摘要：系統(tǒng)生物學研究所(ISB)的研究人員開發(fā)了一種新的方法來模擬個性化的微生物組介導的飲食反應。
短鏈脂肪酸（SCFAs）是由我們腸道中的細菌產(chǎn)生的有益分子，與改善宿主代謝、降低全身炎癥、促進心血管健康、降低癌癥風險等密切相關。然而，即使在飲食完(空)全相同的個體之間，SCFA的譜系也可能存在顯著差異。目前，我們缺乏預測這種個體間差異的工具。
系統(tǒng)生物學研究所（ISB）的研究人員開發(fā)了一種新的方法，用以模擬個性化的微生物組介導的飲食反應。他們采用了微生物群落規(guī)模代謝模型（MCMM）來預測個體特異性SCFA產(chǎn)量對不同飲食、益生元和益生菌輸入的響應。
換句話說，ISB的科學家能夠構建一個腸道微生物組代謝的“數(shù)字雙胞胎"，模擬對飲食的個性化反應。他們使用腸道微生物組測序數(shù)據(jù)和飲食攝入信息來定制每個個體特定的模型。他們的研究結果已在《Nature Microbiology》雜志上發(fā)表。
圖1 微生物群落規(guī)模的代謝模型預測人類腸道中個性化的短鏈脂肪酸生產(chǎn)概況
ISB的副教授、共同資深作者Sean Gibbons博士指出：“粗略地說，腸道微生物組是一個生物反應器，可以將膳食纖維轉化為這些SCFAs。了解腸道生態(tài)和飲食攝入如何定量映射到SCFA輸出，將代表將微生物組科學轉化為臨床的重大進步。"
與黑箱機器學習預測方法不同，MCMM是透明和機械的，它涵蓋了數(shù)十種生物體中的數(shù)萬種代謝物和酶，提供了關于特定微生物、飲食成分和代謝途徑的深入知識，有助于生成SCFA。盡管具有這種透明性，但這些模型的復雜性使它們難以通過實驗驗證。
為了克服這一挑戰(zhàn)，作者測量了體外人類腸道細菌分離菌隨機混合物群落和不同人的糞便均質物在厭氧室中與各種膳食纖維孵育時的SCFA產(chǎn)量。通過從宿主吸收中分離微生物驅動的SCFA生產(chǎn)，ISB科學家能夠證明MCMM預測與測量的纖維范圍內丁酸鹽和丙酸鹽的生產(chǎn)速率顯著相關，這兩種纖維是最(空)豐富和生理上有效的SCFA。
盡管體內測量丁酸鹽和丙酸鹽的產(chǎn)量是不可行的，但作者能夠使用SCFA產(chǎn)量與基于血液的健康標志物之間的間接關聯(lián)來驗證個體間產(chǎn)量差異的生理影響。他們發(fā)現(xiàn)，MCMM預測可以區(qū)分高纖維喂養(yǎng)研究中表現(xiàn)出不同免疫反應的個體：大多數(shù)個體表現(xiàn)出全身炎癥標志物的減少，但一小部分人在高纖維飲食中表現(xiàn)出炎癥的增加。根據(jù)MCMM的預測，高炎癥反應組的個體產(chǎn)生丙酸的能力顯著降低。此外，丁酸鹽預測與心臟代謝和免疫健康的血液標志物顯著相關。
圖2 使用16S擴增子測序或鳥(空)槍宏基因組測序數(shù)據(jù)對SCFA產(chǎn)生的預測顯示出一致性
Nick Quinn-Bohmann博士表示：“MCMM在體外的預測準確性，加上SCFA預測與人類群體健康指標之間的顯著關聯(lián)，使我們對這些模型在精確營養(yǎng)方面的效用充滿信心。"
在驗證MCMM預測后，作者展示了該方法在設計個性化益生元、益生菌和飲食干預以優(yōu)化SCFA生產(chǎn)概況方面的潛力。他們模擬了兩種不同飲食的丁酸鹽產(chǎn)量，并研究了來自美國太平洋西部的2000多人。他們發(fā)現(xiàn)，一小部分個體在轉向高纖維飲食時，丁酸鹽的產(chǎn)生幾乎沒有增加（稱為“無反應者"），而另一部分個體在高纖維飲食時，丁酸鹽的產(chǎn)生實際上有小幅下降（稱為“回歸者"）。接下來，他們在兩種背景飲食中模擬了三種簡單的聯(lián)合干預措施，試圖增加無反應和回歸者的丁酸鹽產(chǎn)量：添加益生元纖維菊粉，添加益生元纖維果膠，或添加產(chǎn)生丁酸鹽的益生菌（Faecalibacterium）。結果表明，沒有單一的組合干預對所有個體都是最佳的：一些人從添加益生元纖維中獲益最多，而另一些人似乎需要在他們的微生物群中添加一種產(chǎn)生丁酸鹽的益生菌。
奧地利格拉茨醫(yī)科大學的助理教授、資深作者Christian Diener博士說：“總之，這些結果為微生物組介導的精準營養(yǎng)的新途徑提供了重要的概念證明。但是，在進入臨床實踐之前，還有更多的工作要做，以驗證這些模型在前瞻性人體試驗中的預測能力。"
參考資料
[1] Microbial community-scale metabolic modelling predicts personalized short-chain fatty acid production profiles in the human gut
