醫療新知

新研究發現：腸道微生物多樣性與代謝症候群發展息息相關

Posted on by Wine-Font
22
8 月

本翻譯僅作學術交流用，無商業意圖，請勿轉載，如有疑議問請來信

研究顯示，代謝症候群（MetS）患者的腸道微生物群與健康人群存在顯著差異，尤其是微生物多樣性顯著降低。分析指出，特定細菌種類如Alistipes onderdonkii與腰圍呈負相關，暗示腸道菌群的變化可能加劇炎症並影響MetS的進展。這些發現強調了研究腸道微生物在代謝症候群中角色的重要性，並可能指引新的治療方向。

A Metagenome-Wide Association Study of the Gut Microbiome and Metabolic Syndrome

腸道微生物組與代謝症候群的宏基因組關聯研究

Qin Q, Yan S, Yang Y, et al. A Metagenome-Wide Association Study of the Gut Microbiome and Metabolic Syndrome. Front Microbiol. 2021;12:682721. Published 2021 Jul 16. doi:10.3389/fmicb.2021.682721

https://www.ncbi.nlm.nih.gov/pmc/articles/PMC8322780/

Abstract

Metabolic syndrome (MetS) is a wide-ranging disorder, which includes insulin resistance, altered glucose and lipid metabolism, and increased blood pressure and visceral obesity. MetS symptoms combine to result in a significant increase in cardiovascular risk. It is therefore critical to treat MetS in the early stages of the disorder. In this study, 123 MetS patients and 304 controls were recruited to determine whether the gut microbiome plays a role in MetS development and progression. By using whole-genome shotgun sequencing, we found that the gut microbiomes of MetS patients were different from those of controls, with MetS patients possessing significantly lower gut microbiome diversity. In addition, 28 bacterial species were negatively correlated with waist circumstance, with Alistipes onderdonkii showing the strongest correlation, followed by Bacteroides thetaiotaomicron, Clostridium asparagiforme, Clostridium citroniae, Clostridium scindens, and Roseburia intestinalis. These species were also enriched in controls relative to MetS patients. In addition, pathways involved in the biosynthesis of carbohydrates, fatty acids, and lipids were enriched in the MetS group, indicating that microbial functions related to fermentation may play a role in MetS. We also found that microbiome changes in MetS patients may aggravate inflammation and contribute to MetS diseases by inhibiting the production of short-chain fatty acids (SCFAs). Taken together, these results indicate the potential utility of beneficial gut microbiota as a potential therapeutic to alleviate MetS.

Keywords: metabolic syndrome, gut microbiota, metagenomics, comparative genomics, metabolic pathway

摘要

代謝症候群（MetS）是一種廣泛的病症，涵蓋胰島素抵抗、葡萄糖和脂質代謝異常、血壓升高以及內臟肥胖等問題。這些 MetS 症狀的結合大幅增加了心血管疾病的風險。因此，在 MetS 的早期階段進行治療至關重要。本研究招募了 123 名 MetS 患者和 304 名對照組，旨在確定腸道微生物組是否在 MetS 的發展和進展中發揮作用。通過全基因組鳥槍法測序，我們發現 MetS 患者的腸道微生物組與對照組不同，且 MetS 患者的腸道微生物組多樣性顯著降低。此外，有 28 種細菌物種與腰圍呈負相關，其中 Alistipes onderdonkii 的相關性最強，接著是 Bacteroides thetaiotaomicron、Clostridium asparagiforme、Clostridium citroniae、Clostridium scindens 和 Roseburia intestinalis。這些物種在對照組中相對於 MetS 患者更為豐富。此外，碳水化合物、脂肪酸和脂質生物合成相關的代謝途徑在 MetS 組中豐富，這表明與發酵相關的微生物功能可能在 MetS 中發揮作用。我們還發現 MetS 患者的微生物組變化可能通過抑制短鏈脂肪酸（SCFAs）的生成來加劇炎症並促進 MetS 疾病的發展。綜合來看，這些結果表明有益的腸道微生物群可能作為潛在治療手段來緩解 MetS。

關鍵詞：代謝症候群、腸道微生物群、宏基因組學、比較基因組學、代謝途徑

引言

國際糖尿病聯合會（IDF）根據腰圍來定義代謝症候群（MetS）（Alberti 等，2005）。MetS 的病理生理學涉及由內臟肥胖引起的胰島素抵抗和脂肪代謝紊亂。一項 2014–2015 年的研究顯示，中國 40 至 74 歲的成人中有 1.07 億人被診斷為 MetS，根據成人治療小組 III（ATP III）的定義（Li 等，2018），這導致糖尿病（Hudish 等，2019）、高血壓（Farmer，2004）以及心血管疾病發病率和死亡率的增加（Bloomgarden，2007；Sakurai 等，2010）。這些由 MetS 引發的繼發性疾病給個體患者和整個社會帶來了沉重的醫療和經濟負擔，突顯出降低 MetS 相關風險因素的迫切需求。

