирением означало бы более высокую выработку бутирата и более низкую выработку пропионата и ацетата у этих субъектов, что частично противоречит соответствующим анти-ожирительным и ожирительным эффектам этих SCFAs. Объяснение заключается в том, что количество бактерий, продуцирующих бутират, уменьшается у людей с ожирением и постепенно заменяется другими бактериями, принадлежащими к тому же типу, что приводит к снижению продукции бутирата в просвете толстой кишки. Например, увеличение численности Staphylococcus spp. и Lactobacillus reuteri (оба из типа Firmicutes) были зарегистрированы у людей с ожирением и положительно коррелировали с потреблением энергии и уровнем С-реактивного белка в плазме (CRP) соответственно [23,45]. Напротив, снижение количества продуцирующих бутират Faecalibacterium prausnitzii (тип Firmicutes) отрицательно коррелировало с интенсивностью воспаления низкой степени у пациентов с ожирением и пациентов с диабетом 2 типа [46,47]. Статус ожирения также был связан с более низкой численностью A. muciniphila (тип Verrucomicrobia), бактерии, разлагающей муцин, которая способствует стабилизации барьерной функции кишечника, секреции антибактериальных пептидов и контролю воспаления [48,49].

С другой стороны, неоднородность результатов у людей в отношении соотношения Firmicutes / Bacteroidetes может быть связана с недостаточным количеством субъектов, включенных в большинство исследований, что делает их статистическую мощность недостаточной для обнаружения небольших вариаций. Пытаясь прояснить этот вопрос, было проведено несколько метаанализов, объединяющих ампликоны высокопроизводительного секвенирования, полученные в различных исследованиях у пациентов с ожирением [50,51,52]. С этой целью все последовательности были загружены и обработаны с использованием уникального конвейера. Они были проверены de novo для удаления последовательностей химер и отнесены к рабочим таксономическим единицам (OTUs). Соответственно, все возможные систематические ошибки, связанные с методологическими различиями (описанными ниже), были предотвращены, и данные отдельных исследований сравнивались или группировались для общего анализа. После кластеризации последовательностей в соответствии с индексом массы тела (ИМТ) субъекта не было обнаружено различий в численности Firmicutes и Bacteroidetes или соотношении Firmicutes / Bacteroidetes между людьми с ожирением и нормальным весом. Было обнаружено лишь небольшое сокращение разнообразия в микробиоте субъектов с ожирением. По прогнозам авторов, необходимо было набрать примерно 160000, 6300, 1600 и 700 человек на группу, чтобы выявить разницу в соотношении Firmicutes / Bacteroidetes в 1%, 5%, 10% и 15% соответственно [50], т.е., намного больше, чем количество субъектов, набранных в большинстве этих исследований. Таким образом, эти данные показывают, что большинству исследований не хватает мощности для выявления умеренных различий между здоровыми и тучными субъектами, что позволяет предположить, что соотношение Firmicutes / Bacteroidetes не является надежным маркером дисбактериоза микробиома, связанного с ожирением.

4. Происхождение различий в исследованиях кишечного микробиома, связанного с ожирением. Методологические расхождения между исследованиями

Прим. ре.: Предварительно рекомендуется иметь базовые знания по секвенированию нуклеиновых кислот

Расхождения в результатах, представленные ранее, также могут быть объяснены различиями в обработке образцов и анализе данных, включая метод выделения ДНК, выбор амплифицированной области 16S рРНК (выбор праймеров), метод секвенирования и биоинформатический анализ (база данных таксономии и используемый алгоритм присвоения таксономии) [51,53,54]. Таким образом, сложно устранить систематическую ошибку, вносимую дизайном праймеров, подготовкой библиотеки, методами выделения ДНК и артефактами амплификации ПЦР, которые могут привести к чрезмерному или недостаточному представлению отдельных таксонов в сложных сообществах [51,53,54]. Кроме того, хранение образцов также может влиять на идентификацию бактериальных сообществ. Хотя охлаждение при 4°C не оказало значительного влияния на микробный состав фекалий и его разнообразие, по сравнению с контрольными образцами, хранящимися при -80°C, использование консервирующих буферов (RNAlater, OMNIgene.GUT, Tris-EDTA), похоже, изменило профиль микробиоты [55]. Это наблюдение важно, поскольку быстрое замораживание до –80°C, обычно считающееся лучшей практикой, не всегда возможно в исследованиях, включающих сбор образцов по месту жительства субъектов [55]. Напротив, протоколы экстракции ДНК, основанные на использовании фенола: хлороформа: изоамилового спирта, более эффективны при извлечении ДНК из грамположительных бактерий [53]. В другом исследовании бактериальная ДНК из образцов фекалий, полученных в рамках проекта Human Microbiome Project, была извлечена с использованием того же протокола и впоследствии амплифицирована с различными праймерами, нацеленными на области V1-3 / V2 или V3-5 / V4 рРНК. По сравнению с областью V3-5 / V4 анализ области V1-3 / V2 показывает обогащение популяций Erysipelotrichi и Verrucomicrobia и истощение актинобактерий и гамма-протеобактерий [53]. Несоответствие праймеров может представлять другую проблему, поскольку они вызывают селективную амплификацию и затем препятствуют правильной оценке бактериального разнообразия [56]. Последовательности, которые не соответствуют правильно праймерам, не амплифицируются правильно, что приводит к меньшему представлению соответствующих микроорганизмов или даже к их неидентификации, когда количество амплифицированных последовательностей ниже предела обнаружения [57]. Следовательно, оценка бактериального покрытия необходима для правильной интерпретации данных, полученных из образцов с помощью секвенирования следующего поколения (NGS) [57]. Однако исследования с использованием того же набора праймеров также сообщили о противоречивых результатах относительно состава кишечной микробиоты [21,58,59], предполагая, что предвзятость, связанная с праймерами, не является основной причиной расхождений, наблюдаемых в исследованиях [51].

Другим важным фактором является платформа, используемая для секвенирования ампликонов 16S рРНК. В настоящее время доступно несколько платформ (Ion Torrent PGM, Illumina MiSeq, Illumina HiSeq и Roche GS FLX+), которые используют различную химию секвенирования, а также могут вносить внутренние искажения, например, влияя на обнаружение и обилие микроорганизмов с низким или высоким содержанием геномного GC [60]. Кроме того, нельзя отбросить возможное влияние адаптеров и штрих-кодов, добавленных в праймеры секвенирования, которые специфичны для каждой платформы [60].

Чтобы определить, как платформы секвенирования могут повлиять на результаты состава микробиоты, микробиоту слепой кишки цыпленка проанализировали с помощью трех различных платформ секвенирования (Illumina MiSeq, Ion Torrent PGM и Roche 454 GS FLX) с использованием одного и того же набора праймеров (8F и 338R) [60]. Авторы наблюдали различия в относительной численности конкретных родов в зависимости от используемой платформы, подтверждая предыдущие исследования [61,62,63]. Несмотря на филогенетические различия, вызванные разной производительностью трех платформ секвенирования, авторы отметили, что дискриминация образцов в соответствии с лечением сохраняется, независимо от используемой платформы, что позволяет предположить, что биологические выводы остаются действительными [60]. В настоящее время доступно несколько конвейеров для удаления химерных последовательностей, генерируемых платформами секвенирования. Однако они могут дать противоречивые результаты. Например, в исследовании, сравнивающем три конвейера анализа (QIIME, Mothur и MG-RAST) для характеристики микробиоты недоношенных детей с помощью секвенирования NGS [64], авторы наблюдали значительные различия в эффективном количестве обнаруженных родов в соответствии с используемой программой. Кроме того, различия наблюдались и в доле некоторых типов. Протеобактерии были обнаружены в меньшем количестве с помощью MG-RAST, в то время как Mothur обнаружил актинобактерии в несколько большем количестве [64]. Следовательно, изучение сложных микробных сообществ требует выбора наиболее точных и подходящих методологических подходов для создания и анализа секвенирования гена 16S рРНК. Эти предубеждения неизбежны и могут повлиять на общие результаты исследования.

