科研星球

​Cell | 以肠道菌群为目标的饮食干预可调节人体免疫状态

饮食已成为肠道微生物群组成和功能的驱动因素,前瞻性饮食干预研究中的短期饮食变化也已被证明会迅速改变人类肠道菌群。肠道菌群与人类生物学的整合表明,操纵肠道微生物可能是改变人类健康各个方面的有力手段,例如针对肠道微生物组以增强、引入或消除特定功能或类群的饮食可能是实现精准医学的潜在方法,同时,肠道菌群所包含的特征信息也可以用于预测个体对特定食物的特定餐后的反应【1】。一个关键问题是,是否有广泛的、非个性化的饮食建议可以利用现有的微生物群-宿主相互作用来改善人群的健康。


大量研究支持了纤维在健康中的作用,包括较高纤维消耗量和较低死亡率之间的剂量反应关系【2】,以及在维持肠道屏障和减轻炎症中的效用。此外,大型队列研究将发酵食品的消费与维持体重和降低糖尿病、癌症和心血管疾病风险联系起来【3】。由此可见,针对微生物群的饮食干预或许可以对人类生物学产生积极影响。


2021年7月6日,来自美国斯坦福大学医学院的Justin L. Sonnenburg等多个团队在Cell杂志上合作发表了一篇题为 Gut-microbiota-targeted diets modulate human immune status 的文章,作者通过一项针对人类的前瞻性随机多组学研究调查了高纤维或发酵食品饮食的纵向影响,表明它们对微生物组多样性的影响不同,后者对减少炎症标志物和调节免疫反应具有显着影响。


2.png


为了调查饮食对微生物群和免疫系统的影响,作者招募了一般健康的成年人参与一项为期10周的饮食干预,参与者被随机分配到两个饮食组之一:高纤维饮食或高发酵食品饮食,并在干预期间纵向收集血液和粪便样本,以评估菌群组成、功能和代谢输出,以及循环细胞因子水平等。


那么每种饮食干预是否会导致参与者的微生物群或生物学方面产生特征性的变化呢?为此,作者生成了随机森林模型,揭示了参与者的饮食特异性反应。尽管高纤维组的微生物组多样性没有明显变化,但粪便样本中微生物蛋白质百分比的增加表明,纤维可能会促进擅长纤维降解的细菌的生长。宏基因组测序显示11种不同碳水化合物活性酶(CAZymes)的相对丰度有所增加,同时,通过捕获细胞因子或免疫信号,作者发现高纤维饮食干预会对基线菌群多样性不同的个体产生个性化的免疫反应,比如在改善微生物组丰富度较低的个体的炎症标志物方面效果较差。


在稳态下,细胞因子水平升高往往与慢性低度炎症相关。在高发酵饮食干预后,α多样性整体表现出增加趋势,而包括 IL-6、IL-10 和 IL-12b 及其他炎症因子水平都有所降低。此外,血液中的代谢物与宿主的生理过程有关,那么高发酵组个体血清代谢组学特征的变化是否能反映炎性细胞因子的整体下降呢?作者使用血清样品进行非靶向代谢组学测定,并计算了每个代谢物-细胞因子对之间的相关性,结果显示38对相关性存在统计学意义。


综上,食物选择的变化、参与者微生物群的个性化性质以及产生的广泛微生物群和免疫系统组学数据为揭示新的人类微生物群与免疫关系提供了独特的机会。为了确定处于变化状态的微生物群和免疫系统之间的关系,作者针对每个参数计算了干预结束和基线之间的差异。这些差异用于确定每种微生物组特征类型(ASV、α多样性、SCFA、微生物蛋白质组学、粪便代谢组学和 CAZymes)与每种宿主特征类型(炎性细胞因子、免疫细胞信号传导、免疫细胞频率和宿主蛋白质组学)之间的 Spearman相关性。结果显示,CAZymes 和宿主蛋白可能以协调但相反的方向对饮食干预做出反应(即CAZyme 丰度增加与炎症相关蛋白水平降低相关),并且可能作为饮食、微生物组和宿主生理之间的直接联系。此外,分析结果还提示免疫细胞频率和粪便 SCFA 之间的显著相关性,例如粪便丁酸盐与B 细胞频率的负相关等。


3.png


总的来说,这项研究使用了随机的前瞻性饮食干预模型来评估已知的两种饮食成分(高发酵和高纤维)如何与肠道微生物相互作用,进而影响人的微生物组和免疫系统。考虑到人类微生物组的延展性,其在免疫系统中的整合及其对饮食的反应使其成为治疗干预的高度吸引力的目标,基于本研究提出的这两种饮食引起的不同反应,是否存在同时包含高纤维和高发酵的饮食来协同影响宿主微生物群以及免疫系统将是一个有趣的问题。


原文链接:

https://doi.org/10.1016/j.cell.2021.06.019








参考文献




1. Zeevi, D., Korem, T., Zmora, N., Israeli, D., Rothschild, D., Weinberger, A., Ben-Yacov, O., Lador, D., Avnit-Sagi, T., Lotan-Pompan, M., et al. (2015). Personalized Nutrition by Prediction of Glycemic Responses. Cell 163, 1079–1094.

2. Liu, L., Wang, S., and Liu, J. (2015). Fiber consumption and all-cause, cardiovascular, and cancer mortalities: a systematic review and meta-analysis of cohort studies. Mol. Nutr. Food Res. 59, 139–146.

3. Mozaffarian, D., Hao, T., Rimm, E.B., Willett, W.C., and Hu, F.B. (2011). Changes in diet and lifestyle and long-term weight gain in women and men. N. Engl. J. Med. 364, 2392–2404.


没有账号?