除了遺傳因素外，飲食和生活方式的差異也與不健康的微生物組有關，這導致炎症增加和 MetS 的風險提高（Hills 等，2019；Gildner，2020）。先前的研究表明，高脂飲食（HFD）小鼠中 Firmicutes 與 Bacteroidetes 比例的增加提高了肥胖的發病率（Hills 等，2019）。此外，一項多族裔人群研究顯示，在 MetS 患者中，Peptostreptococcaceae 和 Turicibacter 家族的豐度減少，而腸桿菌科（Enterobacteriaceae）的豐度增加（Deschasaux 等，2020）。這些研究表明，肥胖個體的微生物組可能更有效地從飲食中獲取能量，從而導致體重指數（BMI）升高和胰島素抵抗（Mazidi 等，2016）。

此外，腸道微生物可能通過影響其他共生細菌的代謝並引起由多醣發酵產物短鏈脂肪酸（SCFAs）引起的慢性炎症導致肥胖。研究表明，多醣可以通過促進有益細菌的增殖和抑制有害細菌的增殖來正向調節微生物群的結構（Tao 等，2017）。多醣能上調參與碳水化合物代謝的酶（CAZymes），這增加了 SCFAs 的生成，通過促進黏液生成和連接蛋白表達來增強腸道屏障的健康，並減少代謝內毒素和炎症因子的表達（Bell 和 Juge，2020）。先前的一項研究發現，Lactobacillus plantarum PMO 08 對 MetS 的積極影響與調節微生物群和維持肥胖小鼠腸道屏障的完整性有關，其主要效果來自於調節脂質代謝（Oh 等，2019）。此外，類固醇苷蛇舌草苷 D（OP-D）通過降低 Firmicutes 與 Bacteroidetes 比例和帶有內毒素的 Proteobacteria 水平來緩解 HFD 雄性小鼠的 MS 和胰島素抵抗，這表明多醣可用作益生元來治療與肥胖相關的腸道菌群失調和 MetS（Chen 等，2018）。此外，在接受瘦體男性糞便菌群移植的 MetS 男性中，胰島素敏感性顯著改善，並且腸道微生物多樣性增加，包括產丁酸菌株顯著增加（Hartstra 等，2015；Li 等，2018）。腸道微生物的產物，如丁酸鹽，可能通過增強線粒體活性、預防代謝性內毒素血症和通過基因表達和激素調節激活腸道糖異生來誘導有益的代謝效果。

基於 SCFAs 在肥胖中的作用以及多族裔人群中 MetS 受試者腸道微生物組構成的差異，本研究旨在揭示腸道微生物代謝物如何作用於 MetS，以通過分析中國 MetS 患者的腸道微生物組特徵來為 MetS 的治療提供理論依據。

材料與方法

研究人群

本研究從 2018 年至 2019 年，選擇了來自鄭州大學第一附屬醫院參加體檢的 290 名男性和 137 名女性。這其中，根據 IDF 的定義，31 名女性和 92 名男性被診斷為 MetS，他們的年齡為 44.82 ± 11.86 歲；106 名女性和 198 名男性作為對照組，他們的年齡為 42.93 ± 11.38 歲。所有涉及人體參與的研究均經過鄭州大學第一附屬醫院倫理委員會審查和批准。

數據收集

鄭州大學第一附屬醫院的受過訓練的工作人員通過問卷調查和體檢收集受試者的人口特徵、病史、行為風險因素、身高、體重、腰圍（WC）和血壓的數據。受試者在禁食 12 小時後抽血，通過醫院實驗室獲得白細胞（WBC）、中性粒細胞計數（NEC）、高密度脂蛋白膽固醇（HDL）、低密度脂蛋白膽固醇（LDL）、甘油三酯（TG）、總膽固醇（TC）、空腹血糖（FBG）、糖化血紅蛋白 A1c（HbA1c）和尿酸（UC）的血清檢測結果。此外，使用定量計算機斷層掃描（QCT PRO V6.1，美國 Mindways 公司）檢測內臟脂肪區域（VFA）。同一天，收集糞便樣本，分別包裝後放入 -80°C 冰箱中以備後續測試。

DNA 提取、鳥槍法宏基因組測序與讀取序列質量控制

根據製造商的說明，使用 MagPure Stool DNA KF 試劑盒從總共 1,770 份糞便樣本中提取 DNA。所有樣本均基於 DNA 納米球（DNB）的 DNA 庫構建和基於組合探針錨定合成（CPAS）的鳥槍法宏基因組測序（MGI2000，深圳華大基因公司）。使用上述整體準確性（OA ≥ 0.8）控制策略對原始測序讀取進行質量控制（QC），以過濾掉低質量讀取。