Таким образом, технологические аспекты могут сильно повлиять на идентификацию бактериальных таксонов, затмевая биологические различия в образцах, особенно когда размер выборки невелик [51]. Эта проблема иллюстрируется результатами метаанализа с использованием ампликонов из исследований секвенирования с высокой пропускной способностью у пациентов с ожирением и показывает, что состав микробиоты кишечника группируется по результатам исследования, а не по ИМТ субъекта, что позволяет предположить, что эффект на исследование был больше, чем биологический эффект [51].

5. Происхождение различий в исследованиях кишечного микробиома, связанного с ожирением. Выбор предметов, включенных в исследования

Сравнение результатов между исследованиями обычно осложняется неадекватной характеристикой исследуемых популяций и тем фактом, что многие факторы, связанные с образом жизни, не учитываемые в исследованиях, способствуют формированию состава микробиоты кишечника. Следовательно, противоречивые результаты, наблюдаемые между исследованиями, оценивающими соотношение Firmicutes / Bacteroidetes у лиц с ожирением и худыми, можно объяснить тем фактом, что эти переменные не были должным образом рассмотрены. В таблице 1 описаны различные параметры, относящиеся к предмету, которые рассматривались в основных исследованиях последнего десятилетия. Можно заметить, что некоторые факторы, такие как прием антибиотиков или диетические факторы, такие как пробиотики, пребиотики и симбиотики, не сообщаются, и что качественное и количественное описание диеты, а также интенсивность физической активности в значительной степени не контролируются. Информация о потреблении макроэлементов, микроэлементов и непитательных веществ, таких как пищевые волокна и фитохимические вещества, важна, учитывая, что часть из них может достигать толстой кишки и влиять на микробиоту. Кроме того, четко не установлено, связаны ли наблюдаемые изменения микробиоты кишечника у лиц с ожирением с вариациями в их рационе питания или с ожирением как таковым [65]. Это явление также хорошо описано для неперевариваемых углеводов, а также для пищевых белков, которые могут достигать толстой кишки и влиять на бактериальный состав и микробное производство SCFAs и других потенциально токсичных метаболитов (H2S, п-крезол, фенол, NH3 и т.д.). Неабсорбированное пищевое железо (включая добавки железа) также влияет на микробиоту, а также на диетические фенольные соединения, которые могут действовать как пребиотики. Влияние пищевых липидов малоизвестно; животные, получавшие пищу с высоким содержанием жиров, демонстрируют дисбактериоз кишечника, но неясно, встречается ли это также у людей [66]. Интересно, что Hildebrandt et al. показали, что крысы, получавшие пищу с высоким содержанием жиров, демонстрировали дисбактериоз кишечника, независимо от их фенотипа ожирения [18]. Было показано, что пищевые добавки, такие как низкокалорийные подсластители и эмульгаторы, изменяют микробиоту, увеличивая ее потенциальную вирулентность и способствуя метаболическим нарушениям у животных и людей [67,68]. Наконец, ряд загрязнителей, включая тяжелые металлы, стойкие органические загрязнители и пестициды, количество которых в настоящее время увеличивается в окружающей человека среде, также изменяют микробную экосистему кишечника [69]. Соответственно, идентификация и характеристика этих смешивающих факторов особенно важны при сравнении худых и страдающих ожирением групп населения, которые явно различаются по образу жизни. Их игнорирование может вызвать предвзятость и привести к неправильной интерпретации результатов.

Таблица 1. Рассмотрение факторов, влияющих на микробиоту и которые следует контролировать, в исследованиях, посвященных анализу микробиоты у взрослых с ожирением и нормальным весом. Эти факторы включают прием антибиотиков и пребиотиков / пробиотиков до / во время исследования, характеристики диеты, потребляемой испытуемыми, интенсивность их физической активности и наличие мешающих патологий, которые появляются в качестве критериев исключения. Были отобраны только исследования, анализирующие микробиоту с помощью молекулярных методов (количественная ПЦР или секвенирование). Результаты, соответствующие относительному обилию Firmicutes и Bacteroidetes и соотношению Firmicutes / Bacteroidetes, показаны, когда они доступны.

Таблица

Физическая активность - еще одна важная смешивающая переменная; она определяет перистальтику кишечника и время прохождения сигнала через различные сегменты желудочно-кишечного тракта, что, в свою очередь, влияет на состав микробиоты [78]. Физическая активность коррелировала с соотношением Firmicutes / Bacteroidetes у животных [79] и людей, независимо от диеты [80]. Кроме того, частота и интенсивность физической активности также определяют соотношение жировой и мышечной массы, что в конечном итоге делает стратификацию ИМТ несущественной. Таким образом, человек, ведущий сидячий образ жизни, может иметь нормальный вес (то есть с ИМТ <24,9), но иметь несбалансированную жировую массу, в то время как спортсмен может иметь ИМТ, соответствующий ИМТ человека с избыточным весом или ожирением, но с низкой жировой массой и высокой мышечной массой [81]. Влияние этих индивидуальных различий на состав микробиоты остается неизвестным. Поэтому может быть полезно рассмотреть другие параметры, помимо ИМТ, чтобы определить, здоров ли человек или нет. Фактически было показано, что богатство микробиоты кишечника человека обратно коррелирует с метаболическими маркерами, такими как общее ожирение, инсулинорезистентность, дислипидемия и легкое воспаление [59,82]. Интересно, что классификация худых и страдающих ожирением субъектов в соответствии с их кардиометаболическим состоянием здоровья показала лучшие различия в микробном сообществе [83].

В пределах определенного диапазона ИМТ маркерные бактериальные таксоны, связанные с ожирением и кардиометаболическими расстройствами, усиливались у нездоровых людей [83]. Как указывалось ранее, такие параметры могут быть изменены у худых субъектов, в то время как они могут находиться в нормальном диапазоне для субъектов с высоким ИМТ, что ограничивает интерпретацию наблюдаемых изменений в составе микробиоты. Следовательно, людей, набранных в исследованиях, необходимо лучше охарактеризовать, чтобы контролировать мешающие факторы и избегать ошибочной связи между ожирением и микробиотой.

