NG | 肠道微生物组，短链脂肪酸和代谢疾病之间的因果关系

22

文章速递

为了确定复杂疾病与肠道微生态特征之间的因果关系，本文使用了 952 名正常血糖个体的全基因组基因分型、肠道宏基因组序列和粪便短链脂肪酸（SCFA）水平的信息，这些信息将与 17 个代谢、人体测量表型进行全基因组关联分析。

使用双向孟德尔随机化（ MR ）分析来评估微生态特征与表型因果关系，文章发现宿主基因组驱动的肠道丁酸盐（其中一种 SCFA）产量增加与口服葡萄糖后胰岛素反应改善相关。而丙酸盐（另一种 SCFA）的生产或吸收异常与 T2D 风险增加有因果关系。

这些数据提供了肠道微生物组作为起因对代谢特征产生影响的证据，并说明 MR 可以作为在微生物组分析中阐明因果关系的方法。

关键字: 多组学, 孟德尔随机化

Title: Causal relationships among the gut microbiome, short-chain fatty acids and metabolic diseases

DOI: 10.1038/s41588-019-0350-x

Journal: Nature Genetics [IF 27.125 ]

First Authors: Serena Sanna

Correspondence: Cisca Wijmenga & Mark I. McCarthy

Affiliation: Department of Genetics, University of Groningen, University Medical Center Groningen, Groningen, the Netherlands.

Published: 2019-02-18

1

研究背景

动物实验证实肠道微生态变化与 T2D、胰岛素抵抗和肥胖存在因果关系，但这一结论在人类中证实仍有挑战性。在不同的人类样本研究中，造成影响的微生物组特征各不相同，但一致的发现是这些微生物组的组成中都存在产生丁酸盐的物种的减少。丁酸盐和其他的 SCFAs，例如乙酸盐和丙酸盐，是未消化的食物通过细菌发酵产生的。在被肠道细胞吸收后，这些 SCFAs 可能会被结肠粘膜上皮细胞利用或进入血液。

尽管大量证据表明，增加 SCFAs 的产量会产生抗肥胖和抗糖尿病作用，但一些体外和体内研究表明，肠道中过量的 SCFAs 由于能量积累增加也可能导致肥胖。解决这些冲突数据需要详细了解肠道微生物组成， SCFA 丰度和宿主代谢之间的因果关系。

2

研究思路

图 1. 研究的示意图。（步骤1）确定哪些微生物组特征（物种，代谢通路或 SCFA）与 LL-DEEP 队列中的代谢特征相关。 （步骤2）在 LL-DEEP（ LifeLines-DEEP） 中进行了全基因组关联分析，以确定那些微生物组特征的遗传预测因子。（步骤3）通过双向 MR 分析和从大型 GWAS 统计数据库中提取的遗传预测因子与代谢性状的影响大小来评估因果关系。（步骤4）最后，使用 UK Biobank 数据验证了因果关系结果。 

3

研究结果

确定参与分析的微生态特征与对应的遗传预测因子

根据对 LL-DEEP 数据的分析，文章选定了 245 个微生物组特征（粪便中 2 种 SCFAs 含量， 57 个物种， 186 个微生物代谢通路）。这些微生物组特征在 LL-DEEP 中至少与一个代谢表型、人体测量表型相关（FDR <0.1）。

从公开的 GIANT，MAGIC 和 DIAGRAM 的网站收集了 17 种人体测量表型和血糖特征相关的全基因组关联汇总统计数据。对于上述提到的 245 个特征，使用全基因组关联分析（GWAS）的方法，确定每个微生物组特征对应的遗传预测因子。最终得到的遗传预测因子，平均能解释对应的微生物组特征中 13% 的变化。F 值是衡量这些遗传预测因子强度的另一个指标，平均的 F 值为21.7（范围 15.3-25.5），对于 MR 分析，F 值 >10 时可以认为遗传预测因子与特征间具有足够强的关联。

SCFA 与口服糖尿病后胰岛素效果改善相关

文中观察到一个显著的因果关系，一个参与 4-氨基丁酸（GABA）降解微生物代谢通路（MetaCyc 名称 PWY-5022）与胰岛素分泌增加相关。在口服葡萄糖耐受试验（oGTT）期间测量的胰岛素和葡萄糖曲线下面积（AUC 胰岛素 / AUC 葡萄糖）的比例增加，与PWY-5022 关联性最强（图. 2a）。PWY-5022 丰度的增加将导致 oGTT 期间 AUC 胰岛素/ AUC 葡萄糖增加，但逆向的 MR 分析结果并不显著。另外其他几个与胰岛素相关的特征与这一通路有因果关系（图. 2b）。