微生物組成與功能分析

基於 MetaPhlAn2 並使用默認設置進行分類註釋和定量分析，生成包括細菌、古菌、真核生物和病毒在內的腸道微生物組分析結果。首先，將測序讀取與分類標記進行比對。MetaPhlAn2 分類器使用核苷酸 BLAST 搜索將宏基因組讀取與預先計算的標記目錄進行比對，以提供類群豐度。然後，計算腸道菌群含量。分類器通過標記的核苷酸長度將每個類群中的讀取總數標準化，並考慮任何特定於亞類群的標記。進一步使用 HUMAnN2（HMP Unified Metabolic Analysis Network 2）生成分類群特異的社區功能分析。

統計分析

統計分析使用 R 程序 4.0.2 版本進行。使用標準化統計測試方法分析人口統計學和實驗室測試結果。分類變量以計數表示，並使用卡方檢驗進行關聯測試。連續變量以平均值 ± 標準差表示。組間差異分析通過正態性和齊性檢驗進行；p 值 ≥ 0.05 被認為是正態和齊性的，隨後進行參數檢驗或非參數檢驗；p 值 < 0.05 被認為具有統計學意義。我們使用 R 程序包“vegan”計算每個樣本的 Shannon 指數和 Gini 指數，以及 Hellinger、Bray、JSD 和 Pearson 指數。使用 R 程序“ade4”進行主坐標分析（PCoA）以進行可視化分析。Wilcoxon 檢驗用於分析微生物群和代謝途徑之間的差異，p 值 < 0.05 被認為具有統計學意義。使用 Spearman 相關分析來分析差異菌群與協變量之間的相關性，並使用“corrplot”包進行可視化。

結果

受試者的臨床特徵

本研究共招募了 137 名女性和 290 名男性。其中，123 名受試者被診斷為 MetS，304 名受試者為對照組，且對照組中與 MetS 相關的指標少於兩個。兩組之間的年齡或性別組成沒有顯著差異。與對照組相比，MetS 組的腰圍（WC）、體重指數（BMI）、內臟脂肪區域（VAF）、白細胞計數（WBC）和中性粒細胞計數（NEC）顯著升高（p < 0.05），但其他指標則沒有顯著差異（表 1）。

表 1 MetS 受試者與對照組的主要人口統計學和血清特徵。

微生物群多樣性分析

我們將識別到的序列根據它們在參考數據庫中的最接近匹配進行分類，將其歸入門和屬。總體而言，腸道微生物群由四個豐富的門主導，這些門在 MetS 組和對照組中的水平非常相似：擬桿菌門（Bacteroidetes，分別為 50.22% 和 50.15%）、厚壁菌門（Firmicutes，分別為 40.40% 和 39.60%）、變形菌門（Proteobacteria，分別為 4.50% 和 4.88%）、放線菌門（Actinobacteria，分別為 2.32% 和 2.19%）（圖 1）。

圖 1

MetS 組和對照組的腸道微生物組成。在 MetS 組和對照組中，腸道微生物群均由四個豐富的門主導，分別為擬桿菌門（Bacteroidetes，50.22% 和 50.15%）、厚壁菌門（Firmicutes，40.40% 和 39.60%）、變形菌門（Proteobacteria，4.50% 和 4.88%）、放線菌門（Actinobacteria，2.32% 和 2.19%）。MetS 組與對照組相比，這些門之間沒有顯著差異（p > 0.05）。

在物種層面，MetS 受試者的微生物組與對照組相比，α 多樣性顯著降低，這由 Shannon 指數和 Gini 指數測量得出（p = 0.03487 和 p = 0.03678）（圖 2A、B）。為了比較 MetS 組和對照組在物種層面的 β 多樣性，計算了 Hellinger 距離、Jensen-Shannon 散度（JSD）距離、Bray 距離和 Spearman 距離。這項分析顯示，MetS 組與對照組之間在物種層面的 β 多樣性沒有顯著差異（p = 0.1582、p = 0.1278、p = 0.1345 和 p = 0.3419，圖 2C–F）。

圖 2

糞便的 α 多樣性、β 多樣性和細菌分佈特徵。（A、B）使用 Shannon 指數和 Gini 指數測量 MetS 組和對照組之間的 α 多樣性。MetS 受試者的微生物組在物種層面的 α 多樣性顯著低於對照組（p = 0.03487 和 p = 0.03678）。（C–F）MetS 組和對照組之間的 β 多樣性。基於 Hellinger 距離、JSD 距離、Bray 距離和 Spearman 距離計算 β 多樣性，結果顯示 MetS 組和對照組之間沒有顯著差異。