6. Ожирение может быть связано с множественными таксономическими сигнатурами

Структура микробиоты кишечника, связанная с ожирением, неоднородна во всем мире и различается в зависимости от географического местоположения исследований [84,85,86,87]. Микробы в желудочно-кишечном тракте подвергаются селективному давлению в основном из-за образа жизни, который меняется в зависимости от социально-экономического статуса, преобладающего на разных континентах и ​​в разных странах. Эти географические различия включают доступ к определенным пищевым продуктам, различия в генетическом фоне жителей, включая наличие однонуклеотидных полиморфизмов, и различия в потребностях хозяина в энергии из-за климатических условий [19,88,89]. Например, инуиты живут в холодном климате и в основном имеют доступ к диете, богатой животными белками и жирами, что, в свою очередь, определяет конкретный состав микробиоты путем отбора бактерий, способных метаболизировать эти макроэлементы, независимо от их ИМТ [90]. Мета-анализ показал, что соотношение Firmicutes / Bacteroidetes было выше в популяциях, живущих в высоких широтах, предполагая, что извлечение энергии из пищи микробиотой кишечника может быть больше в этих регионах [88]. Это открытие подтверждается исследованием, проведенным на мышах, содержащихся в холодной среде, которое также показало более высокое соотношение Firmicutes / Bacteroidetes у этих животных, аналогично тому, которое наблюдалось у тучных или животных, получавших диету с высоким содержанием жиров [91]. Примечательно, что это исследование показывает, что микробиота кишечника способствует адаптации к холоду благодаря своей способности собирать энергию.

7. Неоднородность кишечного микробиома в популяциях.

Для оценки значимости соотношения Firmicutes / Bacteroidetes в качестве таксономической характеристики ожирения мы использовали данные о составе микробиоты из девяти опубликованных исследований, проведенных в семи странах (США, Великобритания, Индия, Пакистан, Чили, Аргентина и Колумбия) и включавших 728 здоровых субъектов. Были собраны высокопроизводительные данные последовательности гена 16S рРНК из предыдущих исследований, соответствующие гипервариабельным областям V3 – V4 или V4 и полученные с помощью платформы Illumina MiSeq Platform (таблица 2). Чтобы обеспечить возможность прямого сравнения последовательностей из разных исследований, все считывания были отфильтрованы с помощью конвейера DADA2, затем выровнены и обрезаны до одинаковой длины (80 п. н.) с помощью Mothur, а затем проведена таксономическая идентификация с использованием конвейера DADA2 на основе идентификации Точных Вариантов Последовательностей [92]. Мы сочли, что длина последовательности 80 п.н. достаточна для анализа микробных сообществ на уровне типа (менее 0,02% считываний не были назначены). Используя уникальный конвейер и считывания, генерируемые одной и той же платформой секвенирования, мы ожидали устранить все смещения, вызванные инструментами секвенирования и биоинформатики, как было сказано выше. Затем мы проанализировали относительную численность Firmicutes и Bacteroidetes и их соотношение. В целом, данные показывают, что количество Firmicutes в микробиоте кишечника здоровых людей колеблется от 11% до 95%, а количество Bacteroidetes - от 0,6% до 86,6% (Рисунок 1). Учитывая эту изменчивость, кажется трудным наблюдать значительные изменения для этих двух типов у людей с ожирением. В своем мета-анализе Finucane и соавт. отметили, что вариации как для численности Firmicutes, так и для численности Bacteroidetes были намного больше среди исследований, чем между худыми и тучными людьми в любом исследовании [52]. В соответствии с этими выводами, мы недавно наблюдали высокую изменчивость как Firmicutes, так и Bacteroidetes, от 25% до 67% и 4% до 64% ​​соответственно, в фекальной микробиоте молодых здоровых чилийских добровольцев, несмотря на строгие критерии включения, включая контроль антропометрические и биохимические маркеры, биомаркеры системного воспаления и воспаления толстой кишки (плазменный IL-6 и высокочувствительный С-реактивный белок и калпротектин, соответственно) и диетическое потребление [93]. Опять же, неоднородность диеты, вероятно, является основным фактором, объясняющим такие различия в здоровом населении, и это может в конечном итоге затруднить идентификацию конкретных микробных сигнатур. Например, с одной стороны, Wu et al. показали на 100 здоровых людях с известными диетическими привычками, что микробиота тех, кто потреблял белковые и жировые диеты, была обогащена Bacteroides, тогда как микробиота тех, кто потребляла углеводную диету, была обогащена Prevotella [59], результаты, на основе которых эти авторы сформулировали концепцию «энтеротипа». С другой стороны, Balamurugan et al. сравнили микробиоту кишечника у племенного населения (Malaiyalis), проживающего в северной части Тамил Наду (Индия), которое придерживалось ограниченной диеты из-за культурных и религиозных убеждений, с микробиотой здоровых сельских жителей из того же региона, что и контрольная группа. Обе популяции показали высокую численность Firmicutes (85,9% и 63,5% для Malaiyalis и контрольной группы соответственно) и низкую численность Bacteroidetes (2,65% и 0,45% соответственно), что привело к очень высокому соотношению Firmicutes / Bacteroidetes (34,0 и 92,9 соответственно), хотя особи из обеих популяций были худыми [94]. Хотя популяция Malaiyalis имела ограниченную, однородную диету, наблюдалась высокая вариация пропорций как Firmicutes, так и Bacteroidetes, что подтверждает, что на это соотношение влияют другие факторы, помимо диеты.

Изменчивость соотношения Firmicutes / Bacteroidetes
Изменчивость относительного содержания Firmicutes
Изменчивость относительного содержания Bacteroidetes

Рис. 1. Изменчивость соотношения Firmicutes / Bacteroidetes (А) и относительного содержания Firmicutes (B) и Bacteroidetes (C) в микробиоте кишечника нескольких здоровых популяций. Боксовые участки были построены с использованием R. На графиках прямоугольника и усов линия показывает медиану, прямоугольник - межквартильный диапазон, а усы - самые высокие и самые низкие значения.

Таблица 2. Описание исследований, рассмотренных в данном исследовании для оценки изменчивости Firmicutes и Bacteroidetes.

Страна

Регистра-ционный номер

Эффект &

Возраст (лет)

ИМТ

(кг / м2)

Платформа секвенирования

Гипер-вариабельный регион

Ref

США
PRJNA290926
68
53.1 ± 10.8
22.0 ± 1.9
MiSeq Illumina
V4 region
[95]
UK 1
PRJEB6702
230
61.2 ± 10.1
22.4 ± 1.8
MiSeq Illumina
V4 region
[96]
UK 2
PRJEB6705
189
60.0 ± 9.5
22.3 ± 1.8
MiSeq Illumina
V4 region
[96]
Пакистан
PRJNA554535
20
37.7 ± 12.1
22.08 ± 3.1
MiSeq Illumina
V3–V4 region
[97]
Индия
PRJEB28290
80
Диапазон 18–55 *
23.9 ± 3.2 *
MiSeq Illumina
V3–V4 region
[98]
Колумбия
PRJEB33360
83
52.1 ± 18.6
25.1 ± 3.9
MiSeq Illumina
V3–V4 region
[99]
Чили
PRJEB16755
32
25.0 ± 3.9
22.5 ± 1.6
MiSeq Illumina
V3–V4 region
[93]
Аргентина 1
PRJNA503303
28
35.2 ± 8.3 *
23.9 ± 3.4 *
MiSeq Illumina
V3–V4 region
[100]
Аргентина 2
Персональные данные **
28
40.2 ± 4.4
22.6 ± 2.0
MiSeq Illumina
V4 region
This study

& Эффективность, полученная после биоинформатической обработки; *Данные, полученные в результате публикации данных (не пересчитываются из-за отсутствия индивидуальных данных); **Данные, представленные для публикации, предоставлены Сьюзан Песоа (Susan Pesoa), соавтором этой работы; UK 1 (Великобритания 1), UK 2 (Великобритания 2), Аргентина 1 и Аргентина 2 - это исследования, представленные на Рисунке 1.