丁酸盐和乙酸盐是都 GABA 降解的产物。在对物种的分析中，与 PWY-5022 丰度最相关的细菌种类是 Eubacterium rectale 和 Roseburia intestinalis（Spearman ρ分别为 0.52 和 0.30； 图. 2c），两者都已知的产丁酸盐细菌。在文章的研究中，没有测量血浆丁酸盐水平，因为目前的分析方法难以进行并且数据缺乏可靠性。尽管可以认为 PWY-5022 途径的丰富程度可以代表肠道中丁酸盐含量，但我们无法直接将 PWY-5022 丰度与宿主吸收的丁酸盐量相关联。 PWY-5022 的丰度与粪便中的丁酸盐水平（Spearman ρ= 0.1）的相关性很差，同时没有检测到粪便丁酸盐与 17 种性状之间存在任何因果关系（P>  0.05），因此表明粪便中丁酸盐的含量无法用于丁酸盐的生产和吸收的研究。

图2. A）MR 分析结果的示意图：产生丁酸盐的微生物组通路 PWY-5022 的丰度与胰岛素响应相关。B）其他胰岛素反应参数也表现了 PWY-5022 的因果效应。森林图表示每 1-s.d 对每个参数的影响程度。CI，置信区间。 C）950 个 LL-DEEP 样品中 PWY-5022 丰度和与该通路相关的细菌的相关性图。

粪便中的丙酸盐含量与 T2D 的因果关系 

在对 17 个表型性状进行 MR 分析时，发现粪便中的丙酸盐含量与 BMI 和 T2D 有一定程度的关联（没有超过设定的阈值），但同时逆向的 MR 分析结果显示没有任何关联。在 UK  Biobank 人群中进行验证时，能重复出粪便丙酸盐与 T2D 的因果关系（图. 3）

超过 95％ 的肠道产生的 SCFAs 被宿主吸收，因此粪便丙酸盐水平的增加可能是产量增加或吸收减少的结果。后者与目前的结果更相符，表明 SCFAs 对人体应该是有益的，可能在能量平衡和代谢嗜血杆菌上发挥作用。与血浆丁酸盐一样，验证队列中未测量血浆丙酸盐水平。有必要进一步研究探讨粪便丙酸水平与 T2D 之间这种关系的潜在机制。

图 3. 粪便丙酸盐对 T2D 的影响。 A）MR 分析结果的示意图：较高粪便丙酸盐水平与 T2D 风险增加有关。 B）森林图描绘了每个 1-s.d 对 T2D 的因果影响的大小。通过之前在 LL-DEEP 中得到的的三种遗传预测因子，计算其在发现数据集（DIAGRAM； 26,676 T2D 病例和 132,532 对照）和验证队列（ UK  Biobank；19,119 T2D 病例和 423,698 对照）中的进行 MR 分析的结果。Combined 为两种因果效应（来自发现和验证）与逆方差加权荟萃分析方法相结合而得到的效果。OR，优势比。

4

讨论与总结

虽然 LL-DEEP 队列是迄今为止关于微生物组遗传学的最大人口研究队列，但仍然不足以捕获全部微生物组特征。和其他微生物组队列的 GWAS 的结果仅有有限的直接重叠，因此突出了对数据分析和更大样本量的标准化的需求。

这些在 MR 分析中也是至关重要的，因为用标准化方案进行的扩展 GWAS 将得到更强大的遗传预测因子。要更好地理解肠道微生物组与宿主代谢之间复杂的相互作用将需要扩展当前的分析并找到血液中 SCFA 的检测方法。

该研究为微生物组 GWAS 提供了一种因果推断的途径，可以指导和补充更直接的实验方法，例如基于粪便移植和动物模型的方法。通过扩展的微生物组遗传学研究，MR 将成为系统筛选当前和未来微生物组关联研究中产生的大量假设的标准工具。

5

M 菌说

孟德尔随机化方法（MR）之前多用于人群的 SNP GWAS 研究，文章中为了提高结果的可信度，也提到了进行 MR 的几种不同的方法，例如：逆方差加权（inverse-variance weighted， IVW）、MR-PRESSO Global test 和 modified Rücker’s  Q′ test。

参考文献

Sanna S. et al. Causal relationships among the gut microbiome, short-chain fatty acids and metabolic diseases[J]. Nature genetics 51, 600-605 (2019).

撰稿 | J    责编 | Yanni

本文系菌探Momics（ID：Momics）原创，欢迎个人转发分享。其他任何媒体、网站如需转载，须在正文前注明来源菌探Momics。

菌探Momics

一起探索微生物的奥秘

点击“阅读原文”，阅读英文原文