微生物群組成分析與腸道微生物群與臨床特徵之間的關聯

在物種層面的分析中，我們發現 MetS 組與對照組之間有 71 種物種的豐度顯著不同。在去除發生頻率和豐度較低的物種後，仍有 39 種物種的豐度顯著不同（p < 0.05；圖 3），其中 31 種在對照組中豐富，而 8 種在 MetS 受試者中豐富。Wilcoxon 檢驗顯示，梭菌目（包括 Chlorobium phaeobacteroides、Clostridium asparagiforme、Clostridium bartlettii、Clostridium leptum、Clostridium scindens 和 Collinsella aerofaciens）的相對豐度在對照組中豐富。屬於擬桿菌目（Bacteroidales）的五種物種（Bacteroides fragilis、Roseburia intestinalis、Bacteroides nordii、Bacteroides thetaiotaomicron 和 Bacteroides xylanisolven），屬於阿利斯特菌屬（Alistipes）的四種物種（Alistipes onderdonkii、Alistipes hadrus、Alistipes colihominis 和未分類物種），以及屬於瘤胃球菌科（Ruminococcaceae）的三種物種（bacterium D16、Ruminococcus lactaris 和 Ruminococcus obeum）在對照組中豐富。而在 MetS 受試者中，Paraprevotella xylaniphila、未分類的 Paraprevotella、Streptococcus vestibularis、未分類的 Cellulophaga、Eubacterium siraeum、Paraprevotella clara、Gemella sanguinis 和未分類的 Peptostreptococcaceae 的豐度較高。

圖 3

MetS 組與對照組之間細菌物種的相對豐度。我們使用 Wilcoxon 檢驗分析了細菌物種的相對豐度，發現 39 種物種的豐度存在顯著差異，其中 31 種在對照組中豐富，8 種在 MetS 組中豐富。p < 0.05。

我們使用 Spearman 相關分析來探索物種豐度與臨床特徵之間的相關性。我們發現有 28 種物種的豐度與腰圍（WC）呈負相關（圖 4），其中 A. onderdonkii 的豐度顯示出最強的相關性，接著是 B. thetaiotaomicron、C. asparagiforme、Clostridium citroniae、C. scindens 和 R. intestinalis。有三種物種（A. onderdonkii、B. thetaiotaomicron 和 C. asparagiforme）與 WC、內臟脂肪區域（VFA）、空腹血糖（FBG）、糖化血紅蛋白 A1c（HbA1c）和尿酸（UC）呈負相關。

圖 4

細菌與臨床特徵之間的顯著相關性。我們發現 28 種物種的豐度與腰圍（WC）呈負相關。其中三種物種（Alistipes onderdonkii、Bacteroides thetaiotaomicron 和 Clostridium asparagiforme）與 WC、內臟脂肪區域（VFA）、空腹血糖（FBG）、糖化血紅蛋白 A1c（HbA1c）和尿酸（UC）呈負相關。*p < 0.05，**p < 0.01。

不同受試者微生物群特徵的功能轉變

我們還使用 494 個微生物 MetaCyc 途徑為每個樣本構建了功能譜。去除低豐度途徑後，共發現 64 個 MetaCyc 途徑在 MetS 組和對照組之間存在顯著差異（圖 5），其中 57 個途徑在 MetS 受試者中豐富。這 57 個在 MetS 中豐富的途徑中，有 4 個負責降解（碳水化合物降解：PWY-5941 和 PWY-7118，脂肪酸和脂質降解：PWY-5136 和 PWY66-388），4 個途徑（PWY-5514、UDPNACETYLGALSYN-PWY、PWY-6981 和 PWY-5067）負責碳水化合物生物合成，11 個途徑（PWY-7592、PWY-7036、PWY-7053、PWY-6433、PWY-6074、PWY-6598、PWY-7619、SPHINGOLIPID-SYN-PWY、PWY-6075、PWY-7411 和 PWY-7420）負責脂肪酸和脂質生物合成。MetS 組中豐富的兩個途徑（PWY-5079 和 PWY-6629）參與了 L-苯丙氨酸和 L-色氨酸的生物合成。此外，PWY66-375 途徑涉及激素生物合成。其他在 MetS 受試者中豐富的途徑負責大分子修飾、電子載體和維生素（如葉酸）。在 MetS 受試者中豐富的途徑參與了碳水化合物、脂肪酸和脂質的降解與合成，這表明發酵和利用碳水化合物、脂肪酸和脂質的微生物功能與 MetS 密切相關。

圖 5

MetS 組與對照組之間細菌物種的功能轉變。我們發現有 64 個途徑存在顯著差異，其中 57 個途徑在 MetS 受試者中豐富（p < 0.05）。在這 57 個在 MetS 組中豐富的途徑中，我們展示了負責碳水化合物、脂肪酸、脂質、胺基酸、激素代謝以及抑制細胞蛋白質合成的 23 個途徑。