8. Выводы

Таким образом, относительная численность типов Firmicutes и Bacteroidetes сильно различается между субъектами из одной и той же популяции. Это, вероятно, связано со многими факторами, связанными с образом жизни, включая диету, физическую активность, пищевые добавки и загрязняющие вещества, потребление антибиотиков, физическую активность, среди прочего, которые влияют на состав микробиоты в желудочно-кишечном тракте. Этим можно объяснить противоречивые результаты, наблюдаемые при сравнении микробиоты между субъектами с нормальным весом и ожирением, что затрудняет связь соотношения Firmicutes / Bacteroidetes с определенным состоянием здоровья. Хотя микробиота кишечника может способствовать развитию ожирения, доказательства, свидетельствующие о связи между ожирением и изменениями соотношения Firmicutes / Bacteroidetes, неубедительны. Поэтому в будущих исследованиях необходимо улучшить характеристики субъектов и четко определить сопеременные, которые могут влиять на состав микробиоты и мешать интерпретации результатов. Кроме того, концепция уникальной таксономической сигнатуры, связанной с ожирением, оказывается под угрозой. Вместо изучения таксономического маркера ожирения как такового, исследования кишечного микробиома, связанного с ожирением, должны быть направлены на выявление таксономических маркеров для разделения пациентов на подгруппы. Внедрение стратификации микробиома пациентов улучшило бы лечение ожирения за счет персонализации решений о лечении путем прямого манипулирования микробиомами пациентов.