討論

越來越多的證據表明，最近的生活方式改變導致代謝失調的快速增加，包括胰島素抵抗、葡萄糖和脂質代謝改變、血壓升高以及內臟肥胖。這些變化的結合顯著增加了心血管風險（Bozkurt 等，2016）。目前，代謝失調的治療主要依賴藥物干預和生活方式改變。然而，最近關於腸道微生物和肥胖相關疾病的研究為 MetS 的治療提供了一個新的研究方向。鑒於不同族群間腸道微生物的差異，本研究分析了中國漢族 MetS 患者的腸道微生物特徵及其代謝途徑，為探索 MetS 的治療提供了一條新途徑。

根據 IDF 的定義，MetS 主要基於腰圍（WC）來反映中央肥胖。我們的宏基因組關聯研究發現，在 MetS 參數中，WC 與腸道微生物物種的相關性最大。少數研究探索了腸道菌群與內臟脂肪之間的關係。Nie 等人（2020）發現，Clostridiales 和 Lachnospiraceae 家族成員與 WC、VFA、TG、LDL、HbA1c、SBP 和 DBP 等肥胖參數顯著負相關。這些相關性大多為負相關，支持了我們分析的發現。為了防止偽陽性，細菌物種必須出現在至少 10 個樣本中。我們發現六種代表性物種（A. onderdonkii、B. thetaiotaomicron、C. asparagiforme、C. citroniae、C. scindens 和 R. intestinalis）在健康對照組中豐富，且與 WC 和 VFA 呈負相關。A. onderdonkii、B. thetaiotaomicron 和 C. asparagiforme 與 WC 呈負相關，且與 FBG、HbA1c 和 UC 也呈負相關。

Clostridiales 可能由於其在健康對照組中的富集而代表潛在的益生菌。一項研究探討了使用 cyclocarya paliurus 多醣（CCPP）治療 2 型糖尿病（Yao 等，2020），發現使用 CCPP 後 C. asparagiforme 明顯增加，並伴隨血糖水平降低、葡萄糖耐受性改善和血清脂質參數的改善。這些變化是由於 SCFA 生成物種的增加，這增加了 SCFA 水平並上調了 SCFA-GLP1/PYY 相關的感覺介質。與肥胖群體相比，C. citroniae 也在健康組中豐富（Nie 等，2020）。此外，C. scindens 已被證明通過產生次級膽汁酸來增強對 Clostridium difficile 定植的抵抗力，從而抑制 C. difficile 感染（Mills 等，2018）。在我們的研究中，A. onderdonkii 在健康受試者中豐富，因此可能代表一個有益的物種。之前的研究表明，Alistipes 物種從患有闌尾炎、腹腔和直腸膿腫的患者中分離出來（Parker 等，2020）。儘管如此，其他研究發現 Alistipes 物種可能對某些疾病具有保護作用，包括肝纖維化（Shao 等，2018；Sung 等，2019）、癌症（Feng 等，2015；Li 等，2016）和心血管疾病（Jie 等，2017；Cui 等，2018；Jama 等，2019）。此外，Rau 等（2018）顯示，非酒精性脂肪肝患者中 A. onderdonkii 顯著減少，這與我們的研究結果一致，即 MetS 患者中 A. onderdonkii 顯著減少。此外，B. thetaiotaomicron（Delday 等，2019）通過減少這些腸道上皮細胞中的促炎性 NF-κB 信號來促進內視鏡黏膜癒合以維持緩解。R. intestinalis（Hiippala 等，2018；La Rosa 等，2019）已被證明作為產丁酸菌為腸上皮細胞提供能量來源，這反過來又由於 SCFA 生成的增加而導致抗炎作用。值得注意的是，以前的研究發現，這些物種作為主要的 SCFA 生成者，通過改變宿主代謝、減少炎症和改善免疫系統來減輕與肥胖和糖尿病相關的症狀（Kumari 等，2013；Gargari 等，2018；Tanca 等，2018；Gao 等，2019）。

通過功能富集分析，我們發現，在 MetS 微生物組中富集的微生物途徑參與了碳水化合物、脂肪酸和脂質的降解與生物合成，這可能促進了 MetS 微生物組對 SCFA 的發酵和利用。這反過來可能通過將 SCFA 作為營養靶點來調節以預防代謝失調及其相關疾病，如肥胖和 2 型糖尿病（Hu 等，2018）。糖酵解的最終產物丙酮酸是碳水化合物、脂肪酸、脂質和胺基酸的代謝物，並參與三羧酸循環（TCA），可以通過不同途徑代謝，根據條件的不同，特別是在 P461-PWY 中，形成 (S)-乳酸、甲酸、乙醇或乙酸。在葡萄糖過量存在的情況下，主要的發酵產物是 (S)-乳酸，但在葡萄糖限制的情況下，僅產生甲酸、乙醇和乙酸（Carlsson 和 Griffith，1974；Yamada 和 Carlsson，1975）。鑒於 MetS 是一種高糖高脂狀態，我們推測腸道微生物可能通過負責碳水化合物和脂質代謝的途徑來促進多餘能量的生成。MetS 患者的 SCFA 排泄增加（Fava 等，2013），這意味著 MetS 患者的 SCFA 水平較低，而健康受試者的 SCFA 水平較高，這也與我們的結果一致，即 SCFA 生成的微生物（C. asparagiforme 和 R. intestinalis）主要在健康受試者中豐富。此外，我們還觀察到 PWY66-375 途徑通過生成白三烯導致炎症。白三烯是花生四烯酸的促炎代謝物，通過激活和放大先天和適應性免疫反應（Murphy 和 Gijon，2007；Rinaldo-Matthis 和 Haeggstrom，2010）。這可能部分解釋了我們觀察到的 MetS 受試者相對於對照組的炎症水平增加。