См. дополнительно: Кишечная микробиота в клинической диагностике

Литература

  1. Jandhyala, S.M.; Talukdar, R.; Subramanyam, C.; Vuyyuru, H.; Sasikala, M.; Nageshwar Reddy, D. Role of the normal gut microbiota. World J. Gastroenterol. 2015, 21, 8787–8803. [Google Scholar] [CrossRef] [PubMed]
  2. Qin, J.; Li, R.; Raes, J.; Arumugam, M.; Burgdorf K., S.; Manichanh, C.; Nielsen, T.; Pons, N.; Levenez, F.; Yamada, T.; et al. A human gut microbial gene catalogue established by metagenomic sequencing. Nature 2010, 464, 59–65. [Google Scholar] [CrossRef] [PubMed]
  3. Candela, M.; Biagi, E.; Maccaferri, S.; Turroni, S.; Brigidi, P. Intestinal microbiota is a plastic factor. Responding to environmental changes. Trends Microbiol. 2012, 20, 385–391. [Google Scholar] [CrossRef] [PubMed]
  4. Carding, S.; Verbeke, K.; Vipond, D.T.; Corfe, B.M.; Owen, L.J. Dysbiosis of the gut microbiota in disease. Microb. Ecol. Health Dis. 2015, 26, 26191. [Google Scholar] [CrossRef] [PubMed]
  5. Hills, R.D.; Pontefract, B.A.; Mishcon, H.R.; Black, C.A.; Sutton, S.C.; Theberge, C.R. Gut Microbiome. Profound Implications for Diet and Disease. Nutrients 2019, 11, 1613. [Google Scholar] [CrossRef] [PubMed]
  6. Bravo, J.A.; Julio-Pieper, M.; Forsythe, P.; Kunze, W.; Dinan, T.G.; Bienenstock, J.; Cryan, J.F. Communication between gastrointestinal bacteria and the nervous system. Curr. Opin. Pharmacol. 2012, 12, 667–672. [Google Scholar] [CrossRef] [PubMed]
  7. Belkaid, Y.; Hand, T. Role of the Microbiota in Immunity and Inflammation. Cell 2014, 157. [Google Scholar] [CrossRef] [PubMed]
  8. Yong, V.B. The Role of the Microbiome in Human Health and Disease. An Introduction for Clinicians. BMJ 2017, 356. [Google Scholar] [CrossRef]
  9. Mantegazza, C.; Molinari, P.; D’Auria, E.; Sonnino, M.; Morelli, L.; Zuccotti, G.V. Probiotics and antibiotic-associated diarrhea in children. A review and new evidence on Lactobacillus rhamnosus GG during and after antibiotic treatment. Pharmacol. Res. 2018, 128, 63–72. [Google Scholar] [CrossRef] [PubMed]
  10. Cardinelli, C.S.; Sala, P.C.; Alves, C.C.; Torrinhas, R.S.; Waitzberg, D.L. Influence of Intestinal Microbiota on Body Weight Gain. A Narrative Review of the Literature. Obes. Surg. 2015, 25, 346–353. [Google Scholar] [CrossRef]
  11. Jumpertz, R.; Le, D.S.; Turnbaugh, P.J.; Trinidad, C.; Bogardus, C.; Gordon, J.I.; Krakoff, J. Energy-balance studies reveal associations between gut microbes, caloric load, and nutrient absorption in humans. Am. J. Clin. Nutr. 2011, 94, 58–65. [Google Scholar] [CrossRef] [PubMed]
  12. Turnbaugh, P.J.; Ley, R.E.; Mahowald, M.A.; Magrini, V.; Mardis, E.R.; Gordon, J.I. Anobesity-associated gut microbiome with increased capacity for energy harvest. Nature 2006, 444, 1027–1031. [Google Scholar] [CrossRef] [PubMed]
  13. Bäckhed, F.; Ding, H.; Wang, T.; Hooper, L.V.; Koh, G.Y.; Nagy, A.; Semenkovich, C.F.; Gordon, J.I. The gut microbiota as an environmental factor that regulates fat storage. Proc. Natl. Acad. Sci. USA 2004, 101, 15718–15723. [Google Scholar] [CrossRef]
  14. Cani, P.D.; Amar, J.; Iglesias, M.A.; Poggi, M.; Knauf, C.; Bastelica, D.; Neyrinck, A.M.; Fava, F.; Tuohy, K.M.; Chabo, C.; et al. Metabolic endotoxemia initiates obesity and insulin resistance. Diabetes 2007, 56, 1761–1772. [Google Scholar] [CrossRef] [PubMed]
  15. Vijay-Kumar, M.; Aitken, J.D.; Carvalho, F.A.; Cullender, T.C.; Mwangi, S.; Srinivasan, S.; Sitaraman, S.V.; Knight, R.; Ley, R.E.; Gewirtz, A.T. Metabolic Syndrome and Altered Gut Microbiota in Mice Lacking Toll-Like Receptor 5. Science 2010, 328, 228–231. [Google Scholar] [CrossRef] [PubMed]
  16. Ley, R.E.; Turnbaugh, P.J.; Klein, S.; Gordon, J.I. Microbial ecology. Human gut microbes associated with obesity. Nature 2006, 444, 1022–1023. [Google Scholar] [CrossRef]
  17. de Wit, N.; Derrien, M.; Bosch-Vermeulen, H.; Oosterink, E.; Keshtkar, S.; Duval, C.; de Vogel-van den Bosch, J.; Kleerebezem, M.; Müller, M.; van der Meer, R. Saturated fat stimulates obesity and hepatic steatosis and affects gut microbiota composition by an enhanced overflow of dietary fat to the distal intestine. Am. J. Physiol. Liver Physiol. 2012, 303, G589–G599. [Google Scholar] [CrossRef]
  18. Hildebrandt, M.A.; Hoffmann, C.; Sherrill-Mix, S.A.; Keilbaugh, S.A.; Hamady, M.; Chen, Y.-Y.; Knight, R.; Ahima, R.S.; Bushman, F.; Wu, G.D. High-fat diet determines the composition of the murine gut microbiome independently of obesity. Gastroenterology 2009, 137, 1716–1724. [Google Scholar] [CrossRef]
  19. De Filippo, C.; Cavalieri, D.; Di Paola, M.; Ramazzotti, M.; Poullet, J.B.; Massart, S.; Collini, S.; Pieraccini, G.; Lionetti, P. Impact of diet in shaping gut microbiota revealed by a comparative study in children from Europe and rural Africa. Proc. Natl. Acad. Sci. USA 2010, 107, 14691–14696. [Google Scholar] [CrossRef]
  20. Ley, R.E.; Bäckhed, F.; Turnbaugh, P.; Lozupone, C.A.; Knight, R.D.; Gordon, J.I. Obesity alters gut microbial ecology. Proc. Natl. Acad. Sci. USA 2005, 102, 11070–11075. [Google Scholar] [CrossRef]
  21. Turnbaugh, P.J.; Hamady, M.; Yatsunenko, T.; Cantarel, B.L.; Duncan, A.; Ley, R.E.; Sogin, M.L.; Jones, W.J.; Roe, B.A.; Affourtit, J.P.; et al. A core gut microbiome in obese and lean twins. Nature 2009, 457, 480–484. [Google Scholar] [CrossRef] [PubMed]
  22. Xu, P.; Li, M.; Zhang, J.; Zhang, T. Correlation of intestinal microbiota with overweight and obesity in Kazakh school children. BMC Microbiol. 2012, 12, 283. [Google Scholar] [CrossRef] [PubMed]
  23. Bervoets, L.; Van Hoorenbeeck, K.; Kortleven, I.; Van Noten, C.; Hens, N.; Vael, C.; Goossens, H.; Desager, K.N.; Vankerckhoven, V. Differences in gut microbiota composition between obese and lean children. A cross-sectional study. Gut Pathog. 2013, 5, 10. [Google Scholar] [CrossRef] [PubMed]
  24. Armougom, F.; Henry, M.; Vialettes, B.; Raccah, D.; Raoult, D. Monitoring bacterial community of human gut microbiota reveals an increase in Lactobacillus in obese patients and Methanogens in anorexic patients. PLoS ONE 2009, 4, e7125. [Google Scholar] [CrossRef] [PubMed]
  25. Krajmalnik-Brown, R.; Ilhan, Z.-E.; Kang, D.-W.; DiBaise, J.K. Effects of Gut Microbes on Nutrient Absorption and Energy Regulation. Nutr. Clin. Pract. 2012, 27, 201–214. [Google Scholar] [CrossRef]
  26. De Bandt, J.P.; Waligora-Dupriet, A.J.; Butel, M.J. Intestinal Microbiota in Inflammation and Insulin Resistance. Relevance to Humans. Curr. Opin. Clin. Nutr. Metab. Care 2011, 14. [Google Scholar] [CrossRef]