通過糖脂代謝途徑生成的短鏈脂肪酸（SCFA）可參與宿主的能量代謝，減少炎症，並降低致病菌的定植。進一步研究 SCFA 在宿主中的靶點和信號途徑可能導致開發新的藥物來緩解 MetS 的症狀。

結論

在本研究中，我們確定了腸道微生物與 MetS 標誌之間的幾個關係。WC 和 VFA 與多種微生物呈負相關，且 MetS 受試者的微生物組在碳水化合物、脂肪酸和脂質的生物合成方面富集。這些結果表明，通過增加 SCFA 的生成，添加包括 A. onderdonkii、B. thetaiotaomicron、C. asparagiforme、C. citroniae、C. scindens 和 R. intestinalis 在內的有益細菌可能緩解一些 MetS 症狀。對與 MetS 密切相關的特定微生物物種和代謝途徑的識別可能會帶來代謝失調的新療法。

參考文獻

  • Alberti K. G., Zimmet P., Shaw J. IDF Epidemiology Task Force Consensus Group (2005). The metabolic syndrome–a new worldwide definition. Lancet 366 1059–1062. 10.1016/S0140-6736(05)67402-8 [PubMed] [CrossRef] []
  • Bell A., Juge N. (2020). Mucosal glycan degradation of the host by the gut microbiota. Glycobiology 10.1093/glycob/cwaa097 [Epub ahead of print]. [PMC free article] [PubMed] [CrossRef] []
  • Bloomgarden Z. T. (2007). Insulin resistance, dyslipidemia, and cardiovascular disease. Diabetes Care 30 2164–2170. 10.2337/dc07-zb08 [PubMed] [CrossRef] []
  • Bozkurt B., Aguilar D., Deswal A., Dunbar S. B., Francis G. S., Horwich T., et al. (2016). Contributory risk and management of comorbidities of hypertension, obesity, diabetes mellitus, hyperlipidemia, and metabolic syndrome in chronic heart failure: a scientific statement from the American heart association. Circulation 134 e535–e578. 10.1161/CIR.0000000000000450 [PubMed] [CrossRef] []
  • Carlsson J., Griffith C. J. (1974). Fermentation products and bacterial yields in glucose-limited and nitrogen-limited cultures of streptococci. Arch. Oral. Biol. 19 1105–1109. 10.1016/0003-9969(74)90238-6 [PubMed] [CrossRef] []
  • Chen S., Li X., Liu L., Liu C., Han X. (2018). Ophiopogonin D alleviates high-fat diet-induced metabolic syndrome and changes the structure of gut microbiota in mice. FASEB J. 32 1139–1153. 10.1096/fj.201700741RR [PubMed] [CrossRef] []
  • Cui X., Ye L., Li J., Jin L., Wang W., Li S., et al. (2018). Metagenomic and metabolomic analyses unveil dysbiosis of gut microbiota in chronic heart failure patients. Sci. Rep. 8 635. 10.1038/s41598-017-18756-2 [PMC free article] [PubMed] [CrossRef] []
  • Delday M., Mulder I., Logan E. T., Grant G. (2019). Bacteroides thetaiotaomicron ameliorates colon inflammation in preclinical models of Crohn’s disease. Inflamm. Bowel Dis. 25 85–96. 10.1093/ibd/izy281 [PMC free article] [PubMed] [CrossRef] []
  • Deschasaux M., Bouter K., Prodan A., Levin E., Nieuwdorp M. (2020). Differences in gut microbiota composition in metabolic syndrome and type 2 diabetes subjects in a multi-ethnic population: the HELIUS study. Proc. Nutr. Soc. 79:E183. []
  • Farmer J. A. (2004). Hypertension and the metabolic syndrome. Curr. Cardiol. Rep. 6 427–433. 10.1007/s11886-004-0050-7 [PubMed] [CrossRef] []
  • Fava F., Gitau R., Griffin B. A., Gibson G. R., Tuohy K. M., Lovegrove J. A. (2013). The type and quantity of dietary fat and carbohydrate alter faecal microbiome and short-chain fatty acid excretion in a metabolic syndrome ‘at-risk’ population. Int. J. Obes. (Lond.) 37 216–223. 10.1038/ijo.2012.33 [PubMed] [CrossRef] []
  • Feng Q., Liang S., Jia H., Stadlmayr A., Tang L., Lan Z., et al. (2015). Gut microbiome development along the colorectal adenoma-carcinoma sequence. Nat. Commun. 6:6528. 10.1038/ncomms7528 [PubMed] [CrossRef] []
  • Gao H., Wen J. J., Hu J. L., Nie Q. X., Chen H. H., Xiong T., et al. (2019). Fermented Momordica charantia L. juice modulates hyperglycemia, lipid profile, and gut microbiota in type 2 diabetic rats. Food Res. Int. 121 367–378. 10.1016/j.foodres.2019.03.055 [PubMed] [CrossRef] []