  27. Zou, Y.; Ju, X.; Chen, W.; Yuan, J.; Wang, Z.; Aluko, R.E.; He, R. Rice Bran Attenuated Obesity via Alleviating Dyslipidemia, Browning of White Adipocytes and Modulating Gut Microbiota in High-Fat Diet-Induced Obese Mice. Food Funct. 2020, 11. [Google Scholar] [CrossRef]
  28. Zhang, H.; DiBaise, J.K.; Zuccolo, A.; Kudrna, D.; Braidotti, M.; Yu, Y.; Parameswaran, P.; Crowell, M.D.; Wing, R.; Rittmann, B.E.; et al. Human gut microbiota in obesity and after gastric bypass. Proc. Natl. Acad. Sci. USA 2009, 106, 2365–2370. [Google Scholar] [CrossRef]
  29. Duncan, S.H.; Lobley, G.E.; Holtrop, G.; Ince, J.; Johnstone, A.M.; Louis, P.; Flint, H.J. Human colonic microbiota associated with diet, obesity and weight loss. Int. J. Obes. (Lond.) 2008, 32, 1720–1724. [Google Scholar] [CrossRef]
  30. Schwiertz, A.; Taras, D.; Schäfer, K.; Beijer, S.; Bos, N.A.; Donus, C.; Hardt, P.D. Microbiota and SCFA in lean and overweight healthy subjects. Obesity (Silver Spring) 2010, 18, 190–195. [Google Scholar] [CrossRef]
  31. Patil, D.P.; Dhotre, D.P.; Chavan, S.G.; Sultan, A.; Jain, D.S.; Lanjekar, V.B.; Gangawani, J.; Shah, P.S.; Todkar, J.S.; Shah, S.; et al. Molecular analysis of gut microbiota in obesity among Indian individuals. J. Biosci. 2012, 37, 647–657. [Google Scholar] [CrossRef] [PubMed]
  32. Tims, S.; Derom, C.; Jonkers, D.M.; Vlietinck, R.; Saris, W.H.; Kleerebezem, M.; de Vos, W.M.; Zoetendal, E.G. Microbiota conservation and BMI signatures in adult monozygotic twins. ISME J. 2013, 7, 707–717. [Google Scholar] [CrossRef] [PubMed]
  33. Aguirre, M.; Venema, K. Does the Gut Microbiota Contribute to Obesity? Going beyond the Gut Feeling. Microorganisms 2015, 3, 213–235. [Google Scholar] [CrossRef] [PubMed]
  34. Karlsson, C.L.J.; Onnerfält, J.; Xu, J.; Molin, G.; Ahrné, S.; Thorngren-Jerneck, K. The microbiota of the gut in preschool children with normal and excessive body weight. Obesity (Silver Spring) 2012, 20, 2257–2261. [Google Scholar] [CrossRef] [PubMed]
  35. Rizzatti, G.; Lopetuso, L.R.; Gibiino, G.; Binda, C.; Gasbarrini, A. Proteobacteria. A Common Factor in Human Diseases. Biomed. Res. Int. 2017, 2017, 1–7. [Google Scholar] [CrossRef]
  36. Fei, N.; Zhao, L. An opportunistic pathogen isolated from the gut of an obese human causes obesity in germfree mice. ISME J. 2013, 7, 880–884. [Google Scholar] [CrossRef]
  37. Besten, G.; Den Eunen, K.; Van Groen, A.K.; Venema, K.; Reijngoud, D.; Bakker, B.M. The role of short-chain fatty acids in the interplay between diet, gut microbiota, and host energy metabolism. J. Lipid. Res. 2013, 54, 2325–2340. [Google Scholar] [CrossRef]
  38. Gao, Z.; Yin, J.; Zhang, J.; Ward, R.E.; Martin, R.J.; Lefevre, M.; Cefalu, W.T.; Ye, J. Butyrate improves insulin sensitivity and increases energy expenditure in mice. Diabetes 2009, 58, 1509–1517. [Google Scholar] [CrossRef]
  39. Säemann, M.D.; Böhmig, G.A.; Österreicher, C.H.; Burtscher, H.; Parolini, O.; Diakos, C.; Stöckl, J.; Hörl, W.H.; Zlabinger, G.J. Anti-inflammatory effects of sodium butyrate on human monocytes. Potent inhibition of IL-12 and up-regulation of IL-10 production. FASEB J. 2000, 14, 2380–2382. [Google Scholar]
  40. Soliman, M.M.; Ahmed, M.M.; Salah-Eldin, A.-E.; Abdel-Aal, A.A.-A. Butyrate regulates leptin expression through different signaling pathways in adipocytes. J. Vet. Sci. 2011, 12, 319–323. [Google Scholar] [CrossRef]
  41. Chambers, E.S.; Viardot, A.; Psichas, A.; Morrison, D.J.; Murphy, K.G.; Zac-Varghese, S.E.K.; MacDougall, K.; Preston, T.; Tedford, C.; Finlayson, G.S.; et al. Effects of targeted delivery of propionate to the human colon on appetite regulation, body weight maintenance and adiposity in overweight adults. Gut 2015, 64, 1744–1754. [Google Scholar] [CrossRef] [PubMed]
  42. Demigné, C.; Morand, C.; Levrat, M.A.; Besson, C.; Moundras, C.; Rémésy, C. Effect of propionate on fatty acid and cholesterol synthesis and on acetate metabolism in isolated rat hepatocytes. Br. J. Nutr. 1995, 74, 209–219. [Google Scholar] [CrossRef] [PubMed]
  43. Gao, X.; Lin, S.-H.; Ren, F.; Li, J.-T.; Chen, J.-J.; Yao, C.-B.; Yang, H.-B.; Jiang, S.-X.; Yan, G.-Q.; Wang, D.; et al. Acetate functions as an epigenetic metabolite to promote lipid synthesis under hypoxia. Nat. Commun. 2016, 7, 11960. [Google Scholar] [CrossRef]
  44. Perry, R.J.; Peng, L.; Barry, N.A.; Cline, G.W.; Zhang, D.; Cardone, R.L.; Petersen, K.F.; Kibbey, R.G.; Goodman, A.L.; Shulman, G.I. Acetate Mediates a Microbiome-Brain-β-Cell Axis to Promote Metabolic Syndrome. Nature 2016, 534. [Google Scholar] [CrossRef] [PubMed]
  45. Million, M.; Angelakis, E.; Paul, M.; Armougom, F.; Leibovici, L.; Raoult, D. Comparative meta-analysis of the effect of Lactobacillus species on weight gain in humans and animals. Microb. Pathog. 2012, 53, 100–108. [Google Scholar] [CrossRef]
  46. Balamurugan, R.; George, G.; Kabeerdoss, J.; Hepsiba, J.; Chandragunasekaran, A.M.S.; Ramakrishna, B.S. Quantitative differences in intestinal Faecalibacterium prausnitzii in obese Indian children. Br. J. Nutr. 2010, 103, 335–338. [Google Scholar] [CrossRef]
  47. Furet, J.-P.; Kong, L.-C.; Tap, J.; Poitou, C.; Basdevant, A.; Bouillot, J.-L.; Mariat, D.; Corthier, G.; Dore, J.; Henegar, C.; et al. Differential Adaptation of Human Gut Microbiota to Bariatric Surgery-Induced Weight Loss. Links With Metabolic and Low-Grade Inflammation Markers. Diabetes 2010, 59, 3049–3057. [Google Scholar] [CrossRef]
  48. Dao, M.C.; Everard, A.; Aron-Wisnewsky, J.; Sokolovska, N.; Prifti, E.; Verger, E.O.; Kayser, B.D.; Levenez, F.; Chilloux, J.; Hoyles, L.; et al. Akkermansia muciniphila and improved metabolic health during a dietary intervention in obesity. Relationship with gut microbiome richness and ecology. Gut 2016, 65, 426–436. [Google Scholar] [CrossRef]
  49. Everard, A.; Belzer, C.; Geurts, L.; Ouwerkerk, J.P.; Druart, C.; Bindels, L.B.; Guiot, Y.; Derrien, M.; Muccioli, G.G.; Delzenne, N.M.; et al. Cross-talk between Akkermansia muciniphila and intestinal epithelium controls diet-induced obesity. Proc. Natl. Acad. Sci. USA 2013, 110, 9066–9071. [Google Scholar] [CrossRef]
  50. Sze, M.A.; Schloss, P.D. Looking for a Signal in the Noise. Revisiting Obesity and the Microbiome. MBio 2016, 7, e01018-16. [Google Scholar] [CrossRef]
  51. Walters, W.A.; Xu, Z.; Knight, R. Meta-analyses of human gut microbes associated with obesity and IBD. FEBS Lett. 2014, 588, 4223–4233. [Google Scholar] [CrossRef] [PubMed]
  52. Finucane, M.M.; Sharpton, T.J.; Laurent, T.J.; Pollard, K.S.; Lim, S.; Vos, T.; Flaxman, A.; Danaei, G.; Shibuya, K.; Douketis, J.; et al. A Taxonomic Signature of Obesity in the Microbiome? Getting to the Guts of the Matter. PLoS ONE 2014, 9, e84689. [Google Scholar] [CrossRef] [PubMed]
  53. Lozupone, C.A.; Stombaugh, J.; Gonzalez, A.; Ackermann, G.; Wendel, D.; Vazquez-Baeza, Y.; Jansson, J.K.; Gordon, J.I.; Knight, R. Meta-analyses of studies of the human microbiota. Genome Res. 2013, 23, 1704–1714. [Google Scholar] [CrossRef] [PubMed]
  54. Liu, Z.; DeSantis, T.Z.; Andersen, G.L.; Knight, R. Accurate taxonomy assignments from 16S rRNA sequences produced by highly parallel pyrosequencers. Nucleic Acids Res. 2008, 36, e120. [Google Scholar] [CrossRef] [PubMed]
  55. Choo, J.M.; Leong, L.E.; Rogers, G.B. Sample storage conditions significantly influence faecal microbiome profiles. Sci. Rep. 2015, 5, 16350. [Google Scholar] [CrossRef]
  56. Polz, M.F.; Cavanaugh, C.M. Bias in template-to-product ratios in multitemplate PCR. Appl. Environ. Microbiol. 1998, 64, 3724–3730. [Google Scholar] [CrossRef]
  57. Mao, D.-P.; Zhou, Q.; Chen, C.-Y.; Quan, Z.-X. Coverage evaluation of universal bacterial primers using the metagenomic datasets. BMC Microbiol. 2012, 12, 66. [Google Scholar] [CrossRef]
  58. Zupancic, M.L.; Cantarel, B.L.; Liu, Z.; Drabek, E.F.; Ryan, K.A.; Cirimotich, S.; Jones, C.; Knight, R.; Walters, W.A.; Knights, D.; et al. Analysis of the Gut Microbiota in the Old Order Amish and Its Relation to the Metabolic Syndrome. PLoS ONE 2012, 7, e43052. [Google Scholar] [CrossRef]
  59. Wu, G.D.; Chen, J.; Hoffmann, C.; Bittinger, K.; Chen, Y.-Y.; Keilbaugh, S.A.; Bewtra, M.; Knights, D.; Walters, W.A.; Knight, R.; et al. Linking long-term dietary patterns with gut microbial enterotypes. Science 2011, 334, 105–108. [Google Scholar] [CrossRef]
  60. Allali, I.; Arnold, J.W.; Roach, J.; Cadenas, M.B.; Butz, N.; Hassan, H.M.; Koci, M.; Ballou, A.; Mendoza, M.; Ali, R.; et al. A comparison of sequencing platforms and bioinformatics pipelines for compositional analysis of the gut microbiome. BMC Microbiol. 2017, 17, 194. [Google Scholar] [CrossRef]
  61. Kennedy, K.; Hall, M.W.; Lynch, M.D.J.; Moreno-Hagelsieb, G.; Neufeld, J.D. Evaluating Bias of Illumina-Based Bacterial 16S rRNA Gene Profiles. Appl. Environ. Microbiol. 2014, 80, 5717–5722. [Google Scholar] [CrossRef]
  62. Jones, M.B.; Highlander, S.K.; Anderson, E.L.; Li, W.; Dayrit, M.; Klitgord, N.; Fabani, M.M.; Seguritan, V.; Green, J.; Pride, D.T.; et al. Library preparation methodology can influence genomic and functional predictions in human microbiome research. Proc. Natl. Acad. Sci. 2015, 112, 14024–14029. [Google Scholar] [CrossRef]
  63. Schirmer, M.; Ijaz, U.Z.; D’Amore, R.; Hall, N.; Sloan, W.T.; Quince, C. Insight into biases and sequencing errors for amplicon sequencing with the Illumina MiSeq platform. Nucleic Acids Res. 2015, 43, e37. [Google Scholar] [CrossRef] [PubMed]
  64. Plummer, E.; Twin, J.; Bulach, D.M.; Garl, S.M.; Tabrizi, S.N. A Comparison of Three Bioinformatics Pipelines for the Analysis of Preterm Gut Microbiota using 16S rRNA Gene Sequencing Data. J. Proteom. Bioinform. 2015, 8. [Google Scholar] [CrossRef]
  65. Conterno, L.; Fava, F.; Viola, R.; Tuohy, K.M. Obesity and the gut microbiota. Does up-regulating colonic fermentation protect against obesity and metabolic disease? Genes Nutr. 2011, 6, 241–260. [Google Scholar] [CrossRef] [PubMed]
  66. Morales, P.; Fujio, S.; Navarrete, P.; Ugalde, J.A.; Magne, F.; Carrasco-Pozo, C.; Tralma, K.; Quezada, M.; Hurtado, C.; Covarrubias, N.; et al. Impact of dietary lipids on colonic function and microbiota. An experimental approach involving orlistat-induced fat malabsorption in human volunteers. Clin. Transl. Gastroenterol. 2016, 7. [Google Scholar] [CrossRef]
  67. Chassaing, B.; Koren, O.; Goodrich, J.K.; Poole, A.C.; Srinivasan, S.; Ley, R.E.; Gewirtz, A.T. Dietary Emulsifiers Impact the Mouse Gut Microbiota Promoting Colitis and Metabolic Syndrome. Nature 2015, 519. [Google Scholar] [CrossRef]
  68. Suez, J.; Korem, T.; Zeevi, D.; Zilberman-Schapira, G.; Thaiss, C.A.; Maza, O.; Israeli, D.; Zmora, N.; Gilad, S.; Weinberger, A.; et al. Artificial sweeteners induce glucose intolerance by altering the gut microbiota. Nature 2014, 514, 181–186. [Google Scholar] [CrossRef]
  69. Jin, Y.; Wu, S.; Zeng, Z.; Fu, Z. Effects of environmental pollutants on gut microbiota. Environ. Pollut. 2017, 222, 1–9. [Google Scholar] [CrossRef]
  70. Teixeira, T.; Grześkowiak, Ł.M.; Salminen, S.; Laitinen, K.; Bressan, J.; Gouveia Peluzio, M. do C. Faecal levels of Bifidobacterium and Clostridium coccoides but not plasma lipopolysaccharide are inversely related to insulin and HOMA index in women. Clin. Nutr. 2013, 32, 1017–1022. [Google Scholar] [CrossRef]
  71. Rahat-Rozenbloom, S.; Fernandes, J.; Gloor, G.B.; Wolever, T.M.S. Evidence for greater production of colonic short-chain fatty acids in overweight than lean humans. Int. J. Obes. 2014, 38, 1525–1531. [Google Scholar] [CrossRef] [PubMed]
  72. Gao, X.; Zhang, M.; Xue, J.; Huang, J.; Zhuang, R.; Zhou, X.; Zhang, H.; Fu, Q.; Hao, Y. Body Mass Index Differences in the Gut Microbiota Are Gender Specific. Front. Microbiol. 2018, 9, 1250. [Google Scholar] [CrossRef] [PubMed]
  73. Million, M.; Maraninchi, M.; Henry, M.; Armougom, F.; Richet, H.; Carrieri, P.; Valero, R.; Raccah, D.; Vialettes, B.; Raoult, D. Obesity-associated gut microbiota is enriched in Lactobacillus reuteri and depleted in Bifidobacterium animalis and Methanobrevibacter smithii. Int. J. Obes. (Lond.) 2012, 36, 817–825. [Google Scholar] [CrossRef]
  74. Kasai, C.; Sugimoto, K.; Moritani, I.; Tanaka, J.; Oya, Y.; Inoue, H.; Tameda, M.; Shiraki, K.; Ito, M.; Takei, Y.; et al. Comparison of the gut microbiota composition between obese and non-obese individuals in a Japanese population, as analyzed by terminal restriction fragment length polymorphism and next-generation sequencing. BMC Gastroenterol. 2015. [Google Scholar] [CrossRef]
  75. Jinatham, V.; Kullawong, N.; Kespechara, K.; Gentekaki, E.; Popluechai, S. Comparison of Gut Microbiota between Lean and Obese Adult Thai Individuals. Microbiol. Biotechnol. Lett. 2018, 46, 277–287. [Google Scholar] [CrossRef]
  76. Koliada, A.; Syzenko, G.; Moseiko, V.; Budovska, L.; Puchkov, K.; Perederiy, V.; Gavalko, Y.; Dorofeyev, A.; Romanenko, M.; Tkach, S.; et al. Association between body mass index and Firmicutes/Bacteroidetes ratio in an adult Ukrainian population. BMC Microbiol. 2017, 17, 120. [Google Scholar] [CrossRef]
  77. Davis, S.C.; Yadav, J.S.; Barrow, S.D.; Robertson, B.K. Gut microbiome diversity influenced more by the Westernized dietary regime than the body mass index as assessed using effect size statistic. Microbiologyopen 2017, 6, e00476. [Google Scholar] [CrossRef]