  • Gargari G., Taverniti V., Gardana C., Cremon C., Canducci F., Pagano I., et al. (2018). Fecal Clostridiales distribution and short-chain fatty acids reflect bowel habits in irritable bowel syndrome. Environ Microbiol. 20 3201–3213. 10.1111/1462-2920.14271 [PubMed] [CrossRef] []
  • Gildner T. E. (2020). Links between metabolic syndrome and the microbiome. Evol. Med. Public Health 2020 45–46. 10.1093/emph/eoaa007 [PMC free article] [PubMed] [CrossRef] []
  • Hartstra A. V., Bouter K. E., Backhed F., Nieuwdorp M. (2015). Insights into the role of the microbiome in obesity and type 2 diabetes. Diabetes Care 38 159–165. 10.2337/dc14-0769 [PubMed] [CrossRef] []
  • Hiippala K., Jouhten H., Ronkainen A., Hartikainen A., Kainulainen V., Jalanka J., et al. (2018). The potential of gut commensals in reinforcing intestinal barrier function and alleviating inflammation. Nutrients 10:988. 10.3390/nu10080988 [PMC free article] [PubMed] [CrossRef] []
  • Hills R. D., Jr., Pontefract B. A., Mishcon H. R., Black C. A., Sutton S. C., Theberge C. R. (2019). Gut microbiome: profound implications for diet and disease. Nutrients 11:1613. 10.3390/nu11071613 [PMC free article] [PubMed] [CrossRef] []
  • Hu J., Lin S., Zheng B., Cheung P. C. K. (2018). Short-chain fatty acids in control of energy metabolism. Crit. Rev. Food Sci. Nutr. 58 1243–1249. 10.1080/10408398.2016.1245650 [PubMed] [CrossRef] []
  • Hudish L. I., Reusch J. E., Sussel L. (2019). Beta cell dysfunction during progression of metabolic syndrome to type 2 diabetes. J. Clin. Invest. 129 4001–4008. 10.1172/JCI129188 [PMC free article] [PubMed] [CrossRef] []
  • Jama H. A., Beale A., Shihata W. A., Marques F. Z. (2019). The effect of diet on hypertensive pathology: is there a link via gut microbiota-driven immunometabolism? Cardiovasc. Res. 115 1435–1447. 10.1093/cvr/cvz091 [PubMed] [CrossRef] []
  • Jie Z., Xia H., Zhong S. L., Feng Q., Li S., Liang S., et al. (2017). The gut microbiome in atherosclerotic cardiovascular disease. Nat. Commun. 8:845. 10.1038/s41467-017-00900-1 [PMC free article] [PubMed] [CrossRef] []
  • Kumari R., Ahuja V., Paul J. (2013). Fluctuations in butyrate-producing bacteria in ulcerative colitis patients of North India. World J. Gastroenterol. 19 3404–3414. 10.3748/wjg.v19.i22.3404 [PMC free article] [PubMed] [CrossRef] []
  • La Rosa S. L., Leth M. L., Michalak L., Hansen M. E., Pudlo N. A., Glowacki R., et al. (2019). The human gut Firmicute Roseburia intestinalis is a primary degrader of dietary beta-mannans. Nat. Commun. 10 905. 10.1038/s41467-019-08812-y [PMC free article] [PubMed] [CrossRef] []
  • Li J., Sung C. Y., Lee N., Ni Y., Pihlajamaki J., Panagiotou G., et al. (2016). Probiotics modulated gut microbiota suppresses hepatocellular carcinoma growth in mice. Proc. Natl. Acad. Sci. U.S.A. 113 E1306–E1315. 10.1073/pnas.1518189113 [PMC free article] [PubMed] [CrossRef] []
  • Li W., Song F., Wang X., Wang L., Wang D., Yin X., et al. (2018). Prevalence of metabolic syndrome among middle-aged and elderly adults in China: current status and temporal trends. Ann. Med. 50 345–353. 10.1080/07853890.2018.1464202 [PubMed] [CrossRef] []
  • Mazidi M., Rezaie P., Kengne A. P., Mobarhan M. G., Ferns G. A. (2016). Gut microbiome and metabolic syndrome. Diabetes Metab. Syndr. 10 S150–S157. 10.1016/j.dsx.2016.01.024 [PubMed] [CrossRef] []
  • Mills J. P., Rao K., Young V. B. (2018). Probiotics for prevention of Clostridium difficile infection. Curr. Opin. Gastroenterol. 34 3–10. 10.1097/MOG.0000000000000410 [PMC free article] [PubMed] [CrossRef] []