  78. Liu, T.-W.; Park, Y.-M.; Holscher, H.D.; Padilla, J.; Scroggins, R.J.; Welly, R.; Britton, S.L.; Koch, L.G.; Vieira-Potter, V.J.; Swanson, K.S. Physical Activity Differentially Affects the Cecal Microbiota of Ovariectomized Female Rats Selectively Bred for High and Low Aerobic Capacity. PLoS ONE 2015, 10, e0136150. [Google Scholar] [CrossRef]
  79. Evans, C.C.; LePard, K.J.; Kwak, J.W.; Stancukas, M.C.; Laskowski, S.; Dougherty, J.; Moulton, L.; Glawe, A.; Wang, Y.; Leone, V.; et al. Exercise prevents weight gain and alters the gut microbiota in a mouse model of high fat diet-induced obesity. PLoS ONE 2014, 9, e92193. [Google Scholar] [CrossRef]
  80. Clarke, S.F.; Murphy, E.F.; O’Sullivan, O.; Lucey, A.J.; Humphreys, M.; Hogan, A.; Hayes, P.; O’Reilly, M.; Jeffery, I.B.; Wood-Martin, R.; et al. Exercise and associated dietary extremes impact on gut microbial diversity. Gut 2014, 63, 1913–1920. [Google Scholar] [CrossRef]
  81. Witt, K.A.; Bush, E.A. College athletes with an elevated body mass index often have a high upper arm muscle area, but not elevated triceps and subscapular skinfolds. J. Am. Diet. Assoc. 2005, 105, 599–602. [Google Scholar] [CrossRef] [PubMed]
  82. Le Chatelier, E.; Nielsen, T.; Qin, J.; Prifti, E.; Hildebrand, F.; Falony, G.; Almeida, M.; Arumugam, M.; Batto, J.-M.; Kennedy, S.; et al. Richness of human gut microbiome correlates with metabolic markers. Nature 2013, 500, 541–546. [Google Scholar] [CrossRef]
  83. de la Cuesta-Zuluaga, J.; Corrales-Agudelo, V.; Carmona, J.A.; Abad, J.M.; Escobar, J.S. Body size phenotypes comprehensively assess cardiometabolic risk and refine the association between obesity and gut microbiota. Int. J. Obes. (Lond.) 2017. [Google Scholar] [CrossRef] [PubMed]
  84. Fallani, M.; Young, D.; Scott, J.; Norin, E.; Amarri, S.; Adam, R.; Aguilera, M.; Khanna, S.; Gil, A.; Edwards, C.A.; et al. Intestinal microbiota of 6-week-old infants across Europe. Geographic influence beyond delivery mode, breast-feeding, and antibiotics. J. Pediatr. Gastroenterol. Nutr. 2010, 51, 77–84. [Google Scholar] [CrossRef] [PubMed]
  85. Yatsunenko, T.; Rey, F.E.; Manary, M.J.; Trehan, I.; Dominguez-Bello, M.G.; Contreras, M.; Magris, M.; Hidalgo, G.; Baldassano, R.N.; Anokhin, A.P.; et al. Human gut microbiome viewed across age and geography. Nature 2012, 486, 222–227. [Google Scholar] [CrossRef]
  86. Escobar, J.S.; Klotz, B.; Valdes, B.E.; Agudelo, G.M. The gut microbiota of Colombians differs from that of Americans, Europeans and Asians. BMC Microbiol. 2014, 14, 311. [Google Scholar] [CrossRef]
  87. Magne, F.; O’Ryan, M.L.; Vidal, R.; Farfan, M. The human gut microbiome of Latin America populations. A landscape to be discovered. Curr. Opin. Infect. Dis. 2016. [Google Scholar] [CrossRef]
  88. Suzuki, T.A.; Worobey, M. Geographical variation of human gut microbial composition. Biol. Lett. 2014, 10, 20131037. [Google Scholar] [CrossRef]
  89. Dąbrowska, K.; Witkiewicz, W. Correlations of Host Genetics and Gut Microbiome Composition. Front. Microbiol. 2016, 7, 1357. [Google Scholar]
  90. Girard, C.; Tromas, N.; Amyot, M.; Shapiro, B.J. Gut Microbiome of the Canadian Arctic Inuit. mSphere 2017, 2, e00297-16. [Google Scholar] [CrossRef]
  91. Chevalier, C.; Stojanović, O.; Colin, D.J.; Suarez-Zamorano, N.; Tarallo, V.; Veyrat-Durebex, C.; Rigo, D.; Fabbiano, S.; Stevanović, A.; Hagemann, S.; et al. Gut Microbiota Orchestrates Energy Homeostasis during Cold. Cell 2015, 163, 1360–1374. [Google Scholar] [CrossRef] [PubMed]
  92. Callahan, B.J.; McMurdie, P.J.; Rosen, M.J.; Han, A.W.; Johnson, A.J.A.; Holmes, S.P. DADA2. High-resolution sample inference from Illumina amplicon data. Nat. Methods 2016, 13, 581–583. [Google Scholar] [CrossRef] [PubMed]
  93. Fujio-Vejar, S.; Vasquez, Y.; Morales, P.; Magne, F.; Vera-Wolf, P.; Ugalde, J.A.; Navarrete, P.; Gotteland, M. The Gut Microbiota of Healthy Chilean Subjects Reveals a High Abundance of the Phylum Verrucomicrobia. Front. Microbiol. 2017, 8, 1221. [Google Scholar] [CrossRef]
  94. Balamurugan, R.; Sandya, R.; Pugazhendhi, S.; Ramakrishna, B.S. Faecal microbiota of healthy adults in southern India. Comparison of a tribal and a rural population. Indian J. Med. Res. Res. 2017. In press. [Google Scholar]
  95. Baxter, N.T.; Ruffin, M.T.; Rogers, M.A.M.; Schloss, P.D.; Schloss, P.D. Microbiota-based model improves the sensitivity of fecal immunochemical test for detecting colonic lesions. Genome Med. 2016, 8, 37. [Google Scholar] [CrossRef] [PubMed]
  96. Goodrich, J.K.; Waters, J.L.; Poole, A.C.; Sutter, J.L.; Koren, O.; Blekhman, R.; Beaumont, M.; Van Treuren, W.; Knight, R.; Bell, J.T.; et al. Human Genetics Shape the Gut Microbiome. Cell 2014, 159, 789–799. [Google Scholar] [CrossRef] [PubMed]
  97. Ahmad, A.; Yang, W.; Chen, G.; Shafiq, M.; Javed, S.; Ali Zaidi, S.S.; Shahid, R.; Liu, C.; Bokhari, H. Analysis of gut microbiota of obese individuals with type 2 diabetes and healthy individuals. PLoS ONE 2019, 14, e0226372. [Google Scholar] [CrossRef]
  98. Tandon, D.; Haque, M.M.; Saravanan, R.; Shaikh, S.; Sriram, P.; Dubey, A.K.; Mande, S.S. A snapshot of gut microbiota of an adult urban population from Western region of India. PLoS ONE 2018, 13, e0195643. [Google Scholar] [CrossRef]
  99. Agudelo-Ochoa, G.M.; Valdés-Duque, B.E.; Giraldo-Giraldo, N.A.; Jaillier-Ramírez, A.M.; Giraldo-Villa, A.; Acevedo-Castaño, I.; Yepes-Molina, M.A.; Barbosa-Barbosa, J.; Benítez-Paéz, A. Gut microbiota profiles in critically ill patients, potential biomarkers and risk variables for sepsis. Gut Microbes 2020, 1–16. [Google Scholar] [CrossRef]
  100. Belforte, F.S.; Fernandez, N.; Tonín Monzón, F.; Rosso, A.D.; Quesada, S.; Cimolai, M.C.; Millán, A.; Cerrone, G.E.; Frechtel, G.D.; Burcelin, R.; et al. Getting to Know the Gut Microbial Diversity of Metropolitan Buenos Aires Inhabitants. Front. Microbiol. 2019, 10, 965. [Google Scholar] [CrossRef]

Будьте здоровы!

Перейти к ссылкам к основным разделам

ссылки к основным разделам


Комментарии


Комментариев пока нет

Пожалуйста, авторизуйтесь, чтобы оставить комментарий.
Также Вы можете войти через:
При входе и регистрации вы принимаете пользовательское соглашение
Пожалуйста, авторизуйтесь, чтобы оставить комментарий.

Авторизация
Введите Ваш логин или e-mail:

Пароль :
запомнить

Этот сайт использует файлы cookie и метаданные. Продолжая просматривать его, вы соглашаетесь на использование нами файлов cookie и метаданных в соответствии с Политикой конфиденциальности.
Продолжить