  • Murphy R. C., Gijon M. A. (2007). Biosynthesis and metabolism of leukotrienes. Biochem. J. 405 379–395. 10.1042/BJ20070289 [PubMed] [CrossRef] []
  • Nie X., Chen J., Ma X., Ni Y., Shen Y., Yu H., et al. (2020). A metagenome-wide association study of gut microbiome and visceral fat accumulation. Comput. Struct. Biotechnol. J. 18 2596–2609. 10.1016/j.csbj.2020.09.026 [PMC free article] [PubMed] [CrossRef] []
  • Oh Y. J., Kim H. J., Kim T. S., Yeo I. H., Ji G. E. (2019). Effects of Lactobacillus plantarum PMO 08 alone and combined with Chia seeds on metabolic syndrome and parameters related to gut health in high-fat diet-induced obese mice. J. Med. Food. 22 1199–1207. 10.1089/jmf.2018.4349 [PubMed] [CrossRef] []
  • Parker B. J., Wearsch P. A., Veloo A. C. M., Rodriguez-Palacios A. (2020). The genus Alistipes: gut bacteria with emerging implications to inflammation, cancer, and mental health. Front. Immunol. 11:906. 10.3389/fimmu.2020.00906 [PMC free article] [PubMed] [CrossRef] []
  • Rau M., Rehman A., Dittrich M., Groen A. K., Hermanns H. M., Seyfried F., et al. (2018). Fecal SCFAs and SCFA-producing bacteria in gut microbiome of human NAFLD as a putative link to systemic T-cell activation and advanced disease. United European Gastroenterol. J. 6 1496–1507. 10.1177/2050640618804444 [PMC free article] [PubMed] [CrossRef] []
  • Rinaldo-Matthis A., Haeggstrom J. Z. (2010). Structures and mechanisms of enzymes in the leukotriene cascade. Biochimie 92 676–681. 10.1016/j.biochi.2010.01.010 [PubMed] [CrossRef] []
  • Sakurai T., Iimuro S., Araki A., Umegaki H., Ohashi Y., Yokono K., et al. (2010). Age-associated increase in abdominal obesity and insulin resistance, and usefulness of AHA/NHLBI definition of metabolic syndrome for predicting cardiovascular disease in Japanese elderly with type 2 diabetes mellitus. Gerontology 56 141–149. 10.1159/000246970 [PubMed] [CrossRef] []
  • Shao L., Ling Z., Chen D., Liu Y., Yang F., Li L. (2018). Disorganized gut microbiome contributed to liver cirrhosis progression: a meta-omics-based study. Front. Microbiol. 9:3166. 10.3389/fmicb.2018.03166 [PMC free article] [PubMed] [CrossRef] []
  • Sung C. M., Lin Y. F., Chen K. F., Ke H. M., Huang H. Y., Gong Y. N., et al. (2019). Predicting clinical outcomes of cirrhosis patients with hepatic encephalopathy from the fecal microbiome. Cell. Mol. Gastroenterol. Hepatol. 8 301–318.e2. 10.1016/j.jcmgh.2019.04.008 [PMC free article] [PubMed] [CrossRef] []
  • Tanca A., Palomba A., Fraumene C., Manghina V., Silverman M., Uzzau S. (2018). Clostridial butyrate biosynthesis enzymes are significantly depleted in the gut microbiota of nonobese diabetic mice. mSphere 3:e00492-18. 10.1128/mSphere.00492-18 [PMC free article] [PubMed] [CrossRef] []
  • Tao J. H., Duan J. A., Jiang S., Feng N. N., Qiu W. Q., Ling Y. (2017). Polysaccharides from Chrysanthemum morifolium ramat ameliorate colitis rats by modulating the intestinal microbiota community. Oncotarget 8 80790–80803. 10.18632/oncotarget.20477 [PMC free article] [PubMed] [CrossRef] []
  • Yamada T., Carlsson J. (1975). Regulation of lactate dehydrogenase and change of fermentation products in streptococci. J Bacteriol. 124 55–61. 10.1128/JB.124.1.55-61.1975 [PMC free article] [PubMed] [CrossRef] []
  • Yao Y., Yan L., Chen H., Wu N., Wang W., Wang D. (2020). Cyclocarya paliurus polysaccharides alleviate type 2 diabetic symptoms by modulating gut microbiota and short-chain fatty acids. Phytomedicine 77:153268. 10.1016/j.phymed.2020.153268 [PubMed] [CrossRef] []
Wine-Font